评分方法、装置及电子设备与流程

本技术涉及机器学习领域，特别是指一种评分方法、装置及电子设备。

背景技术：

1、如果用户观看完相关的影视作品不打分，一段时间后平台会默认为用户打分。主要打分方案包括：1)用默认的系数，自动评分；2)基于朴素贝叶斯算法思想打分；3)按照投票的平均数计数进行打分；4)基于普朗克热力学定律的动态权重因子，充分考虑到时间因子对投票准确性的影响。无论采用上述何种打分方案，偏差均较大。

技术实现思路

1、本技术的目的是提供一种评分方法、装置及电子设备。解决了现有的打分方案偏差较大的问题。

2、为达到上述目的，本技术的实施例提供一种评分方法，所述方法包括：

3、获取用户观看目标视频时的脑波信息，所述脑波信息包括：未对所述目标视频评分的第一用户的脑波信息，以及多个对所述目标视频评分的第二用户的脑波信息；

4、根据所述脑波信息，从多个所述第二用户中确定所述第一用户的相似用户；

5、根据所述相似用户对所述目标视频的评分，预测所述第一用户对所述目标视频的评分。

6、可选的，所述获取用户观看目标视频时的脑波信息，包括：

7、通过脑波设备采集用户的脑波信息；所述脑波信息包括所述用户针对所述目标视频的每个时刻的n维度信息，每个维度对应一个情绪属性；n是大于1的正整数。

8、可选的，所述根据所述脑波信息，从所述第二用户中确定所述第一用户的相似用户，包括：

9、对所述脑波信息对应的矩阵进行降维处理，获得所述第一用户的脑波信息对应的第一矩阵和多个所述第二用户的脑波信息对应的第二矩阵；

10、根据所述第一矩阵和所述第二矩阵，计算所述第一用户与多个所述第二用户的相关系数矩阵，所述相关系数矩阵中的元素表示所述第一用户与第i个第二用户在第j个维度的相关性；i是大于0的整数，j是大于1的整数；

11、根据所述相关系数矩阵，计算所述第一用户与每个所述第二用户的距离；

12、根据所述距离，选择k个第二用户作为所述第一用户的相似用户。

13、可选的，所述对所述脑波信息对应的矩阵进行降维处理，包括：

14、从所述目标视频的第一帧图像开始计算图像相似度；

15、确定图像相似度的差异大于第一阈值的第一视频帧，并记录所述第一视频帧对应的第一时刻；

16、将所述第一视频帧对应的脑波信息与图像相似度的差异小于或等于第一阈值的部分第二视频帧对应的脑波信息求和，获得多个情绪变化周期对应的脑波信息；其中，参与求和计算的第一视频帧对应的第一时刻与所述部分第二视频帧对应的第二时刻作为一个情绪变化周期；

17、根据所述情绪变化周期对应的脑波信息，计算每个所述情绪变化周期对应的影响因子；

18、针对每个所述情绪变化周期，基于所述影响因子对所述脑波信息进行加权求和，获得每个所述情绪变化周期对应的更新的脑波信息；

19、根据所述更新的脑波信息生成更新的矩阵。

20、可选的，所述针对每个所述情绪变化周期，基于所述影响因子对所述脑波信息进行加权求和，获得每个所述情绪变化周期对应的更新的脑波信息，包括：

21、对于情绪变化周期t，基于所述影响因子对情绪变化周期t对应的脑波信息以及t之前的情绪变化周期对应的脑波信息进行加权求和，获得情绪变化周期t对应的更新的脑波信息。

22、可选的，所述根据所述相关系数矩阵，计算所述第一用户与每个所述第二用户的距离，包括：

23、计算所述第一用户与第i个第二用户在第j个维度的距离；

24、对所述第一用户与所述第i个第二用户在所有维度的距离求和，获得所述第一用户与所述第i个第二用户的距离。

25、可选的，所述计算所述第一用户与第i个第二用户在第j个维度的距离，包括：

26、通过以下公式计算所述第一用户与第i个第二用户在第j个维度的距离：

27、

28、其中，dij表示所述第一用户与所述第i个第二用户在第j个维度的距离，ρij表示所述第一用户与所述第i个第二用户在第j个维度的相关性系数。

29、可选的，所述方法还包括：

30、基于k最近邻算法，确定k的数值；

31、其中，当(m+1)p不为整数时，k＝int((m+1)p)；

32、当(m+1)p为整数时，k＝int((m+1)p)或k＝int((m+1)p)-1；

33、m表示所述第二用户的数量；p＝1/c，c为评分标签的种类。

34、可选的，所述根据所述相似用户对所述目标视频的评分，预测所述第一用户对所述目标视频的评分，包括：

35、根据所述相似用户对所述目标视频的评分，统计不同评分对应的概率，所述概率用于指示所述评分对应的人数占比；

36、确定所述评分对应的概率中的最高概率和次高概率之间是否存在统计学差异；

37、若存在统计学差异，则将最高概率对应的评分作为所述第一用户的评分推荐值；若不存在统计学差异，则合并所述最高概率和次高概率对应的评分，生成新的评分，基于所述新的评分预测所述第一用户对所述目标视频的评分。

38、可选的，所述基于所述新的评分预测所述第一用户对所述目标视频的评分，包括：

39、确定所述新的评分中的最高概率和次高概率之间是否存在统计学差异；

40、若存在统计学差异，则将所述新的评分中的最高概率对应的评分作为所述第一用户的评分推荐值。

41、为达到上述目的，本技术的实施例提供一种评分装置，包括：

42、第一获取模块，用于获取用户观看目标视频时的脑波信息，所述脑波信息包括：未对所述目标视频评分的第一用户的脑波信息，以及多个对所述目标视频评分的第二用户的脑波信息；

43、第一确定模块，用于根据所述脑波信息，从多个所述第二用户中确定所述第一用户的相似用户；

44、预测模块，用于根据所述相似用户对所述目标视频的评分，预测所述第一用户对所述目标视频的评分。

45、为达到上述目的，本技术的实施例提供一种电子设备，包括：收发机、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述的评分方法的步骤。

46、为达到上述目的，本技术的实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的评分方法的步骤

47、本技术的上述技术方案的有益效果如下：

48、本技术的实施例，针对未对目标视频评分的第一用户，可以获取该第一用户的脑波信息以及多个已评分的第二用户的脑波信息，根据获取的脑波信息从所述多个第二用户中确定所述第一用户的相似用户，根据该相似用户对所述目标视频的评分预测所述第一用户的评分。本技术利用了用户观看视频时的脑波数据进行分析处理，基于脑波数据进行预测打分，准确性更高；基于相似用户的评分数据预测未打分用户的评分，可以降低随机采样带来的误差，预测的评分精度更高。