[发明专利]偏好预测模型的训练方法及用户偏好的预测方法

权利要求书

1.一种偏好预测模型的训练方法，其特征在于，包括：

获取用户对对象的历史评价数据；

确定所述历史评价数据的数据量是否满足预设条件；

基于所述历史评价数据的数据量是否满足预设条件，构建训练集；

基于所述训练集训练偏好预测模型，所述偏好预测模型基于受限波兹曼机模型建立。

2.根据权利要求1所述的方法，其特征在于，所述基于所述历史评价数据的数据量是否满足预设条件，构建训练集，包括：

若所述历史评价数据的数据量不满足预设条件，则基于所述历史评价数据以及可观测特征，构建训练集；

若所述历史评价数据的数据量满足预设条件，则基于所述历史评价数据构建训练集。

3.根据权利要求1所述的方法，其特征在于，所述基于所述训练集训练偏好预测模型，包括：

基于所述训练集，并根据协同过滤算法训练偏好预测模型。

4.根据权利要求1所述的方法，其特征在于，所述可观测特征包括用户特征，所述用户特征包括以下至少一项：

用户年龄；

用户性别；

用户职业。

5.根据权利要求4所述的方法，其特征在于，所述可观测特征还包括对象特征，若所述对象为视频，所述对象特征包括以下至少一项：

从所述视频的视频名称中提取的关键字；

从所述视频的发行年份中获取的时间信息。

6.根据权利要求2所述的方法，其特征在于，若所述历史评价数据的数据量不满足预设条件，在训练出所述偏好预测模型之后，所述方法还包括：

按照预设的重试规则，重复获取用户对对象的历史评价数据，直至获取到的历史评价数据的数据量满足预设条件，基于所述历史评价数据更新所述训练集，并基于更新后的所述训练集训练偏好预测模型。

7.一种用户偏好的预测方法，其特征在于，包括：

获取用户对对象的历史评价数据；

将所述历史评价数据输入预训练的偏好预测模型，得到所述用户的偏好预测结果，其中，所述偏好预测模型为根据权利要求1至6中任一项所述的偏好预测模型的训练方法训练得到的。

8.一种偏好预测模型的训练装置，其特征在于，包括：

数据获取模块，用于获取用户对对象的历史评价数据；

数据量比对模块，用于确定所述历史评价数据的数据量是否满足预设条件；

训练集构建模块，用于基于所述历史评价数据的数据量是否满足预设条件，构建训练集；

模型训练模块，用于基于所述训练集训练偏好预测模型，所述偏好预测模型基于受限波兹曼机模型建立。

9.一种用户偏好的预测装置，其特征在于，包括：

评价数据获取模块，用于获取用户对对象的历史评价数据；

偏好预测模块，用于将所述历史评价数据输入预训练的偏好预测模型，得到所述用户的偏好预测结果，其中，所述偏好预测模型为根据权利要求1至6中任一项所述的偏好预测模型的训练方法训练得到的。

10.一种电子设备，其特征在于，包括处理器和存储器；

所述存储器，用于存储操作指令；

所述处理器，用于通过调用所述操作指令，执行权利要求1-7中任一项所述的方法。

11.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。