[发明专利]数据推荐方法、装置、设备及存储介质

权利要求书

1.一种数据推荐方法，其特征在于，所述方法包括：

获取至少一个客户端的用户数据；所述用户数据包括：历史浏览数据和/或历史消费数据；

根据预设打分矩阵、各所述用户数据和所述客户端的数量，确定各客户端对应的目标推荐数据；其中，所述预设打分矩阵为卷积神经网络根据所述用户数据、所述客户端的数量和隐含变量对初始打分矩阵扩充后得到的；

将所述目标推荐数据返回至对应的所述客户端。

2.如权利要求1所述的方法，其特征在于，所述根据预设打分矩阵、各所述用户数据和所述客户端的数量，确定各客户端对应的目标推荐数据之前，所述方法还包括：

所述卷积神经网络根据所述用户数据、所述客户端的数量和所述隐含变量对所述初始打分矩阵进行分解，得到第一矩阵和第二矩阵；

根据所述第一矩阵和所述第二矩阵确定所述预设打分矩阵。

3.如权利要求2所述的方法，其特征在于，所述卷积神经网络根据所述用户数据、所述客户端的数量和所述隐含变量对所述初始打分矩阵进行分解，得到第一矩阵和第二矩阵，包括：

根据所述用户数据的数量和所述隐含变量确定所述第一矩阵；

根据所述客户端的数量和所述隐含变量确定所述第二矩阵。

4.如权利要求2所述的方法，其特征在于，所述根据所述第一矩阵和所述第二矩阵确定所述预设打分矩阵，包括：

将所述第一矩阵与所述第二矩阵的转置矩阵相乘，得到所述预设打分矩阵。

5.如权利要求2所述的方法，其特征在于，所述预设打分矩阵C为满足的矩阵，其中A为用户数据的数量，B为客户端的数量，N为隐藏变量的数量，I_I，J为取值为0或1的指示函数；表示r_ij服从均值为方差为δ²的正态分布概率密度函数；表示服从均值为0，方差为的正态分布概率密度函数。

6.如权利要求5所述的方法，其特征在于，所述ε_j满足高斯先验概率

7.如权利要求5所述的方法，其特征在于，所述用户数据满足其中w为权重，X为用户数据的信息。

8.如权利要求2所述的方法，其特征在于，所述卷积神经网络根据所述用户数据、所述客户端的数量和所述隐含变量对所述初始打分矩阵进行分解，得到第一矩阵和第二矩阵，包括：

根据得到第一矩阵P和第二矩阵Q，其中为根据批量梯度下降求解得到的。

9.如权利要求5所述的方法，其特征在于，所述权重满足

10.如权利要求1所述的方法，其特征在于，所述卷积神经网络包括：数据层、卷积层、激励层、池化层和输出层。

11.一种数据推荐装置，其特征在于，所述装置包括：获取模块、确定模块和返回模块，其中：

所述获取模块，用于获取至少一个客户端的用户数据；所述用户数据包括：历史浏览数据和/或历史消费数据；

所述确定模块，用于根据预设打分矩阵、各所述用户数据和所述客户端的数量，确定各客户端对应的目标推荐数据；其中，所述预设打分矩阵为卷积神经网络根据所述用户数据、所述客户端的数量和隐含变量对初始打分矩阵扩充后得到的；

所述返回模块，用于将所述目标推荐数据返回至对应的所述客户端。

12.如权利要求11所述的装置，其特征在于，所述装置还包括：分解模块，用于所述卷积神经网络根据所述用户数据、所述客户端的数量和所述隐含变量对所述初始打分矩阵进行分解，得到第一矩阵和第二矩阵；

所述确定模块，具体用于根据所述第一矩阵和所述第二矩阵确定所述预设打分矩阵。