[发明专利]计算方法及计算系统

说明书

技术领域

本发明关于一种计算方法及计算系统，特别是关于基于参数调整进而挑选数学模型的计算方法及计算系统。

背景技术

现行的百货及零售商场提供智能型的商品推荐引擎，该些商品推荐引擎通常是利用后台的数据(例如会员数据、产品数据、交易纪录等)，运用数学模型演算出顾客及产品相关的相似度信息，再搭配网络舆情数据及短距离传输技术进一步提供用户推荐的产品。然而，数学模型的种类很多，每一数学模型在不同情形下所演算出的结果也会不同，也就是每一数学模型于不同情况下各有优缺点，所推荐的商品不一定符合使用者的预期。

发明内容

根据本发明的一实施态样提出一种适用于多个输入数据的计算方法包含将输入数据拆分为训练数据与测试数据，将训练数据个别输入多个数学模型进行运算获得运算结果，比对运算结果与测试数据得到相似程度并根据相似程度反复调整该些数学模型的参数组合，根据相似程度及参数组合于多个数学模型挑选其中一者。

根据本发明的另一实施态样提出一种计算系统包含数据库、分割单元、处理模块及选择单元。数据库用于存储多个输入数据，分割单元用于将输入数据拆分成训练数据以及测试数据，处理模块包含存储模块、运算单元以及比对单元。存储模块用于存储多个数学模型并将数学模型加载运算单元，运算单元用于将训练数据个别输入数学模型进行运算得到运算结果，比对单元用于比对运算结果与测试数据获得相似程度，根据相似程度反复调整数学模型的参数，选择单元用于根据相似程度及参数组合挑选多个数学模型中一者。

附图说明

图1绘示本发明的一实施例的计算系统的方块图。

图2绘示本发明的一实施例的适用于多个输入数据的计算方法的方法流程图。

图3绘示本发明的一实施例的输入数据的示意图。

图4绘示本发明的一实施例的输入数据分割的示意图。

图5本发明的一实施例的运算结果的示意图。

图6绘示本发明的一实施例的测试数据的示意图。

组件标号说明：

100：数据库

120：分割单元

130：处理模块

131：存储模块

132：运算单元

133：比对单元

140：选择单元

200：计算方法

S202～S212：步骤

U1～U3：用户

I1～I10：电影

1～10：评分

IPT：输入数据

TRN：训练资料

TST：测试资料

EST1～EST9：运算结果

M1～M3：数学模型

P1、P2：参数

具体实施方式

图1绘示本发明的一实施例的计算系统100的方块图。计算系统100包含数据库110、分割单元120、处理模块130以及选择单元140。

数据库110用于存储多笔的输入数据，这些输入数据报含了已存在的产品数据、顾客数据或是交易纪录。其中产品数据可以是属于任何类型产品所包含的数据，例如家电用品、书籍、服饰、食品等。顾客数据可以包含顾客的姓名、地址、电子信箱、电话号码等。交易纪录可以是顾客曾经所购买产品的类型、购买数量、购买次数或是针对购买过的商品的评价等。

分割单元120用于将多个输入数据分成训练数据以及测试数据。于一实施例中，可以将输入数据切分成80％的训练数据及20％的测试数据，也可以将输入数据切分成90％的训练数据及10％的测试数据。上述分割的比例仅作为举例说明，本发明所涵盖的范围不限定于上述的实施例。

处理模块130包含了存储单元131、运算单元132以及比对单元133。存储单元131用于存储各种不同算法的数学模型并将该些数学模型加载运算单元132(例如CPU)，其中这些数学模型是用于计算一群集合对象之间的相似度。常见的数学模型例如Euclidean Distance、Pearson correlation、Tanimoto coefficient、log-likelihood ratio、singular value decomposition、alternating least squares等。