[发明专利]推荐模型的构建系统及方法

说明书

本发明涉及网络通信技术领域，公开了一种推荐模型的构建系统及方法，所述系统包括：数据获取模块，用于获取用户内容数据和用户属性数据，根据所述用户内容数据和所述用户属性数据构建初始数据集；模型构建模块，用于对所述初始数据集进行预处理，获得目标数据集，并将所述目标数据集输入至预设机器学习平台进行模型构建；模型优化模块，用于获取所述预设机器学习平台输出的初始推荐模型，并通过预设优化算法对所述初始推荐模型进行参数优化，获得目标推荐模型。通过预设优化算法对获得的初始推荐模型进行参数优化，实现了精准推荐用户所需内容的目的，降低了程序编写的复杂度，减少了推荐构建过程中的资源消耗和模型调优过程中的工作量。

技术领域

本发明涉及网络通信技术领域，尤其涉及一种推荐模型的构建系统及方法。

背景技术

随着计算机技术和网络通信技术的发展，在线娱乐和消费等活动变得越来越普遍，减少用户花费在自己不感兴趣的事情上的时间，提高用户获取感兴趣的信息的概率成为越来越多的互联网行业着重的研究方向。在这一现实背景下，越来越多的互联网企业已经开始引入推荐模型向自己的用户精准推送信息。传统的协同过滤算法，由于数据稀疏、冷启动等问题，推荐精度也不够理想，已不能满足现阶段的用户需求。虽有部分技术人员提出了一些提高协同过滤算法的适用性的方法，但随着大数据时代的到来，用户数据和内容数据急剧增长，特征提取和相识度搜索越来越复杂，现有推荐系统已不能满足精准推荐用户所需内容的需求，在模型优化方面也存在需要手工调优的缺陷，因此如何提高推荐模型的精准度以精准推荐用户所需内容，成为一个亟待解决的问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供了一种推荐模型的构建系统及方法，旨在解决现有推荐系统精准度不高导致的无法向用户精准推荐所需内容的技术问题。

为实现上述目的，本发明提供了一种推荐模型的构建系统，所述系统包括：

数据获取模块，用于获取用户内容数据和用户属性数据，根据所述用户内容数据和所述用户属性数据构建初始数据集；

模型构建模块，用于对所述初始数据集进行预处理，获得目标数据集，并将所述目标数据集输入至预设机器学习平台进行模型构建；

模型优化模块，用于获取所述预设机器学习平台输出的初始推荐模型，并通过预设优化算法对所述初始推荐模型进行参数优化，获得目标推荐模型。

所述模型构建模块，还用于对所述初始数据集进行数据清洗，以获得目标数据集；

所述模型构建模块，还用于将所述目标数据集输入至预设机器学习平台进行模型构建。

所述模型构建模块，还用于基于所述目标数据集构建初始矩阵，并通过预设变换算法将所述初始矩阵变换为特征矩阵；

所述模型构建模块，还用于将所述特征矩阵输入至预设机器学习平台进行模型构建。

所述模型构建模块，还用于从所述目标数据集中读取各用户内容数据对应的用户评分，以及对各用户内容数据进行评分的用户数量；

所述模型构建模块，还用于根据所述用户评分以及所述用户数量构建初始矩阵；

所述模型构建模块，还用于根据所述用户数量通过第一预设公式对所述初始矩阵中的所述用户评分进行转换，获得各用户内容数据对应的特征评分；

所述模型构建模块，还用于根据所述特征评分构建特征矩阵；

其中，所述第一预设公式为，

式中，t_i为用户内容数据对应的用户评分，m为对用户内容数据进行评分的用户数量，N_(i)为用户内容数据对应的特征评分。