[发明专利]评分预测方法和装置

说明书

本发明提供了评分预测方法和装置，该评分预测方法包括：获取全局评分信息，其中，全局评分信息包括至少两个用户对至少两个项目的评分，至少两个用户包括作为评分预测用户对象的目标用户，至少两个项目包括作为评分预测项目对象的目标项目；对全局评分信息进行聚类，获得局部评分信息，其中，局部评分信息包括除目标用户之外的至少一个用户分别对包括目标项目和至少一个参考项目在内的至少两个项目的评分，在局部评分信息中不同用户具有相似偏好和/或不同项目具有相似受欢迎程度；将局部评分信息作为协同过滤算法的输入，获得预测评分。本方案能够提高对用户评分进行预测的准确性。

技术领域

本发明涉及数据处理技术领域，特别涉及评分预测方法和装置。

背景技术

随着计算机技术和大数据处理技术的不断发展与进步，很多行业都可以通过分析用户所产生的历史数据来确定用户的喜好，进而根据用户的喜好向用户推荐商品，以提高用户的使用体验。比如，在对电影、电视剧或书籍等项目进行推荐的应用场景中，可以根据一个用户历史上对其他项目的评分信息来预测该用户对目标项目的评分，进而根据所预测出的评分确定是否需要将该目标项目推荐给该用户。

目前在预测一个目标用户对一个目标项目的评分时，需要获取该目标用户在历史上对其他项目的评分信息以及对目标项目进行了评分的其他用户在历史上对其他项目的评分信息，进而根据所获取到的各项评分信息通过协同过滤算法来预测该目标用户对目标项目的评分。

在目前的评分预测方法中，将目标用户和其他用户的历史评分信息作为全局评分信息输入协同过滤算法来计算预测评分，由于一个用户在历史上可能对多个项目进行的评分，而且同一项目可能有多个用户对其进行了评分，使得全局评分信息包括的维度较多，在利用协同过滤算法计算预测评分时容易出现过拟合的问题，进而导致对用户评分进行预测的准确性较差。

发明内容

本发明实施例提供了评分预测方法和装置，能够提高对用户评分进行预测的准确性。

第一方面，本发明实施例提供了一种评分预测方法，包括：

获取全局评分信息，其中，所述全局评分信息包括至少两个用户对至少两个项目的评分，所述至少两个用户包括作为评分预测用户对象的目标用户，所述至少两个项目包括作为评分预测项目对象的目标项目，所述全局评分信息包括所述目标用户对除所述目标项目之外的至少一个所述项目的评分，所述全局评分信息还包括除所述目标用户之外的每一个所述用户对至少一个所述项目的评分；

对所述全局评分信息进行聚类，获得局部评分信息，其中，所述局部评分信息包括所述目标用户对除所述目标项目之外的至少一个参考项目的评分，且所述局部评分信息还包括除所述目标用户之外的至少一个所述用户分别对包括所述目标项目和至少一个所述参考项目在内的至少两个所述项目的评分，在所述局部评分信息中不同所述用户具有相似偏好和/或不同所述项目具有相似受欢迎程度；

将所述局部评分信息作为协同过滤算法的输入，获得预测评分，其中，所述预测评分为预测出的所述目标用户对所述目标项目的评分。

在第一种可能的实现方式中，结合上述第一方面，所述对所述全局评分信息进行聚类，获得局部评分信息，包括：

对所述全局评分信息进行聚类获得用户簇，并将所述用户簇确定为所述局部评分信息，其中，所述用户簇包括所述目标用户以及与所述目标用户具有相似偏好的至少一个第一用户分别对至少两个第一项目的评分，所述至少两个第一项目包括所述目标项目和至少一个所述参考项目。

在第二种可能的实现方式中，结合上述第一方面，所述对所述全局评分信息进行聚类，获得局部评分信息，包括：

对所述全局评分信息进行聚类获得项目簇，并将所述项目簇确定为所述局部评分信息，其中，所述项目簇包括至少两个第二用户分别对所述目标项目以及与所述目标项目具有相似受欢迎程度的至少一个第二项目的评分，所述至少两个第二用户包括所述目标用户。