[发明专利]预测方法、系统、介质和电子设备

权利要求书

1.一种预测方法，包括：

获得由多个用户向量构造的用户矩阵以及由多个对象向量构造的对象矩阵，其中，所述用户向量包括该用户在多个因子上的得分，所述对象向量包括该对象在所述多个因子上的得分；

确定所述用户矩阵和所述对象矩阵的乘积矩阵；以及

基于所述乘积矩阵中的元素，确定与各个用户对应的对象集合作为预测结果。

2.根据权利要求1所述的方法，其中，所述获得由多个用户向量构造的用户矩阵以及由多个对象向量构造的对象矩阵包括：

获得由多个用户向量构造的用户矩阵的多个用户矩阵子块；并且/或者

获得由多个对象向量构造的对象矩阵的多个对象矩阵子块，

其中，所述乘积矩阵包括由多个乘积矩阵子块构成的乘积矩阵，所述基于所述乘积矩阵中的元素确定预测结果包括基于多个乘积矩阵子块中的元素确定预测结果。

3.根据权利要求1所述的方法，其中，所述获得由多个用户向量构造的用户矩阵以及由多个对象向量构造的对象矩阵包括：

获得样本数据；

基于所述样本数据，确定多个用户向量和多个对象向量；以及

通过所述多个用户向量构造用户矩阵以及通过所述多个对象向量构造对象矩阵。

4.根据权利要求3所述的方法，其中，所述基于所述样本数据，确定多个用户向量和多个对象向量包括：

通过基于矩阵分解的算法训练因子分解模型；以及

使用经过训练的所述因子分解模型确定多个用户向量和多个对象向量。

5.根据权利要求4所述的方法，其中，所述基于矩阵分解的算法包括FTRL算法。

6.根据权利要求4所述的方法，其中，所述通过基于矩阵分解的算法训练因子分解模型包括：

将所述样本数据分为训练样本数据和验证样本数据；

基于所述训练样本数据，通过基于矩阵分解的算法训练因子分解模型；

使用验证样本数据验证所述因子分解模型，其中，在所述因子分解模型未通过验证的情况下，调整参数继续训练所述因子分解模型。

7.根据权利要求4所述的方法，其中，在使用经过训练的所述因子分解模型确定多个用户向量和多个对象向量之后，所述方法还包括：

基于所述因子分解模型以及所述样本数据，绘制受试者工作特征曲线；

确定所述受试者工作特征曲线下方与坐标轴之间围成的面积；

在所述面积小于预设值的情况下，调整参数继续训练所述因子分解模型。

8.一种预测系统，包括：

获得模块，用于获得由多个用户向量构造的用户矩阵以及由多个对象向量构造的对象矩阵，其中，所述用户向量包括该用户在多个因子上的得分，所述对象向量包括该对象在所述多个因子上的得分；

第一确定模块，用于确定所述用户矩阵和所述对象矩阵的乘积矩阵；以及

第二确定模块，用于基于所述乘积矩阵中的元素，确定与各个用户对应的对象集合作为预测结果。

9.一种计算机可读存储介质，其上存储有可执行指令，所述可执行指令被处理单元执行时使所述处理单元执行根据权利要求1-7中任一项所述的方法。

10.一种电子设备，包括：

处理单元；以及

存储单元，其上存储有可执行指令，所述指令被所述处理单元执行时使所述处理单元执行根据权利要求1-7中任一项所述的方法。