[发明专利]评分预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种评分预测方法、装置、计算机设备和存储介质，通过接收用户ID和物品ID，获取用户偏好特征和物品偏好特征以及用户对应的评论信息和物品对应的评论信息；获取评论信息对应的文本特征矩阵；根据文本特征矩阵、用户偏好特征以及物品偏好特征获取评论信息有用性，根据评论信息有用性以及文本特征矩阵获取群体智慧特征；将用户偏好特征以及物品偏好特征映射至群体智慧特征的特征空间，获取用户隐特征与物品隐特征；进而获取用户对物品的预测评分。本申请通过用户和物品的评论信息来获取群体智慧特征，而后通过群体智慧特征来提取物品的隐特征，来获取用户与物品的匹配评分，可以有效提高推荐系统的评分准确度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种评分预测方法、装置、计算机设备和存储介质。

背景技术

随着信息技术和互联网的快速发展，网络购物也成了人们购物的主要途径。而用户在购买商品后，会给商品打分以及写下评论来表达自己的观点。其中，分数描述了用户喜欢商品的程度，而评论信息则描述了用户喜欢商品或者不喜欢商品的具体原因。在进行网络购物时，电子商务网站或APP上用户对产品的评论可以帮助其他潜在消费者了解该产品的全貌，帮助潜在消费者进行购买决策。

然而现有的评分预测方法主要基于话题模型来建模文本评论，没有真正挖掘出评论信息中的深度语义信息，且没有结合用户选购商品的特点以及商品的自身特点来进行评分预测，因此推荐系统的评分预测能力较差，准确率低。

发明内容

基于此，有必要针对现有推荐系统评分预测能力差，准确率较低的技术问题，提供一种能够提高评分预测准确率的评分预测方法、装置、计算机设备和存储介质。

一种评分预测方法，所述方法包括：

接收用户ID(Identity document，唯一标识号)和物品ID，获取用户偏好特征和物品偏好特征以及用户对应的评论信息和物品对应的评论信息，用户对应的评论信息为用户发出的评论信息，物品对应的评论信息为物品被评论的评论信息；

获取所述评论信息对应的文本特征矩阵；

根据所述文本特征矩阵、所述用户偏好特征以及所述物品偏好特征获取评论信息有用性，根据所述评论信息有用性以及所述文本特征矩阵获取群体智慧特征；

将所述用户偏好特征以及所述物品偏好特征映射至所述群体智慧特征的特征空间，获取用户隐特征与物品隐特征；

根据所述用户偏好特征、所述物品偏好特征、所述用户隐特征以及所述物品隐特征，获取所述用户对所述物品的预测评分。

在其中一个实施例中，所述获取所述评论信息对应的文本特征矩阵包括：

通过预设词嵌入模型对所述评论信息对应文本数据建模，获取所述评论信息对应的文本张量数据；

通过预设长短期记忆网络模型提取所述文本张量数据对应文本特征矩阵。

在其中一个实施例中，所述根据所述文本特征矩阵、用户偏好特征以及物品偏好特征获取评论信息有用性，根据所述评论信息有用性获取群体智慧特征之前，还包括：

通过自注意力机制更新所述评论信息中单词的单词权重；

根据所述单词权重更新所述文本特征矩阵。

在其中一个实施例中，所述根据所述文本特征矩阵、所述用户偏好特征以及所述物品偏好特征获取评论信息有用性，根据所述评论信息有用性以及所述文本特征矩阵获取群体智慧特征包括：

通过对所述文本特征矩阵与用户偏好特征进行注意力机制的交互，获取用户对应的评论信息的有用性；

通过对所述文本特征矩阵与物品偏好特征进行注意力机制的交互，获取物品对应的评论信息的有用性；