br>[0232] 分别根据所述S个信息源对每个目标对象的权重，对所述S个用户组矩阵和所述S 个用户组信息矩阵中与该目标对象所对应的元素进行加权计算，并将所述加权计算的结果 作为该目标对象的综合参考信息，以使用户根据各个目标对象的综合参考信息选择对应的 目标对象。
[0233] 本发明实施例所提供的计算机系统，通过将各个信息源采集到各目标对象的评价 信息进行矩阵建模及矩阵运算处理，从而产生该各目标对象的综合参考信息，继而为用户 提供更可靠、更准确的参考，以使用户可根据目标对象对应的参考信息选择对应的目标对 象。
[0234] 本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通 过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程 序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟 或者光盘等各种可以存储程序代码的介质。
[0235] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制； 尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其 依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征 进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技 术方案的范围。
【主权项】
1. 一种评价信息处理方法，其特征在于，包括： 分别采集S个信息源中的评价信息，其中，每一条评价信息用于表示一个用户对一个 目标对象的评价；其中，S彡2; 根据每个信息源中的评价信息，分别为每个信息源生成一个信息矩阵；其中，每个信息 矩阵的行对应于评价信息所对应的用户，每个信息矩阵的列对应于评价信息所针对的目标 对象； 将所述S个信息源中每个信息源的信息矩阵分解为一个用户组矩阵和一个用户组信 息矩阵，以得到S个用户组矩阵和S个用户组信息矩阵；其中，每个信息源的信息矩阵分解 后得到的用户组矩阵和用户组信息矩阵分别为N行XC列的矩阵和C行XK列的矩阵，其 中，N为从该信息源中采集到的评价信息所对应的用户个数，K为从该信息源中采集到的评 价信息中，针对相同目标对象的评价信息的个数，C为预设正整数且C不大于所述S个信息 源中各个信息源的评价信息所对应的用户个数的最小值； 分别根据所述S个信息源对每个目标对象的权重，对所述S个用户组矩阵和所述S个 用户组信息矩阵中与该目标对象所对应的元素进行加权计算，并将所述加权计算的结果作 为该目标对象的综合参考信息，以使用户根据各个目标对象的综合参考信息选择对应的目 标对象。2. 根据权利要求1所述的方法，其特征在于，所述将所述S个信息源中每个信息源的信 息矩阵分解为一个用户组矩阵和一个用户组信息矩阵，以得到S个用户组矩阵和S个用户 组信息矩阵，包括： 将所述S个信息源中每个信息源的信息矩阵进行矩阵分解，得到至少一个矩阵组；其 中，每个矩阵组包括一个第一矩阵，以及与其对应的一个第二矩阵； 分别获取每个信息源的信息矩阵分解后所获得的每个第二矩阵与其他信息源的信息 矩阵分解所获得的各个第二矩阵的距离之和； 将所述距离之和最小的第二矩阵，确定为所述每个信息矩阵所对应的一个用户组信息 矩阵；将所述距离之和最小的第二矩阵所对应的第一矩阵，确定为所述一个用户组信息矩 阵所对应的用户组矩阵，从而得到所述S个用户组矩阵和所述S个用户组信息矩阵。3. 根据权利要求1或2所述的方法，其特征在于，在所述分别根据所述S个信息源对每 个目标对象的权重，对所述S个用户组矩阵和所述S个用户组信息矩阵中与该目标对象所 对应的元素进行加权计算之前,还包括： 分别获取所述S个信息源对每个目标对象的权重。4. 根据权利要求3所述的方法，其特征在于，所述分别获取所述S个信息源对每个目标 对象的权重，包括： 分别获取所述每个目标对象所对应的用户组信息矩阵中第一列向量与第二列向量的 相似度；其中，所述第一列向量为每个信息矩阵所对应的用户组信息矩阵的列向量；所述 第二列向量为其他信息矩阵所对应的用户组信息矩阵的列向量； 确定所述第一列向量与所述第二列向量的最大相似度，并将所述最大相似度确定为所 述S个信息源对所述每个目标对象的权重。5. 根据权利要求4所述的方法，其特征在于，还包括： 分别获取所述每个目标对象所对应的置信度向量与中位数向量之间的距离；所述每个 目标对象所对应的置信度向量为所述S个信息源对所述每个目标对象的置信度； 分别根据所述每个目标对象所对应的置信度向量与所述中位数向量之间的距离、及可 信阈值判断所述每个目标对象的综合参考信息是否可信。6. 根据权利要求5所述的方法，其特征在于，所述分别根据所述每个目标对象所对应 的置信度向量与所述中位数向量之间的距离、及可信阈值判断所述每个目标对象的综合参 考信息是否可信，包括： 若所述目标对象所对应的置信度向量与所述中位数向量之间的距离小于所述可信阈 值，则所述目标对象的综合参考信息可信； 若所述目标对象所对应的置信度向量与所述中位数向量之间的距离大于或等于所述 可信阈值，则所述目标对象的综合参考信息不可信。7. 根据权利要求5或6所述的方法，其特征在于，所述分别获取所述每个目标对象所对 应的置信度向量与中位数向量之间的距离之前，还包括： 根据置信度矩阵，确定所述每个目标对象所对应的置信度向量及所述中位数向量；所 述置信度矩阵包括所述S个信息源对所有目标对象的置信度。8. 根据权利要求7所述的方法，其特征在于，所述根据置信度矩阵，确定所述每个目标 对象所对应的置信度向量及所述中位数向量，包括： 将所述置信度矩阵的列，确定为所述每个目标对象所对应的置信度向量； 将所述置信度矩阵各行的中位数，确定为所述中位数向量。9. 根据权利要求7或8所述的方法，其特征在于，所述根据置信度矩阵，确定所述每个 目标对象所对应的置信度向量及所述中位数向量之前，还包括： 分别获取所述每个目标对象的第一列向量与第二列向量的距离之和，并将所述距离之 和确定为所述S个信息源对所述每个目标对象的置信度，生成所述S个信息源对所有目标 对象的置信度； 根据所述S个信息源对所有目标对象的置信度，生成所述置信度矩阵。10. -种评价信息处理装置，其特征在于，包括： 采集模块，用于分别采集S个信息源中的评价信息，其中，每一条评价信息用于表示一 个用户对一个目标对象的评价；其中，S> 2 ; 生成模块，用于根据每个信息源中的评价信息，分别为每个信息源生成一个信息矩阵； 其中，每个信息矩阵的行对应于评价信息所对应的用户，每个信息矩阵的列对应于评价信 息所针对的目标对象； 分解模块，用于将所述S个信息源中每个信息源的信息矩阵分解为一个用户组矩阵和 一个用户组信息矩阵，以得到S个用户组矩阵和S个用户组信息矩阵；其中，每个信息源的 信息矩阵分解后得到的用户组矩阵和用户组信息矩阵分别为N行XC列的矩阵和C行XK 列的矩阵，其中，N为从该信息源中采集到的评价信息所对应的用户个数；K为从该信息源 中采集到的评价信息中，针对相同目标对象的评价信息的个数，C为预设正整数且C不大于 所述S个信息源中各个信息源的评价信息所对应的用户个数的最小值； 计算模块，用于分别根据所述S个信息源对每个目标对象的权重，对所述S个用户组矩 阵和所述S个用户组信息矩阵中与该目标对象所对应的元素进行加权计算，并将所述加权 计算的结果作为该目标对象的综合参考信息，以使用户根据各个目标对象的综合参考信息 选择对应的目标对象。11. 根据权利要求10所述的装置，其特征在于， 所述分解模块，具体用于将所述S个信息源中每个信息源的信息矩阵进行矩阵分解， 得到至少一个矩阵组；其中，每个矩阵组包括一个第一矩阵，以及与其对应的一个第二矩 阵；分别获取每个信息源的信息矩阵分解后所获得的每个第二矩阵与其他信息源的信息矩 阵分解所获得的各个第二矩阵的距离之和；将所述距离之和最小的第二矩阵，确定为所述 每个信息矩阵所对应的一个用户组信息矩阵；将所述距离之和最小的第二所对应的第一矩 阵，确定为所述一个用户组信息矩阵所对应的用户组矩阵，从而得到所述S个用户组矩阵 和所述S个用户组信息矩阵。12. 根据权利要求10或11所述的装置，其特征在于，所述评价信息处理装置，还包括： 获取模块，用于在所述计算模块根据所述S个信息源对每个目标对象的权重，对所述 S个用户组矩阵和所述S个用户组信息矩阵中与该目标对象所对应的元素进行加权计算之 前，分别获取所述S个信息源对每个目标对象的权重。13. 根据权利要求12所述的装置，其特征在于， 所述获取模块，具体包括：相似度获取单元，用于分别获取所述每个目标对象所对应的 用户组信息矩阵中第一列向量与第二列向量的相似度；其中，所述第一列向量为每个信息 矩阵所对应的用户组信息矩阵的列向量；所述第二列向量为其他信息矩阵所对应的用户组 信息矩阵的列向量； 权重确定单元，用于确定所述第一列向量与所述第二列向量的最大相似度，并将所述 最大相似度确定为所述S个信息源对所述每个目标对象的权重。14. 根据权利要求13所述的装置，其特征在于， 所述获取模块，还用于分别获取所述每个目标对象所对应的置信度向量与中位数向量 之间的距离；所述每个目标对象所对应的置信度向量为所述S个信息源对所述每个目标对 象的置信度； 所述评价信息处理装置，还包括： 判断模块，用于分别根据所述每个目标对象所对应的置信度向量与所述中位数向量之 间的距离、及可信阈值判断所述每个目标对象的综合参考信息是否可信。15. 根据权利要求14所述的装置，其特征在于， 所述判断模块，具体用于：若所述目标对象所对应的置信度向量与所述中位数向量之 间的距离小于所述可信阈值，则所述目标对象的综合参考信息可信；若所述当前目标对象 所对应的置信度向量与所述中位数向量之间的距离大于或等于所述可信阈值，则所述目标 对象的综合参考信息不可信。16. 根据权利要求14或15所述的装置，其特征在于，还包括： 确定模块，用于在所述获取模块分别获取所述每个目标对象所对应的置信度向量与中 位数向量之间的距离之前，根据置信度矩阵，确定所述每个目标对象所对应的置信度向量 及所述中位数向量；所述置信度矩阵包括所述S个信息源对所有目标对象的置信度。17. 根据权利要求16所述的装置，其特征在于，所述确定模块，具体用于将所述置信度 矩阵的列，确定为所述每个目标对象所对应的置信度向量；将所述置信度矩阵各行的中位 数，确定为所述中位数向量。18.根据权利要求16或17所述的装置，其特征在于， 所述获取模块，还用于所述确定模块根据所述置信度矩阵，确定所述每个目标对象所 对应的置信度向量及所述中位数向量之前，分别获取所述每个目标对象的第一列向量与第 二列向量的距离之和； 所述确定模块，还用于将所述距离之和确定为所述S个信息源对所述每个目标对象的 置信度，生成所述S个信息源对所有目标对象的置信度； 所述生成模块，还用于根据所述S个信息源对所述所有目标对象的置信度，生成所述 置信度矩阵。
【专利摘要】本发明实施例提供一种评价信息处理方法及装置。本发明的评价信息处理方法包括：采集S个信息源的评价信息，S≥2；每个信息矩阵行对应评价信息的用户，列对应评价信息的目标对象；将每个信息矩阵分解为一个用户组矩阵和用户组信息矩阵，得到S个用户组矩阵和S个用户组信息矩阵；每个信息矩阵的用户组矩阵和用户组信息矩阵分别为N行×C列的矩阵和C行×K列的矩阵，N为用户个数，K为相同目标对象的评价信息个数，C为不大于用户个数的最小值的预设正整数；分别根据S个信息源对每个目标对象的权重，对S个用户组矩阵和S个用户组信息矩阵中元素进行计算，获得该目标对象的综合参考信息。本发明实施例提供更可靠、更准确的参考信息。
【IPC分类】G06F17/30
【公开号】CN104933082
【申请号】CN201410108939
【发明人】赫彩凤, 范伟, 何诚
【申请人】华为技术有限公司
【公开日】2015年9月23日
【申请日】2014年3月21日