[发明专利]内容的推荐方法和装置

说明书

本申请公开了一种内容的推荐方法和装置。其中，该方法包括：获取对象的基础数据，其中，基础数据包括：对象标识、内容标识和对象对内容的反馈信息；通过修正反馈信息对基础数据进行更新，并基于更新后的基础数据构建原始矩阵和/或用于对原始矩阵进行分解的目标函数；基于目标函数对原始矩阵进行矩阵分解，得到第一子矩阵和第二子矩阵；根据第一子矩阵和第二子矩阵确定目标内容，其中，目标内容为待向对象推荐的内容。本申请解决了现有技术中在基于用户的反馈行为进行内容推荐时由于用户的反馈行为存在一定误差导致推荐结果准确度较低的技术问题。

技术领域

本申请涉及数据处理领域，具体而言，涉及一种内容的推荐方法和装置。

背景技术

知识管理系统(Knowledge Management System，KMS)是收集、处理、分享一个组织的全部知识的信息系统，包括知识的获取、存储、分发和应用过程，支持企业员工的学习和决策。如呼叫中心的客服代表(Customer Service Representative，CSR)可以基于客户服务领域的KMS，一方面离线学习产品介绍或服务标准等知识点，另一方面在线通话时依托知识库解答客户问题。

目前KMS提供模式匹配、检索推理等功能反馈用户所需的知识点，但这种依赖搜索引擎解决信息过载的方法存在两个问题：检索操作耗时和个性化不足。为提升KMS用户的满意度，知识推荐方法在各领兴起。

基于内容的知识推荐需要采集用户和物品的属性，一般难以收集，在KMS中同样没有足够多的用户和物品的属性信息。因此，知识推荐多选用协同过滤方法，协同过滤利用集体协同信息来推荐，简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，如图1所示，用户C喜欢物品A，其他喜欢物品A的用户A和用户B也喜欢了物品C，因此向用户C推荐物品A。

协同过滤采集的数据是用户对物品的行为记录，即用户反馈。用户反馈是用户对物品的行为，如显式的评分、隐式的点击次数等。基于用户反馈的信息进行协同过滤推荐，尽管数据采集容易，但用户反馈的信息存在噪音或偏差，这会影响到推荐的准确度。用户反馈存在噪音体现两方面：1)误导性行为，例如特别喜欢某个主角就对其主演的电影评分过高；2)异常性行为，例如对某个知识点的检索次数超高。直接使用用户反馈的信息进行协同过滤，一定程度上可能会影响到最终推荐结果。

针对现有技术中在基于用户的反馈行为进行内容推荐时由于用户的反馈行为存在一定误差导致推荐结果准确度较低的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种内容的推荐方法和装置，以至少解决现有技术中在基于用户的反馈行为进行内容推荐时由于用户的反馈行为存在一定误差导致推荐结果准确度较低的技术问题。

根据本申请实施例的一个方面，提供了一种内容的推荐方法，包括：获取对象的基础数据，其中，基础数据包括：对象标识、内容标识和对象对内容的反馈信息；通过修正反馈信息对基础数据进行更新，并基于更新后的基础数据构建原始矩阵和/或用于对原始矩阵进行分解的目标函数；基于目标函数对原始矩阵进行矩阵分解，得到第一子矩阵和第二子矩阵；根据第一子矩阵和第二子矩阵确定目标内容，其中，目标内容为待向对象推荐的内容。

进一步地，通过修正反馈信息对基础数据进行更新，并基于更新后的基础数据构建原始矩阵和/或用于对原始矩阵进行分解的目标函数，包括：提取反馈信息中的特征参数；使用特征参数替换基础数据中的反馈信息，以对反馈信息进行修正；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原始矩阵进行分解的目标函数。

进一步地，提取反馈信息中的特征参数，包括：提取内容的难度参数和对象的能力参数；根据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，概率密度函数用于表示对象掌握内容的概率；确定概率密度函数为特征参数。