[发明专利]内容的推荐方法和装置

权利要求书

1.一种内容的推荐方法，其特征在于，包括：

获取对象的基础数据，其中，所述基础数据包括：对象标识、内容标识和所述对象对所述内容的反馈信息；

通过修正所述反馈信息对所述基础数据进行更新，并基于更新后的基础数据构建原始矩阵和/或用于对所述原始矩阵进行分解的目标函数；

基于目标函数对所述原始矩阵进行矩阵分解，得到第一子矩阵和第二子矩阵；

根据所述第一子矩阵和第二子矩阵确定目标内容，其中，所述目标内容为待向所述对象推荐的内容；

其中，通过所述修正反馈信息对所述基础数据进行更新，并基于更新后的基础数据构建原始矩阵和/或用于对所述原始矩阵进行分解的目标函数，包括：提取所述内容的难度参数和所述对象的能力参数，其中，确定多个对象访问所述内容的次数的均值为所述内容对应的难度系数，确定所述对象访问多个内容的次数的均值为所述对象的能力系数；根据所述内容的难度参数和所述对象的能力参数确定概率密度函数，其中，所述概率密度函数用于表示所述对象掌握所述内容的概率；确定所述概率密度函数为特征参数；使用所述特征参数替换所述基础数据中的反馈信息，以对所述反馈信息进行修正；使用修正后的反馈信息更新所述基础数据，并使用更新后的基础数据构建原始矩阵和用于对所述原始矩阵进行分解的目标函数。

2.根据权利要求1所述的方法，其特征在于，根据所述内容的难度参数和所述对象的能力参数确定概率密度函数，包括：

基于高斯概率密度函数确定所述概率密度函数，其中，所述高斯概率密度函数的尺度函数为所述对象的能力参数，所述高斯概率密度函数的随机变量为所述对象对所述内容的反馈信息，所述高斯概率密度函数的位置参数为所述内容的难度系数。

3.根据权利要求1所述的方法，其特征在于，使用更新后的基础数据构建用于对所述原始矩阵进行分解的目标函数，包括：

获取任意一个对象对任意一个内容的反馈信息的误差函数，其中，所述误差函数为所述对象对所述内容的实际反馈信息和所述对象对所述内容的预测反馈信息之差，所述预测反馈信息通过第一子矩阵和第二子矩阵预测得到；

获取每个对象对每个内容的误差函数的第一和值；

获取所述目标函数的正则项，其中，所述正则项由预设的第一正则项参数和第二正则项参数之积构成，所述第二正则项参数由第一子矩阵的范数平方和第二子矩阵的范数平方之和构成；

确定所述第一和值与所述正则项的第二和值为用于对所述原始矩阵进行分解的目标函数。

4.根据权利要求1所述的方法，其特征在于，通过修正所述反馈信息对所述基础数据进行更新，并基于更新后的基础数据构建原始矩阵和/或用于对所述原始矩阵进行分解的目标函数，包括：

提取所述反馈信息中的特征参数；

使用所述基础数据构建原始矩阵；

基于所述特征参数和更新后的基础数据构建用于对所述原始矩阵进行分解的目标函数。

5.根据权利要求4所述的方法，其特征在于，基于所述特征参数和更新后的基础数据构建用于对所述原始矩阵进行分解的目标函数，包括：

获取任意一个对象对任意一个内容的反馈信息的误差函数，其中，所述误差函数为所述对象对所述内容的特征参数和所述对象对所述内容的预测反馈信息之差，所述预测反馈信息通过第一子矩阵和第二子矩阵预测得到；

获取每个对象对每个内容的误差函数的平方的第一和值；

获取所述目标函数的正则项，其中，所述正则项由预设的第一正则项参数和第二正则项参数之积构成，所述第二正则项参数由第一子矩阵的范数平方、第二子矩阵的范数平方、所述内容的难度系数的平方和所述对象的能力系数的平方之和构成；

确定所述第一和值与所述正则项的第二和值为用于对所述原始矩阵进行分解的目标函数。

6.根据权利要求4所述的方法，其特征在于，提取所述反馈信息中的特征参数，包括：

提取所述内容的难度参数和对象的能力参数；

根据所述内容的难度参数和对象的能力参数确定概率密度函数，其中，所述概率密度函数用于表示所述对象掌握所述对象的概率；

确定所述概率密度函数为所述特征参数。