[发明专利]一种基于用户项目评分的矩阵分解方法和装置

权利要求书

1.一种基于用户项目评分的矩阵分解方法，其特征在于，包括：

根据待分解的用户项目评分矩阵、用户因子矩阵与项目因子矩阵之间的分解关系，构建均方差损失函数，其中，用户项目包括音乐应用APP、视频APP、阅读APP、动漫APP和游戏APP；

通过如下方式对均方差损失函数进行若干次迭代更新，直至迭代更新后的均方差损失函数满足预设迭代条件：

针对所述用户因子矩阵和所述项目因子矩阵中的每个变量元素，根据当前已迭代次数，计算本次迭代中该变量元素对应的迭代步长，其中，计算出的迭代步长小于前一次迭代中该变量元素对应的迭代步长；根据各变量元素各自对应的迭代步长，对前一次迭代更新后的均方差损失函数进行变量元素更新；判断本次迭代更新后的均方差损失函数是否满足预设迭代条件，若否，则进行下一次迭代；若是，则结束迭代；

其中，所述针对所述用户因子矩阵和所述项目因子矩阵中的每个变量元素，根据当前已迭代次数，计算本次迭代中该变量元素对应的迭代步长，包括：

针对每个变量元素w，根据如下公式，计算第I+1次迭代中该变量元素w对应的迭代步长γ_w：

其中，I表示当前已迭代次数，I取值为大于或等于0的整数；g_wi表示第i次迭代更新后的均方差损失函数在变量元素w上的梯度值，i取值为[0，I]的整数；γ表示预设的初始迭代步长，g_w0＝1；

将最后一次迭代中更新后的各变量元素的取值确定为所述用户因子矩阵和所述项目因子矩阵中各变量元素的分解优化取值。

2.根据权利要求1所述的方法，其特征在于，所述预设迭代条件包括如下任一项：

所述均方差损失函数达到极小值、所述均方差损失函数达到预设函数阈值、所述均方差损失函数的迭代次数等于预设次数阈值；

其中，所述预设函数阈值是根据所述极小值预先设定。

3.根据权利要求1所述的方法，其特征在于，所述根据各变量元素各自对应的迭代步长，对前一次迭代更新后的均方差损失函数进行变量元素更新，包括：

针对每个变量元素，从所述用户项目评分矩阵中已知的用户项目评分中随机选取一个或多个与该变量元素关联的评分作为该变量元素在本次迭代中对应的样本用户项目评分；

针对每个变量元素，根据该变量元素在本次迭代中对应的样本用户项目评分、前一次迭代中更新后的各变量元素取值，计算前一次迭代后所对应的均方差损失函数在该变量元素上的负梯度值；

根据各变量元素各自对应的迭代步长和所述前一次迭代更新后的均方差损失函数在各变量元素上的负梯度值，对前一次迭代更新后的均方差损失函数进行变量元素更新。

4.根据权利要求3所述的方法，其特征在于，所述对前一次迭代更新后的均方差损失函数进行变量元素更新，包括：

针对每个变量元素w，根据如下公式，确定更新后的该变量元素w′：

其中，-为前一次迭代更新后的均方差损失函数L在变量元素w上的负梯度值，γ_w为本次迭代中变量元素w对应的迭代步长；

将更新后的各变量元素代入前一次迭代更新后的均方差损失函数，得到本次迭代更新后的均方差损失函数。

5.根据权利要求1-4任一所述的方法，其特征在于，所述方法还包括：

根据所述用户因子矩阵和所述项目因子矩阵中各变量元素的分解优化取值，计算出用户对项目的预测评分；

计算已知的用户项目评分与计算出的预测评分之间的误差；其中，所述误差包括：均方误差和/或平均绝对值误差；

若所述误差超过设定误差阈值，则根据所述误差针对如下至少一种进行优化调整：

所述均方差损失函数、所述用户因子矩阵和所述项目因子矩阵中的变量元素总数、初始迭代步长。

6.根据权利要求1-4任一所述的方法，其特征在于，所述方法还包括：

根据所述用户因子矩阵和所述项目因子矩阵中各变量元素的分解优化取值，确定用户对各项目的预测评分；

根据用户对各项目的预测评分的排序，选取若干个项目作为待推荐项目。