[发明专利]一种推荐方法、装置、设备及存储介质

权利要求书

1.一种推荐方法，其特征在于，所述方法包括下述步骤：

获取用户的历史评分数据、待评分物品以及待评分物品的文本内容，所述历史评分数据包括已评分物品的文本内容；

根据所述用户的历史评分数据、待评分物品以及待评分物品的文本内容，对预设的栈式降噪自编码器和预设的概率矩阵分解模型进行训练，得到用户特征矩阵、物品特征矩阵以及对应的物品隐藏特征和用户隐藏特征；

根据所述用户特征矩阵、所述物品特征矩阵以及所述对应的物品隐藏特征和用户隐藏特征，计算所述用户对待评分物品的预测评分；

根据所述预测评分生成推荐列表，并向所述用户输出所述推荐列表；

根据所述用户的历史评分数据、待评分物品以及待评分物品的文本内容，对预设的栈式降噪自编码器和预设的概率矩阵分解模型进行训练，得到用户特征矩阵和物品特征矩阵以及对应的物品隐藏特征和用户隐藏特征的步骤，包括：

根据所述历史评分数据中所述用户的已评分物品的文本内容，对预设的栈式降噪自编码器和预设的概率矩阵分解模型进行训练，得到所述用户特征矩阵以及所述对应的用户隐藏特征，具体地，在利用预设的栈式降噪自编码器从所述用户的已评分物品的文本内容中学习用户特征时，预设的栈式降噪自编码器的中间层的输出为用户约束参数，使用所述用户约束参数对预设的概率矩阵分解模型分解出来的用户特征向量进行约束，使所述用户特征矩阵符合以预设的栈式降噪自编码器中间层的输出为均值的正态分布。

2.如权利要求1所述的方法，其特征在于，根据所述用户的历史评分数据、待评分物品以及待评分物品的文本内容，对预设的栈式降噪自编码器和预设的概率矩阵分解模型进行训练，得到用户特征矩阵和物品特征矩阵以及对应的物品隐藏特征和用户隐藏特征的步骤，还包括：

根据所述待评分物品的文本内容，对预设的栈式降噪自编码器和预设的概率矩阵分解模型进行训练，得到所述物品特征矩阵以及所述对应的物品隐藏特征。

3.如权利要求1所述的方法，其特征在于，根据所述用户特征矩阵、所述物品特征矩阵以及所述对应的物品隐藏特征和用户隐藏特征，计算所述用户对待评分物品的预测评分的步骤，包括：

根据所述用户特征矩阵、所述物品特征矩阵以及所述对应的物品隐藏特征和用户隐藏特征，使用公式R_ij≈(u_i)^Tv_j＝(f_e(X_0,i*,W⁺)^T+β_i)^T(f_e(X_0,j*,W⁺)^T+ε_j)计算所述用户对待评分物品的预测评分；

所述f_e(·,W⁺)为编码函数，所述f_e(X_0,i*,W⁺)为以用户i带有噪声的内容向量X_0,i*作为输入的编码函数，所述f_e(X_0,j*,W⁺)为以物品j带有噪声的内容向量X_0,j*作为输入的编码函数，所述β_i为所述用户i的隐含偏移量，所述ε_j为所述物品j的隐含偏移量，所述v_j为所述物品隐藏特征，所述u_i为所述用户隐藏特征，

4.如权利要求1所述的方法，其特征在于，根据所述预测评分生成推荐列表的步骤，包括：

根据所述预测评分对所述待评分 物品进行正序排序，获取排序中的前N个物品，根据所述获取的N个物品生成推荐列表。