[发明专利]最优有限注意力下的社交推荐方法及装置

权利要求书

1.一种最优有限注意力下的社交推荐方法，其特征在于，包括以下步骤：

获取目标用户的隐私特征向量，并根据所述隐私特征向量得到满足预设社交影响力的至少一名好友，以学习得到所述至少一名好友的社交影响力权重；所述获取目标用户的隐私特征向量，进一步包括：获取所述目标用户的隐私数据，并根据矩阵分解技术得到所述目标用户的隐私特征向量；所述目标用户包括冷启动用户和中心用户，所述冷启动用户为没有任何历史交互记录的用户，所述中心用户为拥有多个社交关系的用户；

根据所述目标用户的自身喜好和所述至少一名好友的社交影响力权重预估所述目标用户的综合喜好，其中，通过迭代算法对个性化参数、所选好友社交影响力权值以及用户和物品的隐特征向量进行联合优化，以模拟现实生活场景；以及

根据所述目标用户的综合喜好为所述目标用户进行社交推荐，以实现基于最优有限注意力的社交推荐，通过符合现实生活场景的方式推断目标用户的兴趣并做出推荐。

2.根据权利要求1所述的最优有限注意力下的社交推荐方法，其特征在于，所述目标用户的隐私数据包括所述目标用户自身信息以及所述目标用户社交关系信息。

3.根据权利要求1所述的最优有限注意力下的社交推荐方法，其特征在于，所述目标用户的隐私特征向量包括K个维度，其中，所述K个维度表示K个兴趣方向，每个维度的值表示该维度对应的兴趣方向的喜好程度，K为正整数。

4.一种最优有限注意力下的社交推荐装置，其特征在于，包括：

获取模块，用于获取目标用户的隐私特征向量，并根据所述隐私特征向量得到满足预设社交影响力的至少一名好友，以学习得到所述至少一名好友的社交影响力权重；所述获取模块进一步用于获取所述目标用户的隐私数据，并根据矩阵分解技术得到所述目标用户的隐私特征向量；所述目标用户包括冷启动用户和中心用户，其中，所述冷启动用户为没有任何历史交互记录的用户，所述中心用户为拥有多个社交关系的用户；

预估模块，用于根据所述目标用户的自身喜好和所述至少一名好友的社交影响力权重预估所述目标用户的综合喜好，其中，通过迭代算法对个性化参数、所选好友社交影响力权值以及用户和物品的隐特征向量进行联合优化，以模拟现实生活场景；以及

推荐模块，用于根据所述目标用户的综合喜好为所述目标用户进行社交推荐，以实现基于最优有限注意力的社交推荐，通过符合现实生活场景的方式推断目标用户的兴趣并做出推荐。

5.根据权利要求4所述的最优有限注意力下的社交推荐装置，其特征在于，所述目标用户的隐私数据包括所述目标用户自身信息以及所述目标用户社交关系信息。

6.根据权利要求4所述的最优有限注意力下的社交推荐装置，其特征在于，所述目标用户的隐私特征向量包括K个维度，其中，所述K个维度表示K个兴趣方向，每个维度的值表示该维度对应的兴趣方向的喜好程度，K为正整数。