[发明专利]推荐项目的方法和装置

说明书

技术领域

本发明涉及信息技术领域，并更具体地，涉及一种推荐项目的方法和装置。

背景技术

推荐系统通过建立用户与项目之间的二元关系，利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象，进而进行个性化推荐。

近些年来，Adomavicius和Tuzhilin等人指出，把上下文信息融入推荐系统将有利于提高推荐精确度，并提出被广泛引用的上下文感知推荐系统(context-aware recommender systems，CARS)的概念，上下文信息例如可以是用户选择项目的时间，地点、心情等上下文的条件等。

现有技术采用多维向量模型表示上下文信息来进行推荐。具体而言，在上下文的条件下，利用皮尔逊(Pearson)相关系数计算所有用户对同一项目的偏好相似度，再根据偏好相似度的计算结果将项目推荐给相似度高的用户。

然而，上下文相关维度太多时会造成数据稀疏的问题，换句话说，在所有的用户中，只有很少的用户对同一项目具有偏好。因此在数据稀疏的情况下，利用Pearson相关系数进行计算通常不能获得较高准确度，进而影响推荐的准确度，如果要提高准确度，要进行很复杂的计算过程。

发明内容

本发明的实施例提供了一种推荐项目的方法和装置，能够在进行上下文推荐时，既能保证推荐的准确度又能有效地降低计算的复杂性。

第一方面，提供了一种方法，包括：确定N个偏好值，N个偏好值中的每个偏好值指示：多个用户中的目标用户在X个上下文类型指示的条件下，对多个项目中的目标项目的选择偏好程度；根据N个偏好值，确定偏好值张量，其中，偏好值张量具有X+2个维度，X+2个维度为：基于多个项目确定的一个维度、基于多个用户确定的一个维度以及X个上下文维度，其中， X个上下文类型中的第x个上下文类型具有i_x个选项，在X个上下文维度中，第x个上下文维度是基于第x个上下文类型的i_x个选项确定的，偏好值张量中包括分别基于N个偏好值确定的N个元素，偏好值张量包含的元素个数大于N，X和N均为正整数，x的取值从1到X；根据偏好值张量，确定 X+2个矩阵因子，其中，X+2个矩阵因子一一对应于X+2个维度，X+2个矩阵因子中每个矩阵因子的秩小于偏好值张量的秩，X+2个矩阵因子的积用于逼近偏好值张量；根据X+2个矩阵因子中的至少一个矩阵因子进行项目推荐。

结合第一方面，在第一方面的第一种可能的实现方式中，根据偏好值张量，确定X+2个矩阵因子，包括：根据N个差值的平方确定误差函数；通过对误差函数进行迭代计算，确定X+2个矩阵因子；其中，X+2个矩阵因子的积为偏好值张量的逼近张量，偏好值张量的全部元素与逼近张量的全部元素一一对应，N个差值分别为N个偏好值元素在逼近张量中对应的N个元素与N个偏好值元素的差。

结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，通过对误差函数进行迭代计算，确定X+2个矩阵因子，包括：获取X+1个矩阵因子以及预设的特征向量个数；通过以预定迭代次数的迭代计算，根据X+1个矩阵因子以及预设的特征向量个数，确定至少一个特征向量；根据至少一个特征向量确定剩余的矩阵因子，使得误差函数的值小于预定迭代阈值。

结合第一方面的第一种或第二种可能的实现方式，在第一方面的第三种可能的实现方式中，该方法还包括：确定权重张量，权重张量包括N个元素， N个元素分别为与N个差值一一对应的N个权值，根据N个差值的平方确定误差函数，包括：通过对N个权值对N个差值的平方和进行加权，确定误差函数。

结合第一方面、第一方面的第一种至第三种中的任一种可能的实现方式，在第一方面的第四种可能的实现方式中，根据X+2个矩阵因子中的至少一个矩阵因子进行项目推荐，包括：从X+2个矩阵因子中，确定与当前项目推荐相关的多个矩阵因子；根据多个矩阵因子相乘的结果，确定待推荐项目的排序；根据对待推荐项目的排序和预定的排序加权的结果，进行项目推荐。

结合第一方面、第一方面的第一种至第四种中的任一种可能的实现方式，在第一方面的第五种可能的实现方式中，在确定N个偏好值之前，该方法还包括：确定M个偏好值，其中M大于N；根据上下文类型项目相关度以及用户项目相关度，预过滤M个偏好值，得到N个偏好值。