信息推荐方法及装置与流程

技术特征：

1.一种信息推荐方法，其特征在于，包括：

获取第一领域的第一矩阵，所述第一矩阵用于表征各个用户对在所述第一领域所使用的第一类项目的第一评分；

获取至少一个第二领域的第二矩阵，所述第二矩阵用于表征所述各个用户对在所述第二领域所使用的第二类项目的第二评分；

将所述第二评分归一化，得到所述各个用户对在所述第二领域所使用的第二类项目的第三评分；

基于所述各个用户对在所述第二领域所使用的第二类项目的第三评分对所述第一矩阵进行扩展，得到第三矩阵，所述第三矩阵用于表征各个用户对在所述第一领域所使用的第一类项目的第一评分，以及各个用户对在所述第二领域所使用的第二类项目的第三评分；

基于所述第三矩阵构建信息推荐模型，所述信息推荐模型用于在所述第一领域向用户推荐项目。

2.根据权利要求1所述的方法，其特征在于，所述将所述第二评分归一化，得到所述各个用户对在所述第二领域所使用的第二类项目的第三评分，包括：

基于所述第二领域的第二评分对所述第二领域的各个第二评分进行归一化。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第二领域的第二评分对所述第二领域的第二评分进行归一化，包括：

对于每一个用户，基于该用户在所述第二领域中的所有评分，对该用户的各个第二评分进行归一化。

4.根据权利要求3所述的方法，其特征在于，基于第一公式将所述第二评分归一化，所述第一公式为：

${\mathrm{\θ}}_j(u,i)=\frac{a_j|r_j(u,i)-{\mathrm{Min}}_j\left(u\right)|}{\left({\mathrm{Max}}_j\right(u)-{\mathrm{Min}}_j(u)+1)S_j\left(u\right)}$

其中，j表示第j个第二领域；θ_j(u,i)表示用户u在第j个第二领域对项目i的第三评分；a_j为与第j个第二领域对应的惩罚系数；r_j(u,i)表示用户u在第j个第二领域对第i个项目的第二评分；Min_j(u)表示用户u在第j个第二领域中的最低评分；Max_j(u)表示用户u在第j个第二领域中的最高评分；S_j(u)表示用户u在第j个第二领域评分的项目总数。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第三矩阵构建推荐模型包括：

基于所述第三矩阵构建因式分解机推荐模型。

6.一种信息推荐装置，其特征在于，包括：

第一获取模块，用于获取第一领域的第一矩阵，所述第一矩阵用于表征各个用户对在所述第一领域所使用的第一类项目的第一评分；

第二获取模块，用于获取至少一个第二领域的第二矩阵，所述第二矩阵用于表征所述各个用户对在所述第二领域所使用的第二类项目的第二评分；

归一化模块，用于将所述第二评分归一化，得到所述各个用户对在所述第二领域所使用的第二类项目的第三评分；

扩展模块，用于基于所述各个用户对在所述第二领域所使用的第二类项目的第三评分对所述第一矩阵进行扩展，得到第三矩阵，所述第三矩阵用于表征各个用户对在所述第一领域所使用的第一类项目的第一评分，以及各个用户对在所述第二领域所使用的第二类项目的第三评分；

构建模块，用于基于所述第三矩阵构建信息推荐模型，所述信息推荐模型用于在所述第一领域向用户推荐项目。

7.根据权利要求6所述的装置，其特征在于，所述归一化模块包括：

归一化单元，用于基于所述第二领域的第二评分对所述第二领域的各个第二评分进行归一化。

8.根据权利要求7所述的装置，其特征在于，所述归一化单元用于：对于每一个用户，基于该用户在所述第二领域的所有评分，对该用户的各个第二评分进行归一化。

9.根据权利要求8所述的装置，其特征在于，所述归一化单元具体用于，基于第一公式将所述第二评分归一化，所述第一公式为：

${\mathrm{\θ}}_j(u,i)=\frac{a_j|r_j(u,i)-{\mathrm{Min}}_j\left(u\right)|}{\left({\mathrm{Max}}_j\right(u)-{\mathrm{Min}}_j(u)+1)S_j\left(u\right)}$

其中，j表示第j个第二领域；θ_j(u,i)表示用户u在第j个第二领域对项目i的第三评分；a_j为与第j个第二领域对应的惩罚系数；r_j(u,i)表示用户u在第j个第二领域对第i个项目的第二评分；Min_j(u)表示用户u在第j个第二领域中的最低评分；Max_j(u)表示用户u在第j个第二领域中的最高评分；S_j(u)表示用户u在第j个第二领域评分的项目总数。

10.根据权利要求6所述的装置，其特征在于，所述构建模块具体用于，基于所述第三矩阵构建因式分解机推荐模型。