[发明专利]一种预测用户评分及展示对象的方法和装置

说明书

本说明书实施例提供一种基于模型预测用户对对象的评分的方法和装置，所述方法包括：获取第一用户在各个平台的用户评分向量；获取第一对象的对象评分向量；通过将第一用户在各个平台的用户评分向量分别输入与该平台对应的用户神经网络，获取第一用户在各个平台的用户潜在向量；通过预定合并函数，基于各个用户潜在向量，获取第一用户的用户合并向量；通过将第一对象的对象评分向量输入与第一平台对应的对象神经网络，获取第一对象的对象潜在向量；以及计算用户合并向量与对象潜在向量的内积，作为第一用户在第一平台对第一对象的预测评分。

技术领域

本说明书实施例涉及机器学习技术领域，更具体地，涉及基于模型预测用户对对象的评分的方法和装置、及基于模型向用户展示对象的方法和装置。

背景技术

推荐系统是互联网行业的一个重要研究方向和应用领域，在多个场景中可能需要用到推荐，例如，在用户在电商进行购物的场景中，可通过对用户进行适当商品的推荐而提高用户的购物体验和购买率，另外，在例如电影评分平台，可通过对用户推荐其感兴趣的电影评论等，而提高用户对平台的使用体验。对于例如购物场景，现有技术中将该场景建模为用户和商品构成的矩阵，通过矩阵分解的方法计算用户对商品的评分(喜好度)。还有一些方法是把用户和商品作为一个整体，提取用户和商品的特征，把整个问题建模为有监督学习问题。然而，现有的方法基本是针对单个平台实施的，各个平台会分别使用自己的数据构建推荐系统。而实际中，用户经常活跃于多个平台，而单个平台的数据对于用户来说是不全面的。

因此，需要一种更有效的跨平台的预测用户对对象的评分的方案。

发明内容

本说明书实施例旨在提供一种更有效的预测用户对对象的评分的方案，以解决现有技术中的不足。

为实现上述目的，本说明书一个方面提供一种基于模型预测用户对对象的评分的方法，所述模型包括至少两组神经网络，所述至少两组神经网络与至少两个平台分别对应，其中，每组神经网络包括对象神经网络和用户神经网络，所述至少两个平台分别具有共同的多个用户，所述多个用户中包括第一用户，所述至少两个平台中包括第一平台，所述第一平台中包括所述第一用户未评分的第一对象，所述方法包括：

获取所述第一用户在各个平台的用户评分向量，其中，第一平台的用户评分向量的维度为第一平台中的对象数，所述第一平台的用户评分向量的各个维度值基于所述第一用户对第一平台中各个对象的实际评分获取；

获取所述第一对象的对象评分向量，所述对象评分向量的维度为所述多个用户的数目，所述对象评分向量的各个维度值基于所述多个用户中各个用户在所述第一平台对该第一对象的实际评分获取；

通过将所述第一用户在各个平台的用户评分向量分别输入与该平台对应的用户神经网络，获取所述第一用户在各个平台的用户潜在向量，其中各个所述用户潜在向量具有相同维度；

通过预定合并函数，基于各个所述用户潜在向量，获取第一用户的用户合并向量；

通过将第一对象的对象评分向量输入与第一平台对应的对象神经网络，获取第一对象的对象潜在向量，其中，所述对象潜在向量与所述用户合并向量具有相同维度；以及

计算所述用户合并向量与所述对象潜在向量的内积，作为所述第一用户在所述第一平台对所述第一对象的预测评分。

本说明书另一方面提供一种基于模型预测用户对对象的评分的方法，所述模型包括至少两组神经网络，所述至少两组神经网络与至少两个平台分别对应，其中，每组神经网络包括对象神经网络和用户神经网络，所述至少两个平台分别具有共同的多个对象，所述多个对象中包括第一对象，所述至少两个平台中包括第一平台，所述第一平台中包括第一用户，其中，所述第一用户未对所述第一对象评分，所述方法包括：

获取第一用户的用户评分向量，其中，所述用户评分向量的维度为所述多个对象的数目，所述用户评分向量的各个维度值基于所述第一用户在所述第一平台中对所述多个对象中各个对象的实际评分获取；