[发明专利]评分预测方法、推荐方法、处理装置及存储介质

说明书

本发明实施例涉及数据处理技术领域，公开了一种评分预测方法包括：获取多个用户对多个项目的评分，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。本发明中评分预测方法、推荐方法、处理装置及存储介质，能够提高模型预测评分的准确性。

技术领域

本发明实施例涉及数据处理技术领域，特别涉及一种评分预测方法、推荐方法、处理装置及存储介质。

背景技术

随着信息技术的不断发展，人们工作生活所需要的各种服务和产品基本都能在互联网上得到满足。随着这种趋势的不断演变，互联网所提供的服务和产品的种类也越来越多，给人们带来更多选择的同时，也催促着信息过载现象的产生。在信息过载时代，互联网用户会发现很难从各种各样的产品和服务中做出选择。在这种情况下，推荐系统应运而生，并随着人们的需求不断发展提升。而评分预测不仅能给用户推荐其可能感兴趣的物品，也能让提供物品的电商或其他服务平台更精准的了解不同物品在用户中的评分口碑，捕捉大众兴趣风向，以此提升平台服务质量。

然而，发明人发现现有技术中至少存在如下问题：现有模型预测评分方法在历史数据稀疏的情况下，得到的预测评分的准确性较低。

发明内容

本发明实施方式的目的在于提供一种评分预测方法、推荐方法、处理装置及存储介质，能够提高模型预测评分的准确性。

为解决上述技术问题，本发明的实施方式提供了一种评分预测方法，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。

另外，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。

另外，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。

另外，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。

另外，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：