[发明专利]建立超球面映射模型的方法、信息推荐方法及装置

说明书

本发明涉及数据分析技术领域，尤其涉及建立超球面映射模型的方法、信息推荐方法及装置，所述方法包括：获取包含若干标签的画像库；基于画像库，获取多个标签特征矩阵和与多个标签特征矩阵对应的多个标签矩阵向量，其中，一个标签特征矩阵对应一类标签，一个标签特征矩阵对应一个标签矩阵向量；分别对每个标签特征矩阵和与其对应的标签矩阵向量进行超球面映射处理，对应获得多个单画像多类映射集合；根据获得的所有单画像多类映射集合，建立与画像库对应的超球面多类映射集合，获得画像超球面映射模型。本发明能够精准的刻画出用户画像，最终获得的目标对象能够真实准确地反映出用户的兴趣，同时该目标对象能够精准地与匹配条件相对应。

技术领域

本发明涉及数据分析技术领域，尤其涉及建立超球面映射模型的方法、信息推荐方法及装置。

背景技术

用户画像是一种勾画目标用户、联系用户诉求与设计方向的有效工具，通过构建用户画像，利用用户画像能够了解到用户的各类信息。进一步来讲，由于用户画像能够反映用户的特征，那么根据用户画像也就能够向用户推荐其感兴趣的内容，现有技术在进行推荐时采用相似度算法，然而，由于相似度算法对于数据的区分度不高，因此存在匹配不精确的技术问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的建立超球面映射模型的方法、信息推荐方法及装置。

依据本发明的第一个方面，本发明提供一种建立画像超球面映射模型的方法，所述方法包括：

获取包含若干标签的画像库；

基于所述画像库，获取多个标签特征矩阵和与所述多个标签特征矩阵对应的多个标签矩阵向量，其中，一个所述标签特征矩阵对应一类所述标签，一个所述标签特征矩阵对应一个所述标签矩阵向量；

分别对每个所述标签特征矩阵和与其对应的所述标签矩阵向量进行超球面映射处理，对应获得多个单画像多类映射集合；

根据获得的所有单画像多类映射集合，建立与所述画像库对应的超球面多类映射集合，获得所述画像超球面映射模型。

优选的，对所述标签特征矩阵和与其对应的所述标签矩阵向量进行超球面映射处理，获得所述单画像多类映射集合，包括以下公式：

W_ix_i＝||W_i||·||x_i||·cosθ_i

其中，W_i为所述标签矩阵向量，x_i为所述标签特征矩阵，t为聚类程度，θ_i为所述标签矩阵向量和所述标签特征矩阵之间的角度信息，S_{single-hyperspher}为所述单画像多类映射集合。

优选的，在所述分别对每个所述标签特征矩阵和与其对应的所述标签矩阵向量进行超球面映射处理之前，所述方法还包括：

分别对每个所述标签特征矩阵和与其对应的所述标签矩阵向量进行归一化处理。

依据本发明的第二个方面，提供了一种信息推荐方法，所述方法包括：

获取包含一个以上待匹配标签的匹配条件；

对所述匹配条件进行向量矩阵变换，获得目标向量矩阵；

将所述目标向量矩阵输入至通过如前述第一个方面中所述的建立画像超球面映射模型的方法获得的所述画像超球面映射模型中，以与所述匹配条件对应的预设相似度作为约束条件，输出与所述匹配条件中各个所述待匹配标签匹配的目标对象；

将所述目标对象推荐给用户。