[发明专利]对象评估值的预测方法及系统、推荐方法及系统

说明书

本发明公开了一种对象评估值的预测方法及系统、推荐方法及系统、电子设备、存储介质。预测方法包括：建立数据库；从数据库中查询目标用户参数、目标对象参数和对象评估值，并构建用户特征向量、对象特征向量和对象评分矩阵；将经过加噪声处理的用户特征向量、对象特征向量和对象评分矩阵作为训练样本训练aSDAE模型，得到协同过滤模型；协同过滤模型的输出参数包括用户隐含因子向量和对象隐含因子向量；两者的乘积用于预测用户对对象的评估值。本发明能准确预测出用户对未知对象的评估值，即准确的预测用户对未知对象的喜好程度。

技术领域

本发明涉及对象推荐技术领域，特别涉及一种对象评估值的预测方法及系统、推荐方法及系统、电子设备、存储介质。

背景技术

随着网络的迅速发展带来信息量爆炸式地增长，为避免用户浏览大量无关的信息和产品而湮没在信息超载问题中，个性化推荐应运而生。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和对象。基于协同过滤的推荐方法由于其良好的性能，在学术和工业领域都颇受关注。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似(兴趣)用户，综合这些相似用户对某一对象的评价，形成系统对该指定用户对对象的喜好程度预测。此外，将深度学习应用于推荐系统，与传统的协同过滤算法融合，可以更好地理解用户的需求、项目的特点以及它们之间的历史交互。

然而，现有协同过滤模型的健壮性和抗干扰性得不到保障，即对模型参数任何轻微的改变都有可能被深度学习模型当成正常的样本值进行学习，容易发生过拟合现象而影响系统性能，进而影响个性推荐的准确性。

发明内容

本发明要解决的技术问题是为了克服采用现有技术的协同过滤模型进行个性化推荐，因模型的健壮性和抗干扰性得不到保障，致使个性推荐的准确性不高的缺陷，提供一种对象评估值的预测方法及系统、推荐方法及系统、电子设备、存储介质。

本发明是通过下述技术方案来解决上述技术问题：

一种对象评估值的预测方法，所述预测方法包括：

建立数据库；所述数据库用于存储用户数据和对象数据；

从所述用户数据中查询目标用户参数，从所述对象数据中查询目标对象参数和对象评估值，并根据所述目标用户参数、所述对象评估值和所述目标对象参数构建用户特征向量、对象特征向量和对象评分矩阵；

对所述用户特征向量、所述对象特征向量和所述对象评分矩阵进行加噪声处理；

将经过加噪声处理的所述用户特征向量、所述对象特征向量和所述对象评分矩阵作为训练样本训练aSDAE模型，得到协同过滤模型；

所述协同过滤模型的输出参数包括用户隐含因子向量和对象隐含因子向量；

所述用户隐含因子向量和所述对象隐含因子向量的乘积用于预测用户对对象的评估值。

较佳地，训练所述aSDAE模型的过程中，模型参数满足高斯分布；和/或，所述aSDAE模型的每层的输出结果满足高斯分布或Dirac delta分布。

较佳地，基于贝叶斯最大似然理论构建训练所述aSDAE模型的目标函数。

较佳地，所述aSDAE模型包括用户aSDAE模型和对象aSDAE模型模型；

所述用户隐含因子向量为所述用户aSDAE模型的中间层的输出结果与第一误差之和；

所述对象隐含因子向量为所述对象aSDAE模型的中间层的输出结果与第二误差之和；

所述第一误差和所述第二误差均服从高斯分布。

较佳地，对所述用户特征向量、所述对象特征向量和所述对象评分矩阵进行加噪声处理的步骤之前，还包括：