[发明专利]一种推荐对象确定方法、装置、设备及可读存储介质

说明书

本发明公开了一种推荐对象确定方法，该方法包括以下步骤：在全局表中，获取目标用户的每个近邻用户对目标对象的印象分值；获取并利用每个近邻用户与目标用户的相似性，计算出每个近邻用户对应的权重系数；将每个近邻用户的权重系数和每个近邻用户对目标对象的印象分值输入到预设估分计算模型中，获得目标用户对目标对象的预估分值；当预估分值大于推荐阈值时，将目标对象确定为推荐给目标用户的推荐对象。本发明实施例所提供的技术方案确定的推荐对象与用户具有较高的匹配性，个性化更强。可适用于稀疏性较强的应用场景中，提升推荐效果。本发明还公开了一种推荐对象确定装置、设备及可读存储介质，具有相应的技术效果。

技术领域

本发明涉及计算机应用技术领域，特别是涉及一种推荐对象确定方法、装置、设备及可读存储介质。

背景技术

随着计算机技术的快速发展，大量的音频、视频、图片或文字，以上各种媒体对象的任意组合如电影、电视、短视频、新闻等被计算机应用所呈现，丰富了人们的工作、学习和生活。由于计算机网络的资源共享功能，存在大量的媒体资源，如何在这些媒体资源中找到喜欢的媒体对象确是一个难题。

目前，各类媒体的个性化推荐技术应运而生，以解决在海量信息中寻找关键点，向用户推荐出符合用户要求的媒体对象。目前，余弦相似度，Pearson相似度、SPCC、JMSD相似性计算已经广泛应用于个性化推荐技术中。这些相似性度量通常取决于共同项目。这里，共同评估的项目代表是至少由两个用户评定的常见项目组成。共同项目的依赖性是造成大多数传统相似性度量主要稀疏问题的原因之一。一些领域的评级数据集(如电子商务和社交网络)是稀疏的。稀疏数据集使共同项目极为罕见，这将降低预测精度。传统的相似性度量不太适合稀疏的数据集。因此，在用户和媒体的数量不断增加的同时，稀疏性也越来越明显，计算复杂性也相继提高，传统的个性化推荐方法难以提升推荐效果。

综上所述，如何有效地解决媒体个性化推荐等问题，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种推荐对象确定方法、装置、设备及可读存储介质，以进行个性化推荐。

为解决上述技术问题，本发明提供如下技术方案：

一种推荐对象确定方法，包括：

在全局表中，获取目标用户的每个近邻用户对目标对象的印象分值；其中，所述目标对象为向所述目标用户进行推荐的备选集合中的任意一个对象；

获取并利用每个所述近邻用户与所述目标用户的相似性，计算出每个所述近邻用户对应的权重系数；

将每个所述近邻用户的权重系数和每个所述近邻用户对所述目标对象的印象分值输入到预设估分计算模型中，获得所述目标用户对所述目标对象的预估分值；

当所述预估分值大于推荐阈值时，将所述目标对象确定为推荐给所述目标用户的推荐对象。

优选地，在所述获取目标用户的每个近邻用户对目标对象的印象分值之前，还包括：

将印象分值大于预设阈值的对象添加至全局表中；

在所述全局表中，将与目标用户交集数量大于预设近邻阈值的用户添加至所述目标用户的近邻用户集合中。

优选地，所述获取每个所述近邻用户与所述目标用户的相似性，包括：

利用所述目标用户的历史记录和每个所述近邻用户的历史记录，按照预设混合相似性计算规则，计算出每个所述近邻用户与所述目标用户的相似性；

或，直接读取预先计算出的获取每个所述近邻用户与所述目标用户的相似性。

优选地，利用所述目标用户的历史记录和每个所述近邻用户的历史记录，按照预设混合相似性计算规则，计算出每个所述近邻用户与所述目标用户的相似性，包括：