[发明专利]一种构建兴趣模型的方法、装置及电子设备

权利要求书

1.一种构建兴趣模型的方法，其特征在于，应用于信息推荐中，包括：

在预先设置的时间周期内，获取具有隐式行为反馈的信息集；

对所述信息集中的信息进行维度划分，得到一个或多个维度信息集；

以维度为单位，统计维度信息集中各信息包含的信息标签，对统计的信息标签进行向量权重系数赋值，得到当前维度上的信息标签向量组；

基于预先设置的时间衰减参数，计算对所述信息标签向量组中各信息标签向量对应的兴趣向量；

依据计算得到的各信息标签向量的兴趣向量，构建兴趣模型；

基于所述兴趣模型确定向用户推荐的信息；

其中，利用下式构建所述信息标签向量组：

式中，

F(C)为一维度下的隐式反馈信息标签向量；

C为维度信息集；

C_j为维度信息集中的第j条信息；

t_k为信息标签向量中的第k条信息标签；

w_jk为第k个信息标签在第j条信息中的向量权重系数；

m为信息标签向量中包含的信息标签数。

2.根据权利要求1所述的构建兴趣模型的方法，其特征在于，所述基于预先设置的时间衰减参数，计算对所述当前维度上信息标签向量中各信息标签的兴趣值，包括：

计算所述信息标签向量中一信息标签的累计隐式行为反馈值；

基于所述一信息标签的累计隐式行为反馈值，计算所述信息标签向量的累计隐式行为反馈值；

基于所述一信息标签的累计隐式行为反馈值以及所述信息标签向量的累计隐式行为反馈值，计算信息标签向量的期望隐式行为反馈值；

基于所述一信息标签的累计隐式行为反馈值以及所述信息标签向量的期望隐式行为反馈值，计算所述信息标签向量的用户期望隐式行为反馈值；

基于所述信息标签向量的累计隐式行为反馈值以及所述信息标签向量的用户期望隐式行为反馈值，计算信息标签向量的兴趣值，进而得到所述维度上信息标签兴趣向量。

3.根据权利要求2所述的构建兴趣模型的方法，其特征在于，利用下式计算所述信息标签向量上一信息标签的累计隐式行为反馈值：

式中，

N_ik为第i个用户对第k条信息标签的累计隐式行为反馈值，i为常数；

u_i为第i个用户；

α为时间衰减参数；

T_ij为在信息标签向量中，当前时间与第i个用户对第j条信息具有隐式行为反馈时的时间的时间差。

4.根据权利要求3所述的构建兴趣模型的方法，其特征在于，利用下式计算所述信息标签向量的累计隐式行为反馈值：

式中，

N_i为第i个用户在所述信息标签向量上累计隐式行为反馈值。

5.根据权利要求4所述的构建兴趣模型的方法，其特征在于，利用下式计算所述信息标签向量上各标签的期望隐式行为反馈值：

式中，

为第k个信息标签的期望隐式行为反馈值。

6.根据权利要求5所述的构建兴趣模型的方法，其特征在于，利用下式计算所述信息标签向量上各标签的用户期望隐式行为反馈值：

式中，

E_ik为第i个用户在第k个信息标签的用户期望隐式行为反馈值。

7.根据权利要求6所述的构建兴趣模型的方法，其特征在于，利用下式计算所述信息标签向量上各标签的兴趣值：

式中，

w_ik为第i个用户对第k个信息标签的兴趣值；

ε为预先设置的平滑参数。