[发明专利]基于用户相似度的跨领域评分方法以及评分设备

说明书

本申请实施例公开了一种基于用户相似度的跨领域评分方法以及评分设备，用于解决目标领域的潜在用户冷启动的问题。本申请实施例方法包括：获取目标领域的用户‑项目评分矩阵和辅助领域的用户‑项目评分矩阵，其中目标领域的用户包含于辅助领域的用户；根据辅助领域的用户‑项目评分矩阵计算得到辅助领域中各用户之间的相似度值；根据辅助领域中各用户之间的相似度值和目标领域的用户‑项目评分矩阵，计算辅助领域中各用户对目标领域中对应的目标项目的预测评分，目标项目为辅助领域中各用户在目标领域中未进行评分的项目。本申请实施例还提供了一种评分设备，用于解决目标领域的潜在用户冷启动的问题。

技术领域

本发明涉及网络推荐技术领域，尤其涉及一种基于用户相似度的跨领域评分方法以及评分设备。

背景技术

在这个信息爆炸的时代，如何使用户快速高效地从浩瀚的数据海洋中获取所需信息变得越来越紧迫，因此个性化推荐系统被广泛用于帮助用户探索和发现新的有趣的内容。协同过滤是个性化推荐系统中一种常用的方法，且丰富的用户行为数据是协同过滤算法准确推荐的必要条件，然而，大部分实际使用的推荐系统都面临数据缺失的问题，数据缺失通常表现在数据稀疏和冷启动，其中数据稀疏是指单个用户只对海量项目中的一部分项目有行为，冷启动是指新注册用户的行为数据少，为解决目标领域数据稀疏和冷启动的问题，引入其他相关领域即辅助领域的数据来进行跨领域推荐，该辅助领域的共同特征是用户活跃度高，对辅助领域中的很多项目都有行为。

依据相似的用户有相似的喜好，目标领域的项目和辅助领域的项目在某些特征上是相似的，那么目标领域和辅助领域的用户-评分矩阵也会有相似的用户-项目评分模式的原理，现有技术采用以下三个步骤：

步骤1：基于辅助领域的用户-项目评分矩阵计算辅助领域的评分模式；

步骤2：将该评分模式迁移到目标领域，填充目标领域稀疏的用户-项目评分矩阵；

步骤3：基于填充后的目标领域用户-项目评分矩阵，使用协同过滤算法为用户推荐项目。

现有技术通过从辅助领域得到的用户评分模式填充数据稀疏的目标领域的用户-项目评分矩阵，提高已经在目标领域中有行为数据的用户的推荐准确率。

然而，对于只在辅助领域有行为数据而在目标领域没有行为数据的用户，即目标领域的潜在用户，现有技术所采用的迁移学习的方法，对该潜在用户的推荐并没有涉及，故没有解决目标领域潜在用户冷启动的问题。

发明内容

本申请实施例提供了一种基于用户相似度的跨领域评分方法以及评分设备，用于解决目标领域的潜在用户冷启动的问题。

本申请实施例的第一方面提供一种基于用户相似度的跨领域评分方法，包括：从目标领域获取用户-项目评分矩阵并且从辅助领域获取用户-项目评分矩阵，所述目标领域的用户包含于所述辅助领域的用户；按照预置的方法计算所述辅助领域的用户-项目评分矩阵，得到所述辅助领域中各用户之间的相似度值；再根据所述辅助领域中各用户之间的相似度值和获取到的所述目标领域的用户-项目评分矩阵，计算所述辅助领域中各用户对所述目标领域中对应的所述辅助领域中各用户在所述目标领域中未进行评分的项目的预测评分。本申请实施例中，评分设备根据获得的辅助领域的用户-项目评分矩阵计算得到了辅助领域中各用户之间的相似度值，再根据该相似度值和目标领域的用户-项目评分矩阵计算了辅助领域中各用户在目标领域中未进行评分的项目，辅助领域的用户均为目标领域的潜在用户，即得到了目标领域的潜在用户对目标领域中未评分的项目的预测评分，本申请实施例解决了目标领域的潜在用户冷启动的问题。

在一种可能的设计中，在本申请实施例第一方面的第一种实现方式中，当所述辅助领域包括一个子辅助领域时，所述按照预置的方法计算所述辅助领域的用户-项目评分矩阵，得到所述辅助领域中各用户之间的相似度值包括：按照如下方式计算所述辅助领域中各用户之间的相似度值：

或，