[发明专利]推荐方法、装置、设备及存储介质

权利要求书

1.一种推荐方法，其特征在于，包括：

根据目标用户的历史行为数据以及预先确定出的多个物品的特征向量中的历史物品的特征向量，确定所述目标用户的特征向量；其中，所述历史物品为与所述历史行为数据对应的物品；

根据所述目标用户的特征向量与多个所述物品的特征向量的相似度，确定向所述目标用户推荐的目标推荐物品；

向所述目标用户推荐所述目标推荐物品。

2.根据权利要求1所述的方法，其特征在于，所述根据目标用户的历史行为数据以及预先确定出的多个物品的特征向量中的历史物品的特征向量，确定所述目标用户的特征向量，包括：

确定所述历史物品的特征向量组成的历史物品的特征矩阵；

确定所述历史行为数据对应的列向量；

根据所述历史物品的特征矩阵以及所述历史行为数据对应的列向量，确定所述目标用户的特征向量。

3.根据权利要求2所述的方法，其特征在于，当所述历史行为数据为显性评分时，所述根据所述历史物品的特征矩阵以及所述历史行为数据对应的列向量，确定所述目标用户的特征向量，包括：

根据公式x_t＝(A^TA+λ₁I)^-1A^Tr_t1，确定所述目标用户的特征向量；其中，x_t表示所述目标用户的特征向量，A表示所述历史物品的特征矩阵，A的维度为m*k，m表示所述历史物品的数量，k表示所述历史物品的特征向量的维度，A^T表示A的转置矩阵，I表示单位矩阵，λ₁表示预设的第一参数，(A^TA+λ₁I)^-1表示矩阵A^TA+λ₁I的逆矩阵，r_t1表示所述显性的评分组成的列向量，r_t1的维度为m*1，所述历史物品的特征矩阵A中位于第z行的历史物品，在所述列向量r_t1中对应的显性评分也位于第z行，z小于或者等于m，且大于或者等于1。

4.根据权利要求2所述的方法，其特征在于，当所述历史行为数据为隐性评分时，所述根据所述历史物品的特征矩阵以及所述历史行为数据对应的列向量，确定所述目标用户的特征向量，包括：

根据公式x_t＝(A^TR_tA+λ₂mI)^-1A^Tr_t2，确定所述目标用户的特征向量；其中，x_t表示所述目标用户的特征向量，A表示所述历史物品的特征矩阵，A的维度为m*k，m表示所述历史物品的数量，k表示所述历史物品的特征向量的维度，A^T表示A的转置矩阵，I表示单位矩阵，λ₂表示预设的第二参数，R_t表示由m个隐性评分以及预设的第三参数分别确定出的m个分值组成的对角矩阵，(A^TR_tA+λ₂mI)^-1表示矩阵A^TR_tA+λ₂mI的逆矩阵，r_t2表示所述m个分值组成的列向量，r_t2的维度为m*1，所述历史物品的特征矩阵A中位于第z行的历史物品，在所述列向量r_t2中对应的分值也位于第z行，z小于或者等于m，且大于或者等于1。