[发明专利]识别模型的负样本构建方法、装置和系统

说明书

本发明涉及机器学习技术领域，尤其涉及一种识别模型的负样本构建方法、装置和系统，包括：获取用户集和物品集，并将所述用户集和物品集进行笛卡尔积得到物品候选集；其中，所述物品候选集表征所述用户集中的各个用户所能选择的物品集中的物品的集合；采集所述用户集中各个用户的历史行为数据以及所述物品集中各个物品的特征数据，根据所述历史行为数据和特征数据对所述物品候选集进行调整得到调整物品候选集；根据所述调整物品候选集中各个用户的历史行为数据和各个物品的特征数据计算用户活跃度概率分布参数和物品流行度概率分布参数；这样，使得构造的样本类别不仅能够平衡，而且不影响负样本模型的输出。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种识别模型的负样本构建方法、装置和系统。

背景技术

随着互联网数据的爆炸式增长，对这些互联网数据进行有效提取，以便提供与用户行为相匹配的信息，成为亟待解决的问题。

目前，个性化信息推荐是解决这一问题的有效方法，它通过跟踪用户的历史行为，提取用户的兴趣特征并构建负样本模型，分析信息与用户特征的匹配程度，从而给用户推荐可能感兴趣的信息。但是在负样本模型构建的过程中，只依靠用户的历史行为对该用户进行特征匹配，不仅会导致负样本的样本信息过于单调，还会导致数据类别的不平衡，从而影响负样本模型的输出。

发明内容

本发明的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中构造负样本的样本信息过于单调从而导致类别不平衡影响负样本模型输出的技术缺陷。

本发明提供一种和别模型的负样本构建方法，包括如下步骤：

获取用户集和物品集，并将所述用户集和物品集进行笛卡尔积得到物品候选集；其中，所述物品候选集表征所述用户集中的各个用户所能选择的物品集中的物品的集合；

采集所述用户集中各个用户的历史行为数据以及所述物品集中各个物品的特征数据，根据所述历史行为数据和特征数据对所述物品候选集进行调整得到调整物品候选集；

根据所述调整物品候选集中各个用户的历史行为数据和各个物品的特征数据计算用户活跃度概率分布参数和物品流行度概率分布参数，并生成用户活跃度表和物品流行度表；

将所述用户活跃度表与所述物品流行度表进行关联并生成一列随机数，将所述随机数的值小于所述随机数对应的用户活跃度和物品流行度的概率分布值的用户和物品作为识别模型的负样本。

在其中一个实施例中，所述历史行为数据包括用户登录平台的天数；

根据所述历史行为数据和特征数据对所述物品候选集进行调整得到调整物品候选集的步骤之前，还包括：

通过大数据平台采集用户登录平台的天数，根据一定时间段内的登录天数计算用户活跃度；

根据所述用户活跃度进行概率分布统计得到第一概率分布参数的计算公式如下：

其中，P(u)表示第一概率分布参数，u表示用户，N(u)表示用户u在T时间段内的登录天数，|T|表示时间T的长度，P(u)∈(0,1]。

在其中一个实施例中，所述特征数据包括物品被点击的用户数；

根据所述历史行为数据和特征数据对所述物品候选集进行调整得到调整物品候选集的步骤之前，还包括：

通过大数据平台采集物品被点击的用户数，根据物品在一段时间内被点击的用户数计算物品流行度；

根据所述物品流行度进行概率分布统计得到第二概率分布参数的计算公式如下：