[发明专利]一种人格特质引导的新用户行为反馈预测方法

权利要求书

1.一种人格特质引导的新用户行为反馈预测方法，其特征在于，包括以下步骤：

S1：对老用户的行为反馈离散后与一位有效编码进行串联，并存储于老用户人格特质矩阵中，所述行为反馈包括点击、购买、评分、顶、踩；

S2：将所述老用户人格特质矩阵与老用户行为反馈矩阵进行横向级联并使用人格特质编码方案得到已编码的人格特质；

S3：使用与当前用户人格相似度最高的前N个老用户之间的人格特质相似度从老用户人格特质分值中选出前N个相似的老邻居；

S4：根据横向级联所述老用户人格特质矩阵与已编码的人格特质得到N个老用户邻居的级联人格矩阵；

S5：以所述老用户行为反馈矩阵和N个老用户邻居的级联人格矩阵为基础，并行学习N个子模型中的人格-行为反馈矩阵；

设有N个人格邻居，按照人格邻居集成策略将所有邻居分成个N个子模型并行训练，定义第n个子模型的目标函数如下：

其中，代表优化矩阵得到的某个值，使整个表达式的值最小，为N个子模型的人格-行为反馈矩阵，为老用户行为反馈矩阵，为N个老用户邻居的级联人格矩阵，为范式符号，其中F表示范式，2代表范式的值，代表范式数值为1，o代表老用户，代表规范化系数；

求解所述目标函数可得到以下闭合形式的解：

其中，是单位矩阵，p是人格特质的维度，是实数域，设置，中的每个元素都等于1，T代表矩阵转置操作，是评分系数，是老用户的个数；

解析表达式求解如公式为

其中，为A矩阵的K秩矩阵，是的k秩矩阵，k表示秩的值；

S6：使用新用户人格特质分值和所述老用户人格特质分值得到当前新用户与所有老用户之间的人格相似度；

S7：将所述新用户人格特质分值转化为一位有效编码并存储在新用户人格特质矩阵中；

S8：根据所述当前新用户与所有老用户之间的人格相似度横向级联所述新用户人格特质矩阵与所述已编码的人格特质得到N个新用户邻居的级联人格矩阵；

S9：对每个新用户，使用所述当前新用户与所有老用户之间的人格相似度约束所述N个新用户邻居的级联人格矩阵和N个子模型的人格-行为反馈矩阵的乘积得到局部的新用户行为反馈；

S10：将局部的新用户行为反馈集成为全局，将预测结果存放在新用户行为反馈矩阵中。

2.根据权利要求1所述的人格特质引导的新用户行为反馈预测方法，其特征在于，

所述一位有效编码通过以下方法生成：

对每种人格特质的分数进行归一化并舍入到小数点后两位，使用分箱方法按照箱子的大小对每个人格特质的值确定在箱子中的位置，将所有位置离散化。

3.根据权利要求2所述的人格特质引导的新用户行为反馈预测方法，其特征在于，还包括对所述所有位置散化后的一位有效编码的0值进行填充，对所述0值进行填充的方法包括：

对人格特质与行为反馈被横向串联之后输入到一个编码器中进行联合编码，经过编码后的信息输入到解码器中，所述编码器和解码器设置为对称的结构，经过编码和解码，使人格特质与行为反馈充分融合。