[发明专利]评分预测方法、推荐方法、处理装置及存储介质

权利要求书

1.一种评分预测方法，其特征在于，包括：

获取多个用户对多个项目的评分，其中，所述多个用户包括目标用户和非目标用户，所述多个项目包括：目标项目和非目标项目；所述多个用户对多个项目的评分包括：所述目标用户对至少一个所述非目标项目的评分、以及至少一个所述非目标用户对所述目标项目的评分；

根据所述多个用户对多个项目的评分生成距离矩阵，其中，所述距离矩阵包括根据所述多个用户对多个项目的评分计算得到的所述多个用户与所述多个项目之间的距离；

将所述距离矩阵输入预先训练好的深度神经网络中得到预测评分矩阵，所述预测评分矩阵至少包括：所述目标用户对所述目标项目的预测评分。

2.根据权利要求1所述的评分预测方法，其特征在于，所述根据所述多个用户对多个项目的评分生成距离矩阵，包括：

获取预设评分上限值；

利用所述预设评分上限值减去每个所述评分，得到所述多个用户与所述多个项目之间的距离以形成所述距离矩阵。

3.根据权利要求1所述的评分预测方法，其特征在于，所述预先训练好的深度神经网络包括：第一神经网络和第二神经网络；

所述将所述距离矩阵输入预先训练好的深度神经网络中得到预测评分矩阵，包括：

将所述距离矩阵中每个所述用户与所有项目的距离输入所述第一神经网络得到每个所述用户的预测特征向量，并将所述距离矩阵中每个所述项目与所有用户的距离输入所述第二神经网络得到每个所述项目的预测特征向量；

根据每个所述用户的预测特征向量以及每个所述项目的预测特征向量，计算每个所述用户与每个所述项目的预测距离；

根据每个所述用户与每个所述项目的预测距离得到所述预测评分矩阵。

4.根据权利要求3所述的评分预测方法，其特征在于，所述计算每个所述用户与每个所述项目的预测距离包括：

根据每个所述用户的预测特征向量以及每个所述项目的预测特征向量得到初始距离；

将所述初始距离加上所述用户的偏置项、所述项目的偏置项以及全局偏置项得到所述预测距离；

其中，所述用户的偏置项以及所述项目的偏置项通过训练得到，所述全局偏置项为所述距离矩阵中所有距离的均值。

5.根据权利要求3所述的评分预测方法，其特征在于，所述预先训练好的深度神经网络的损失函数值L通过以下公式计算：

其中，u表示所述用户、i表示所述项目、Y_ui表示所述用户与所述项目的实际距离、Y’表示所述用户与所述项目的预测距离、D_max表示所述距离矩阵中所有距离的最大值、α和N为常数。

6.根据权利要求3所述的评分预测方法，其特征在于，所述用户的预测特征向量和所述项目的预测特征向量均为多维向量；

在训练所述深度神经网络的过程中，丢弃所述用户的预测特征向量以及所述项目的预测特征向量中部分维度的向量值。

7.根据权利要求1所述的评分预测方法，其特征在于，所述项目为微博话题，所述评分为用户对所述微博话题的兴趣度，其中，所述兴趣度为所述微博话题下所述用户发布的微博总数、与所述微博话题下发表微博数目最多的用户发表的最大微博总数的比值。

8.一种推荐方法，其特征在于，通过上述权利要求1至7中任一项所述的评分预测方法得到所述预测评分矩阵；

根据所述预测评分矩阵中所述目标用户对所述目标项目的预测评分确定是否为所述目标用户推荐所述目标项目。

9.一种处理装置，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一所述的评分预测方法；或者，执行如权利要求8中所述的推荐方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一所述的评分预测方法；或者，实现如权利要求8中所述的推荐方法。