[发明专利]一种数字信息推荐预测模型的训练方法和系统

权利要求书

1.一种数字信息推荐预测模型的训练方法，包括：

1)接收打分数据；

2)确定数字信息的不同类别，每个类别中包括多个项目，其中所述类别之间存在关联关系；

3)基于所述关联关系建立所述模型并训练获得所述模型，其中所述模型中包括一个或多个和集合相关的参数，其中所述集合为与一个类别的项目相关的另一个类别的项目的集合或者多个与一个类别的项目相关的另一个类别的项目的集合的并集。

2.根据权利要求1所述的方法，其特征在于，所述步骤3)中所述建立模型是基于隐参数模型建立。

3.根据权利要求2所述的方法，其特征在于，所述步骤3)中建立的所述模型为：

rui^=μ+bu+bi+qiT(pu+kkkΣj∈album(u)aj)]]>

其中所述μ是所有已知打分值的平均打分值，b_u是用户u所打的打分值相对于平均打分的偏差，b_i是关于项目i的打分值相对于平均打分的偏差，p_u是和用户u相关的特征向量，q_i是和项目i相关的特征向量，album(u)是与一个类别的项目相关的另一个类别的项目的集合或者多个与一个类别的项目相关的另一个类别的项目的集合的并集，a_j表示和集合album(u)相关的参数，kkk为album(u)的系数。

4.根据权利要求3所述的方法，其特征在于，所述kkk为(|album(u)|+1)^-1/2。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述模型还包括：与用户打过分的项目集合相关的参数。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述模型还包括：与用户已经实践的项目集合相关的参数。

7.根据权利要求1至4任一项所述的方法，其特征在于，所述模型还包括：打分时间段对用户偏差的影响参数。

8.根据权利要求1至4任一项所述的方法，其特征在于，所述模型还包括：打分时间段对用户的影响参数。

9.根据权利要求1至4任一项所述的方法，其特征在于，所述模型还包括：(r_uj-b_uj)的补偿参数，

其中r_uj表示已知的用户u对项目j打分的打分值，b_uj表示用户u对项目j打分的打分值相对于平均打分值的偏差。

10.根据权利要求9所述的方法，其特征在于，所述(r_uj-b_uj)的补偿参数的系数为(|(R^k(i；u)|+1)^-1/2，

其中R^k(i；u)＝R(u)∩S^k(i)，其中R(u)是用户打分值已知的项目集合，S^k(i)表示与项目i最相似的k个项目的集合。

11.根据权利要求1至4任一项所述的方法，其特征在于，所述模型还包括：隐式反馈。