[发明专利]一种用户项目推荐方法

权利要求书

1.一种用户项目推荐方法，其步骤包括：

1)从训练数据集中选取一已观测用户/项目对(u,p)并将其输入到推荐系统模型M，得到用户u与项目p的相似性分数s(u,p)；其中，所述训练数据集包括用户u的多个已观测用户/项目对以及用户u的多个未观测用户/项目对；

2)从训练数据集中选取一未观测用户/项目对(u,n)并将其输入到所述推荐系统模型M，得到用户u与项目n的相似性分数s(u,n)；

3)利用损失函数计算得到损失值然后根据所得损失值采用反向传播算法对所述推荐系统模型M进行优化；其中，b_u为用户u对应的辅助分数，为已观测用户/项目对集合，φ()为成对损失函数，α为超参数；

4)对于一预测项目x，则其输入到训练好的所述推荐系统模型M中，得到该用户u与该待预测项目x的相似性分数s(u,x)；如果相似性分数s(u,x)大于b_u，则将该待预测项目x推荐给该用户u。

2.根据权利要求1所述的方法，其特征在于，b_u为可学习向量，通过训练优化所述推荐系统模型M确定b_u的最终取值。

3.根据权利要求1或2所述的方法，其特征在于，其中，P_u是用户u的嵌入向量；W为线性转换矩阵，用于从用户嵌入向量P_u中抽取出辅助得分b_u的函数。

4.根据权利要求3所述的方法，其特征在于，将所述线性转换矩阵W随机初始化并通过后传算法自动学习得到最终所需的线性转换矩阵W。

5.根据权利要求1所述的方法，其特征在于，所述推荐系统模型M首先抽取已观测用户/项目对(u,p)对应的嵌入向量对(P_u,Q_p)，并将P_u与Q_p相乘，得到用户u与项目p的相似性分数s(u,p)；其中，P_u是用户u的嵌入向量，Q_p是项目p的嵌入向量。

6.根据权利要求1所述的方法，其特征在于，所述推荐系统模型M首先抽取未观测用户/项目对(u,n)对应的嵌入向量对(P_u,Q_n)，并将P_u与Q_n相乘，得到用户u与项目n的相似性分数s(u,n)；其中，P_u是用户u的嵌入向量，Q_n是项目n的嵌入向量。

7.根据权利要求1所述的方法，其特征在于，所述成对损失函数φ为MarginLoss或LnSigmoid。

8.一种服务器，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1至7任一所述方法中各步骤的指令。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一所述方法的步骤。