[发明专利]基于增量更新的推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种基于增量更新的推荐方法，其特征在于，包括：

将用户对物品的评分矩阵进行分解，得到用户向量和物品向量；

将用户对物品的评分表示为一个有向边的三元组，其中所述三元组包括：用户向量、物品向量和用户对物品的评分，用户向量表示源节点，物品向量表示目标节点，用户对物品的评分表示有向边；

在进行本次训练时，迭代计算出三元组中源节点和目标节点的迭代更新值，将迭代更新值累积到对应节点，完成本次训练；

在进行下一次训练时，已训练过的用户向量和物品向量在初始状态下复用上一次训练的当前值，对于未训练过的用户向量和物品向量，则采用随机初始化方式填充对应向量；

基于训练后的用户向量和物品向量向用户推荐物品。

2.根据权利要求1所述的基于增量更新的推荐方法，其特征在于，所述在进行本次训练时，迭代计算出三元组中源节点和目标节点的迭代更新值，将迭代更新值累积到对应节点，完成本次训练，包括：

针对每一个三元组，计算出预测评分，并将所述预测评分与真实评分进行比较得到误差值；

针对每一个三元组计算出的误差值，利用所述误差值对用户向量和物品向量进行更新，完成对用户向量和物品向量的训练。

3.根据权利要求2所述的基于增量更新的推荐方法，其特征在于，所述针对每一个三元组计算出的误差值，利用所述误差值对用户向量和物品向量进行更新，完成对用户向量和物品向量的训练，包括：

利用所述误差值计算用户向量的迭代更新值和物品向量的迭代更新值；

将用户向量的迭代更新值传递至源节点，以及将物品向量的迭代更新值传递至目标节点；

获取每个节点接收到的迭代更新值之和并乘以学习率，然后将计算结果累加到相应节点，完成本次训练。

4.根据权利要求3所述的基于增量更新的推荐方法，其特征在于，所述学习率的取值范围为0～1。

5.根据权利要求4所述的基于增量更新的推荐方法，其特征在于，所述学习率的取值范围小于0.001。

6.根据权利要求1所述的基于增量更新的推荐方法，其特征在于，迭代总次数一共为10次。

7.根据权利要求3所述的基于增量更新的推荐方法，其特征在于，所述利用所述误差值计算用户向量的迭代更新值和物品向量的迭代更新值，包括：

根据Spark GraphX架构的aggregateMessages函数计算用户向量的迭代更新值和物品向量的迭代更新值。

8.一种基于增量更新的推荐装置，其特征在于，包括：

分解单元，用于将用户对物品的评分矩阵进行分解，得到用户向量和物品向量；

表示单元，用于将用户对物品的评分表示为一个有向边的三元组，其中所述三元组包括：用户向量、物品向量和用户对物品的评分，用户向量表示源节点，物品向量表示目标节点，用户对物品的评分表示有向边；

训练单元，用于在进行本次训练时，迭代计算出三元组中源节点和目标节点的迭代更新值，将迭代更新值累积到对应节点，完成本次训练；

增量训练单元，用于在进行下一次训练时，已训练过的用户向量和物品向量在初始状态下复用上一次训练的当前值，对于未训练过的用户向量和物品向量，则采用随机初始化方式填充对应向量；

推荐单元，用于基于训练后的用户向量和物品向量向用户推荐物品。

9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于增量更新的推荐方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的基于增量更新的推荐方法。