用于确定针对实体的用户关联度量值的方法及装置与流程

本公开通常涉及计算机技术领域，更具体地，涉及用于确定针对实体的用户关联度量值的方法及装置。

背景技术：

随着现代科技的发展，各个领域的业务也越来越智能化。当人们利用互联网进行各种活动(例如购物、浏览资讯、听音乐等)时，不再是单纯地由用户寻找自己喜好的目标实体，人们进行各种活动的平台(例如应用软件、网站系统等)会根据大数据向各个用户推荐其可能喜好的目标实体。为了向用户推荐目标实体，需要预测用户与各个实体之间的关联程度，进而基于该关联程度进行推荐。基于该关联程度向用户推荐实体的系统通常称为推荐系统。

现有技术中的推荐系统通常采集中式(centralized)训练的方法来确定用户与实体之间的关联程度(例如用户对实体的评分)。进而推荐系统可以将评分最高的实体推荐给用户。图1是现有技术中的推荐系统100的示意图。如图1所示，在现有技术中，通常是首先构建该推荐系统100的服务器130，由服务器130获取各个用户110对各个实体的操作行为(如购买、点击、评分等为)数据120，然后利用这些行为数据的汇总数据140来训练评分模型150，进而利用评分模型150来构建推荐系统100。

在现有技术中的推荐系统中，数据都集中存储在服务器端，并在服务器对评分模型进行集中训练。

技术实现要素：

鉴于上述，本公开提供了一种用于确定针对实体的用户关联度量值的方法及装置。利用该方法及装置，能够协同各个用户来预测对应于用户的各个实体的用户关联度量值，从而不需要将用户数据上传至服务器，并且用户关联度量值在各个用户处确定，因而不仅能够避免泄漏用户隐私，还能够节约存储开销和运算开销。

根据本公开的一个方面，提供了一种用于确定针对实体的用户关联度量值的方法，包括：针对用户处存在的各个实体，基于该实体的第一实体特征变化值，更新该实体的实体特征向量，所述第一实体特征变化值是从所述用户的邻居用户接收的，所述邻居用户是从预先确定的包括所述用户的协同用户组中确定的；以及基于所述用户的用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对所述各个实体的用户关联度量值。

可选的，在一个示例中，所述方法还可以包括：在获取到所述用户针对所述各个实体的操作行为时，确定所述用户的用户偏好特征变化值和该实体的第二实体特征变化值；以及基于所述用户偏好特征变化值来更新所述用户的用户偏好特征向量。基于该实体的第一实体特征变化值来更新该实体的实体特征向量可以包括：基于该实体的第二实体特征变化值和/或该实体的第一实体特征变化值来更新该实体的实体特征向量。基于所述用户的用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对所述各个实体的用户关联度量值可以包括：基于更新后的用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对所述各个实体的用户关联度量值。

可选的，在一个示例中，所述方法还可以包括：将所述第二实体特征变化值和/或所述第一实体特征变化值发送给所述用户的至少一个邻居用户，所述第一实体特征变化值具有时间戳，所述时间戳指示所述第一实体特征变化值的发出时间。

可选的，在一个示例中，将所述第一实体特征变化值发送给所述用户的至少一个邻居用户可以是基于继续传递指示来进行的。

可选的，在一个示例中，所述继续传递指示可以是基于所述第一实体特征变化值的传递次数约束来确定的。

可选的，在一个示例中，确定所述用户的用户偏好特征变化值和所述各个实体的第二实体特征变化值可以包括：基于损失函数，确定所述用户的用户偏好特征变化值和所述各个实体的第二实体特征变化值。其中，所述损失函数是关于对应于所述用户的实体的用户关联度量值、所述用户偏好特征向量以及所述实体特征向量的函数，所述对应于所述用户的实体的用户关联度量值是基于用户针对实体的操作行为来确定的。

可选的，在一个示例中，所述协同用户组是基于各个用户之间的距离确定的。

可选的，在一个示例中，所述用户偏好特征向量和所述实体特征向量可以为哈希值向量。

可选的，在一个示例中，所述哈希值向量可以为二值向量。

可选的，在一个示例中，所述实体可以包括下述中的至少一种：物品；用户；和信息。

可选的，在一个示例中，所述方法还可以包括：基于所确定出的针对各个实体的用户关联度量值，向所述用户推荐目标实体。

根据本公开的另一方面，提供一种用于确定针对实体的用户关联度量值的装置，包括：更新单元，被配置为针对用户处存在的各个实体，基于该实体的第一实体特征变化值来更新该实体的实体特征向量，所述第一实体特征变化值是从所述用户的邻居用户接收的，所述邻居用户是从预先确定的包括所述用户的协同用户组中确定的；以及用户关联度量值确定单元，被配置为基于所述用户的用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对所述各个实体的用户关联度量值。

可选的，在一个示例中，所述装置还可以包括：特征变化值确定单元，被配置为在获取到所述用户针对所述各个实体的操作行为时，确定所述用户的用户偏好特征变化值和该实体的第二实体特征变化值。所述更新单元还可以被配置为：基于所述用户偏好特征变化值，更新所述用户的用户偏好特征向量；以及基于该实体的第二实体特征变化值和/或该实体的第一实体特征变化值来更新该实体的实体特征向量。所述用户关联度量值确定单元被配置为：基于更新后的用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对所述各个实体的用户关联度量值。

可选的，在一个示例中，所述装置还可以包括：特征变化值发送单元，被配置为将所述第二实体特征变化值和/或所述第一实体特征变化值发送给所述用户的至少一个邻居用户。

可选的，在一个示例中，所述特征变化值确定单元可以被配置为：基于损失函数，确定所述用户的用户偏好特征变化值和所述各个实体的第二实体特征变化值。其中，所述损失函数是关于对应于所述用户的实体的用户关联度量值、所述用户偏好特征向量以及所述实体特征向量的函数，所述对应于所述用户的实体的用户关联度量值是基于用户针对实体的操作行为来确定的。

可选的，在一个示例中，所述装置还可以包括：推荐单元，被配置为基于所确定出的针对各个实体的用户关联度量值，向所述用户推荐目标实体。

根据本公开的另一方面，提供一种计算设备，包括：至少一个处理器；以及存储器，所述存储器存储有指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的方法。

根据本公开的另一方面，提供一种非暂时性机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如上所述的方法。

利用本公开的方法及装置，通过利用从邻居用户接收的各个实体的实体特征变化值来更新各个实体的实体特征向量，能够协同各个用户来更新各个实体的实体特征向量，进而在确定对应于各个用户的各个实体的用户关联度量值时，不需要将用户数据上传至服务器，并且对应于用户的各个实体的用户关联度量值在各个用户处确定，因而不仅能够避免泄漏用户隐私，还能够节约数据存储开销和数据运算开销。

利用本公开的方法及装置，在获取到用户针对实体的操作行为时，确定用户偏好特征变化值和第二实体特征变化值，进而基于所述确定的用户偏好特征变化值和第二实体特征变化值来更新用户偏好特征向量和实体特征向量，从而能够利用已知的在用户处存在的实体的用户关联度量值来预测未知的实体的用户关联度量值。

利用本公开的方法及装置，通过将所确定的第二实体特征变化值和/或所接收到的第一实体特征变化值传递给邻居用户，能够进一步协同各个用户，以预测各个实体的用户关联度量值，进而实现去中心化的推荐系统。

利用本公开的方法及装置，通过基于继续传递指示将所接收到的第一实体特征变化值继续传递给邻居用户，能够控制实体特征变化值的传递范围，以使各个用户形成邻居用户组，实体特征变化值的传递在各个邻居用户组中传递，从而能够分组进行用户推荐，使用户推荐过程更加精细化。

利用本公开的方法及装置，通用使用哈希值向量来表示用户偏好特征向量和实体特征向量，使得在根据用户偏好特征向量和实体特征向量确定用户关联度量值时，不需要进行实数运算，从而降低了运算量，节约了运算资源。

利用本公开的方法及装置，通过将哈希向量配置为二值向量，不仅能够进一步将低运算量，而且还能进一步降低数据存储量，从而能够节约存储资源。

附图说明

通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一步理解。在附图中，类似组件或特征可以具有相同的附图标记。附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开的实施例，但并不构成对本公开的实施例的限制。在附图中：

图1是现有技术中的推荐系统的示意图；

图2是使用根据本公开的实施例的用于确定针对实体的用户关联度量值的方法及装置的推荐系统的一个示例的示意图；

图3是根据本公开的一个实施例的用于确定针对实体的用户关联度量值的方法的流程图；

图4是根据本公开的另一实施例的用于确定针对实体的用户关联度量值的方法的流程图；

图5是根据本公开的一个实施例的用于确定针对实体的用户关联度量值的方法中的传递过程的一个示例的示意图；

图6是根据本公开的一个实施例的用于确定针对实体的用户关联度量值的装置的结构框图；

图7是根据本公开的一个实施例的用于确定针对实体的用户关联度量值的装置的结构框图；

图8是根据本公开的一个实施例的用于实施用于确定针对实体的用户关联度量值的方法的计算设备的结构框图。

具体实施方式

以下将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。

如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。

现在结合附图来描述本公开的用于确定针对实体的用户关联度量值的方法及装置。

在说明本公开的用于确定针对实体的用户关联度量值的方法及装置(以下称为用户关联度量值确定方法及装置)之前，首先对本公开的用户关联度量值确定方法及装置所适用的推荐系统进行说明。

图2是使用根据本公开的实施例的用户关联度量值确定方法及装置的推荐系统的一个示例的示意图。如图2所示，推荐系统200不需要配置服务器，各个用户210的操作行为数据220存储在各个用户210处，而不需要向外发送，因而能够保护用户的隐私。评分模型230的训练也在各个用户210处基于各自的操作行为数据220来进行，因而能够将数据的存储和评分模型的训练分散到各个用户，从而能够降低数据存储开销和运算开销。

为了实现如图2所示的推荐系统，需要协同位于该推荐系统中的多个用户来确定某用户与各个实体之间的用户关联度量值。在本公开中，参与协同的多个用户称为协同用户组，在一个推荐系统中可以存在多个协同用户组。协同用户组可以基于各个用户之间的距离来确定。例如，可以采集用户终端设备的GPS信息，进而基于GPS信息来确定各个用户之间的距离。此外，也可以基于各个用户之间的相似度来确定协同用户组。

图3是根据本公开的一个实施例的用于确定针对实体的用户关联度量值的方法的流程图。

如图3所示，在块310，获取用户针对各个实体的操作行为。然后在块320，判断是否获取到了用户针对各个实体的操作行为。实体可以是物品、用户或信息等。物品例如可以是购物网站上的待售商品、音乐应用上的音乐等。用户例如可以是在推荐系统内的各个用户或社交应用中的用户等。信息例如可以是资讯网站上的各种新闻资讯。操作行为例如可以是点击、购买、收藏、删除、评分等操作。

当获取到用户针对各个实体的操作行为时，在块330，确定用户的用户偏好特征变化值和该实体的第二实体特征变化值。

用户偏好特征向量表示用户的偏好。以音乐为例，如果将音乐分为古典音乐、流行音乐、西方音乐、中国音乐等类别，用户偏好特征向量可以表示用户对上述各个类别的音乐的偏好程度。实体特征向量表示实体本身的属性。例如，以上述各个音乐类别为例，实体特征向量可以表示特定音乐属于上述各个音乐类别的可能性。

某一用户与某一实体之间的关联程度与该用户的用户偏好和该实体的实体属性有关。例如，如果某一用户对古典音乐的偏好度较高，同时某一音乐属于古典音乐的可能性较高，那么可以预测该用户与该音乐的关联程度是较高的。在本公开中，特定用户与各个实体之间的关联程度用各个实体的用户关联度量值来表示。实体的用户关联度量值例如可以是该用户对实体的评分。用户关联度量值可以根据用户的用户偏好特征向量和各个实体的实体特征向量来确定。在初始状态下，用户的用户偏好特征向量和各个实体的实体特征向量可以是随机初始化的，或者是历史数据中的用户偏好特征向量和实体特征向量。

用户针对实体进行的操作行为能够体现用户与该实体的关联程度。例如，如果用户购买或收藏了某一商品，则表示用户对该商品的偏好程度较高。如果用户屏蔽了某一资讯，则表示用户对该资讯的偏好程度非常低。因此，用户针对实体的操作行为能够反映对于该用户而言，该实体的用户关联度量值。

由于每种操作行为都能够表示用户与实体之间的关联程度，因而可以预先设置用户针对实体的各种操作行为所对应的用户关联度量值。例如，可以将用户对实体的购买行为对应的用户关联度量值设置为1，将用户对实体的收藏行为对应的用户关联度量值设置为0.8，将用户对实体的删除或屏蔽行为对应的用户关联度量值设置为0。各种操作行为对应的用户关联度量值可以是根据经验人工总结的，也可以根据历史行为数据采用机器学习的方法预测得出。

当获取到用户针对至少一个实体的操作行为时，对于该用户，该实体的用户关联度量值是已知的。此时，可以根据已知的用户关联度量值来确定相对于已有的用户偏好特征向量(随机初始化的或历史的用户偏好特征向量)的用户偏好特征变化值，和相对于已有的实体特征向量的第二实体特征变化值。

在一个示例中，可以基于损失函数来确定用户的用户偏好特征变化值和各个实体的第二实体特征变化值。损失函数是关于对应于用户的实体的关联度量值、用户偏好特征向量以及实体特征向量的函数。在一个示例中，用户偏好特征向量以及实体特征向量可以是哈希值向量。哈希值向量可以是二值向量，例如0-1值向量、-1-1值向量等。损失函数例如可以如下述数学式一所示。

数学式一：

其中，Ui表示用户i的用户偏好特征向量，Vj表示用户i处存在的实体j的实体特征向量，K表示向量的维度，Rij表示对应于用户i的实体j的用户关联度量值。在数学式一中，第一项约束了用户关联度量值与偏好特征向量的关系，即用户关联度量值越高，用户偏好特征向量和实体特征向量应该越相似。第二项控制了用户偏好特征向量以及实体特征向量中的哈希编码的均匀程度，即编码的两个值(例如-1和1)的比例应该尽可能的相同。参数λ控制了该约束程度，λ越大，该约束越强。

在生成用二值哈希值向量表示的用户偏好特征向量和实体特征向量的过程中，可以首先将偏好特征向量放松至实数域，例如-1-1之间的实数域。在求得偏好特征向量后，可基于预定阈值来将偏好特征向量中的实数转换为哈希值，例如，可以将大于0的实数值编码为1，不超过0的实数值编码为-1，从而得到用二值哈希值向量表示的用户偏好特征向量和实体特征向量。哈希值向量中的哈希值还可以用其它哈希编码算法确定，以上仅仅是哈希编码的一个示例。

在该示例中，用户偏好特征变化值可以通过使损失函数L对用户偏好特征向量求偏导来确定，第二实体特征变化值可以通过使损失函数L对实体特征向量求偏导来确定。

在确定出了用户偏好特征变化值和第二实体特征变化值之后，在块340，基于用户偏好特征变化值来更新用户的用户偏好特征向量。例如，可以通过下述数学式二来更新用户偏好特征向量。

数学式二：

其中，α为学习率。

此外，还可以在块380，基于所确定出的第二实体特征偏好变化值来更新相应实体的实体特征向量。例如，可以通过下述数学式三来更新实体特征向量。

数学式三：

其中，α为学习率。数学式二和数学式三中的学习率可以取相同的值，也可以取不同的值。

在块330确定出的第二实体特征变化值可以在块350被传递给用户的至少一个邻居用户，以用于更新邻居用户处存在的相应实体的实体特征向量。邻居用户是从包括该用户的协同用户组中确定的。

用于更新该用户处存在的相应实体的实体特征向量的实体特征变化值也可以是从用户的邻居用户处获取的。如图3所示，在块360，针对至少一个实体中的各个实体，从用户的邻居用户获取该实体的第一实体特征变化值，然后在块370，判断是否已获取到了第一实体特征偏好特征变化值。第一实体特征偏好特征变化值可以是邻居用户根据如上所述的确定过程来确定的。

当获取到了第一实体特征变化值时，在块380，可以基于所获取的第一实体特征变化值来更新相应实体的实体特征向量。此外，还可以在块350，将所获取的第一实体特征变化值继续传递给用户的至少一个邻居用户，以用于更新邻居用户处存在的相应实体的实体特征向量。

对于用户处存在的各个实体，如果用户对该实体进行了操作行为并且从邻居用户接收到了第一实体特征变化值，则可以在块380，基于接收到的第一实体特征变化值和确定出的第二实体特征变化值，更新该实体的实体特征向量。

在更新过程之后，在块390，基于更新后的用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对各个实体的用户关联度量值。用户关联度量值例如可以通过下述数学式四来确定。

数学式四：

Rij＝Ui×Vj

采用哈希值向量来表示用户偏好特征向量以及实体特征向量时，可以通过哈希值之间的异或运算来确定用户关联度量值，因而能够使得在确定用户关联度量值时，不需要进行实数运算。以二值哈希值向量为例，如果偏好特征向量的维度K为3，假设某用户的用户偏好特征向量为[-1,1,1]，实体A的实体特征向量为[-1,1,1]，实体B的实体特征向量为[-1,-1,1]，实体C的实体特征向量为[1,1,-1]。实体A的偏好特征向量与用户的偏好特征向量最相似，因而在进行推荐时，可以将与该用户最相似的物品(即A)推荐给该用户。因而，使用哈希值向量时，不需要进行实数向量运算，也可以不进行排序，而是只需要通过查找哈希表以确定最相似的实体。

此外，采用二值哈希值向量来表示用户偏好特征向量以及实体特征向量时，还能够节省存储空间。

在实践中，实体的数量通常非常庞大，用户不可能对每个实体都进行操作。因而对于用户没有操作过的实体，其用户关联度量值是未知的，或只能基于未更新的实体特征向量来确定。通过上述传递过程，对于该用户没有操作过的实体，可以基于从邻居用户传递来的第一实体特征变化值来更新其实体特征向量。基于该用户的操作行为所确定出的实体的第一实体特征变化值和/或所接收到的第二实体特征变化值也可以传递给邻居用户，以用于更新邻居用户处的相应实体的实体特征向量。

由此，能够协同多个用户来更新各个用户处存在的各个实体的实体特征向量，以达到准确地确定对应于每个用户的各个实体的用户关联度量值的目的。

图4是根据本公开的另一实施例的用于确定针对实体的用户关联度量值的方法的流程图。

如图4所示，在块410，针用户处存在的各个实体，基于该实体的第一实体特征变化值来更新该实体的实体特征向量，第一实体特征变化值是从用户的邻居用户接收的。该第一实体特征变化值可以是在邻居用户处根据如上所述的确定第二实体特征变化值的过程确定的。

在接收到第一实体特征变化值时，在块420，基于用户的用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对各个实体的用户关联度量值。

通过本实施例，即使用户没有针对某实体进行操作行为，也可以基于从邻居用户传递来的第一实体特征偏好变化值来更新相应实体的实体特征向量，进而确定该实体的用户关联度量值。

在一个示例中，邻居用户可以基于各个用户的地理位置信息(例如GPS位置信息)而从包括该用户的协同用户组中确定。各个用户的用户设备可以获取其它用户的用户设备发出的GPS信息，进而可以将在相应协同用户组中位于该用户的预定距离范围内的用户确定为邻居用户。通过基于距离范围来确定邻居用户，能够在不获取其它用户的信息前替下建立邻居用户组，进而协同该邻居用户组来实现用户关联度量值的确定。

此外，在另一示例中，可以将用户作为实体，基于所确定出的针对至少一个实体中的各个实体的用户关联度量值，向用户推荐目标实体以作为该用户的邻居用户。例如，可以将用户关联程度较高的目标用户推荐给该用户。通过基于用户关联度量值推荐目标用户以作为邻居用户，能够将关联程度高(例如相似度高)的用户作为同一邻居用户组，以更新各个实体的实体特征向量。

在确定了邻居用户之后，可以在用户和邻居用户间执行实体特征变化值的传递过程。

图5是根据本公开的一个实施例的用户关联度量值确定方法中的传递过程的一个示例的示意图。

如图5所示，实体特征变化值可以进行多度传递，图5中实线箭头示出了一度传递过程，虚线箭头示出了二度传递过程。多度传递是指用户将其确定的实体特征变化值传递给其邻居用户后，邻居用户继续将所接收的实体特征变化值传递给其邻居用户。在图5中，用户i0向用户i1、i2、i3的传递过程为一度传递，用户i1继续向用户i4的传递过程为二度传递。

多度传递可以基于继续传递指示来实现。继续传递指示可以是从邻居用户接收到的，还可以是基于被传递的实体特征变化值的传递次数约束来确定的。例如，用户i0将其确定出的实体特征变化值传递给用户i1时，可以向用户i1传递继续传递指示。如果用户i1在接收到从用户i0传递来的实体特征变化值时，还接收到了继续传递指示，则用户i1会继续将所接收到的实体特征变化值传递给其邻居用户i4。如果用户i0所发出的继续传递指示大于二度传递，用户i1还可以继续向用户i4传递继续传递指示。用户i4在接收到从用户i1传递来的继续传递指示和实体特征变化值时，可以继续执行传递过程。

用户i0在将其确定的实体特征变化值传递给邻居用户时，还可以向邻居用户传递实体特征变化值的传递次数指示，该传递次数指示用于约束用户i0所确定的实体特征变化值的传递度数(即传递范围)。例如，当用户i0的邻居用户i2或i3接收到传递次数指示时，可以基于传递次数指示确定是否向i2或i3的邻居用户传递继续传递指示。

在进行多度传递时，被多度传递的实体特征变化值可以被赋予时间戳。该时间戳标识实体特征变化值被发出的时间。由此，当协同用户组中存在多个用户共有的邻居用户时，能够基于时间戳确定所接收的实体特征变化值是否是之前已接收到的，并可以基于时间戳确定所接收到的实体特征变化值是否有效。

例如，当某用户接收到第一实体特征变化值时，如果基于时间戳确定出本次接收的第一实体特征变化值是在上次接收的第一特征变化值之前发出的，则丢弃本次接收的第一特征变化值。如果本次所接收的第一实体特征变化值的时间戳比上次接收的第一特征变化值的时间戳晚，则利用本次接收的第一实体特征变化值来更新该用户处的相应实体特征向量。

在一个示例中，被传递的实体特征变化值还可以具有用户标识，该用户标识用于标识该实体特征变化值的发出用户。由此，可以基于用户标识和时间戳来判断所接收的第一实体特征变化值是否是重复接收的。

通过继续传递指示，能够实现预定规模的邻居用户组，进而协同该邻居用户组内的各个用户来更新实体特征向量。由此，能够使得实体特征向量的更新过程只在相关用户之间进行，进而使所确定的用户关联度量值更加精细化。

此外，需要说明的是，在本公开的实施例中，可以每更新一次用户偏好特征向量或实体特征向量时，基于更新后的用户偏好特征向量和实体特征向量来确定用户关联度量值。在另一示例中，可以在对用户偏好特征向量或实体特征向量更新预定次数时，基于更新后的用户偏好特征向量和实体特征向量来确定用户关联度量值。例如，对于图4所示的示例，并不是每执行一次块410之后都立即执行块420的操作。

图6是根据本公开的一个实施例的用户关联度量值确定装置600的结构框图。如图6所示，用户关联度量值确定装置600包括更新单元610和用户关联度量值确定单元620。

更新单元610被配置为针对用户处存在的各个实体，基于该实体的第一实体特征变化值来更新该实体的实体特征向量，第一实体特征变化值是从用户的邻居用户接收的。邻居用户是从预先确定的包括该用户的协同用户组中确定的。用户关联度量值确定单元620被配置为基于用户的用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对各个实体的用户关联度量值。

图7是根据本公开的一个实施例的用户关联度量值确定装置700的结构框图。如图7所示，用户关联度量值确定装置700包括特征变化值确定单元710、更新单元720、用户关联度量值确定单元730、特征变化值发送单元740和推荐单元750。

特征变化值确定单元710被配置为在获取到用户针对各个实体的操作行为时，确定用户的用户偏好特征变化值和该实体的第二实体特征变化值。在一个示例中，特征变化值确定单元710可以被配置为基于损失函数，确定用户的用户偏好特征变化值和各个实体的第二实体特征变化值。其中，损失函数是关于对应于用户的实体的用户关联度量值、用户偏好特征向量以及实体特征向量的函数，对应于用户的实体的用户关联度量值是基于用户针对实体的操作行为来确定的。

然后，更新单元720可以基于用户偏好特征变化值来更新用户的用户偏好特征向量。更新单元720还可以被配置为基于该实体的第二实体特征变化值和/或该实体的第一实体特征变化值，更新该实体的实体特征向量。

在更新了实体特征向量和用户偏好特征向量之后，用户关联度量值确定单元730可以基于更新后的用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对各个实体的用户关联度量值。

在特征变化值确定单元710确定出各个实体的第二实体特征变化值之后，特征变化值发送单元740可以将所确定出的各个实体的第二实体特征变化值发送给用户的至少一个邻居用户。此外，特征变化值发送单元740还可以被配置为将从用户的邻居用户获取的各个实体的第一实体特征变化值发送给用户的至少一个邻居用户。

用户的邻居用户可以基于各个用户的位置信息还确定，还可以由推荐单元750基于所确定出的针对各个实体的用户关联度量值，向用户推荐目标实体。在该示例中，邻居用户被作为实体而基于用户关联度量值被推荐给该用户。

如上参照图1-7，对本公开的用户关联度量值确定方法及装置的实施例进行了描述。应当理解的是，以上对于方法实施例的细节描述同样适用于装置实施例。以上的用户关联度量值确定装置可以采用硬件实现，也可以采用软件或者硬件和软件的组合来实现。

图8是根据本公开的一个实施例的用于实施用于确定针对实体的用户关联度量值的方法的计算设备800的结构框图。

如图8所示，计算设备800可以包括至少一个处理器810、存储器820、内存830、通信接口840以及内部总线850，该至少一个处理器810执行在计算机可读存储介质(即，存储器820)中存储或编码的至少一个计算机可读指令(即，上述以软件形式实现的元素)。

在一个实施例中，在存储器820中存储有计算机可执行指令，其当执行时使得至少一个处理器810：针对的用户处存在的各个实体，基于该实体的第一实体特征变化值来更新该实体的实体特征向量，第一实体特征变化值是从所述用户的邻居用户接收的；以及基于用户偏好特征向量和更新后的各个实体的实体特征向量，确定针对各个实体的用户关联度量值。

应该理解的是，在存储器820中存储的计算机可执行指令当执行时使得至少一个处理器810进行本公开的各个实施例中以上结合图1-7描述的各种操作和功能。

在本公开中，计算设备800可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。

根据一个实施例，提供了一种例如非暂时性机器可读介质的程序产品。非暂时性机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本公开的各个实施例中以上结合图1-7描述的各种操作和功能。

具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。

在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。

可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上或云上下载程序代码。

以上结合附图阐述的具体实施方式描述了示例性实施例，但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”，并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况下实施这些技术。在一些实例中，为了避免对所描述的实施例的概念造成难以理解，公知的结构和装置以框图形式示出。

以上结合附图详细描述了本公开的实施例的可选实施方式，但是，本公开的实施例并不限于上述实施方式中的具体细节，在本公开的实施例的技术构思范围内，可以对本公开的实施例的技术方案进行多种简单变型，这些简单变型均属于本公开的实施例的保护范围。

本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。