[发明专利]一种基于用户项目评分的矩阵分解方法和装置

说明书

本发明实施例提供一种基于用户项目评分的矩阵分解方法和装置。所述方法包括：根据待分解的用户项目评分矩阵、用户因子矩阵与项目因子矩阵之间的分解关系，构建均方差损失函数；对均方差损失函数进行若干次迭代更新，直至迭代更新后的均方差损失函数满足预设迭代条件，其中，不同的迭代过程中每个变量元素所对应的迭代步长随着迭代次数的不同而动态变化；将最后一次迭代中更新后的各变量元素的取值确定为用户因子矩阵和项目因子矩阵中各变量元素的分解优化取值。所述装置用于执行上述方法。本发明实施例提供的方法和装置，提高分解速度的同时，提高分解后的用户因子矩阵、项目因子矩阵的准确度。

技术领域

本发明实施例涉及数据处理领域，尤其涉及一种基于用户项目评分的矩阵分解方法和装置。

背景技术

隐因子矩阵分解算法为把一个用户项目矩阵(通常是高维稀疏矩阵，即矩阵中很多元素是缺失未知的)分解为两个矩阵，一个用户因子矩阵和一个项目因子矩阵，并且分解后的两个矩阵一开始是随机的进行赋值，然后根据用户项目矩阵的值(即实际值)与相应的分解后两个矩阵乘积的值(即预测值)构造损失函数。为了使预测值尽可能贴近实际值，需要使损失函数尽可能地小。

目前，现有可以采用随机梯度下降法来求损失函数的极小值，并通过随机梯度下降法来优化更新用户因子矩阵和项目因子矩阵中的各元素的值。当满足一定条件使得迭代终止时，视为训练完毕，此时就可以用训练完成后的用户因子矩阵和项目因子矩阵做内积去预测相应的用户项目矩阵中空缺的值。

然而，现有隐因子矩阵分解算法中由于让用户因子矩阵和项目因子矩阵中的变量元素沿着损失函数的负梯度的方向按照相同的学习速率(步长)移动，会导致迭代多次才能接近极小值，分解速度慢；或者导致错过极小值点，无法获得准确的分解结果。

发明内容

针对现有技术中的缺陷，本发明实施例提供一种基于用户项目评分的矩阵分解方法和装置，提高了分解准确度和分解速度。

一方面，本发明实施例提供一种基于用户项目评分的矩阵分解方法，包括：

根据待分解的用户项目评分矩阵、用户因子矩阵与项目因子矩阵之间的分解关系，构建均方差损失函数；

通过如下方式对均方差损失函数进行若干次迭代更新，直至迭代更新后的均方差损失函数满足预设迭代条件：

针对所述用户因子矩阵和所述项目因子矩阵中的每个变量元素，根据当前已迭代次数，计算本次迭代中该变量元素对应的迭代步长，其中，计算出的迭代步长小于前一次迭代中该变量元素对应的迭代步长；根据各变量元素各自对应的迭代步长，对前一次迭代更新后的均方差损失函数进行变量元素更新；判断本次迭代更新后的均方差损失函数是否满足预设迭代条件，若否，则进行下一次迭代；若是，则结束迭代；

将最后一次迭代中更新后的各变量元素的取值确定为所述用户因子矩阵和所述项目因子矩阵中各变量元素的分解优化取值。

另一方面，本发明实施例提供一种基于用户项目评分的矩阵分解装置，包括：

构造模块，用于根据待分解的用户项目评分矩阵、用户因子矩阵与项目因子矩阵之间的分解关系，构建均方差损失函数；

迭代模块，用于通过如下方式对均方差损失函数进行若干次迭代更新，直至迭代更新后的均方差损失函数满足预设迭代条件：针对所述用户因子矩阵和所述项目因子矩阵中的每个变量元素，根据当前已迭代次数，计算本次迭代中该变量元素对应的迭代步长，其中，计算出的迭代步长小于前一次迭代中该变量元素对应的迭代步长；根据各变量元素各自对应的迭代步长，对前一次迭代更新后的均方差损失函数进行变量元素更新；判断本次迭代更新后的均方差损失函数是否满足预设迭代条件，若否，则进行下一次迭代；若是，则结束迭代，并将本次迭代中更新后的各变量元素的取值输出；

分解模块，用于将所述迭代模块输出的各变量元素的取值确定为所述用户因子矩阵和所述项目因子矩阵中各变量元素的分解优化取值。