用于推薦系統(tǒng)的基于強(qiáng)度的建模的制作方法
【專利說明】用于推薦系統(tǒng)的基于強(qiáng)度的建模
[0001 ] 背景
[0002]常規(guī)推薦系統(tǒng)基于用戶興趣、偏好、歷史和其他因素作出關(guān)于用戶(例如，購物者)與項(xiàng)目(例如，書籍、視頻、游戲)之間的匹配的推薦。例如，如果用戶先前獲取了(例如，購買、租賃、借閱)項(xiàng)目集合，則推薦系統(tǒng)可以基于用戶自己的動(dòng)作標(biāo)識(shí)類似項(xiàng)目并且將它們推薦給用戶。常規(guī)推薦系統(tǒng)還可確定用戶之間的相似性并且基于那些相似性來作出附加推薦。例如，如果某一人口統(tǒng)計(jì)內(nèi)且具有相似獲取歷史和偏好的用戶獲取了項(xiàng)目集合，則推薦系統(tǒng)可以基于其他用戶的動(dòng)作來標(biāo)識(shí)項(xiàng)目并且將它們推薦給用戶。
[0003]常規(guī)推薦系統(tǒng)可以對(duì)用戶信號(hào)建模。用戶信號(hào)可以是顯式的或隱式的。顯式信號(hào)可包括用戶給予產(chǎn)品的評(píng)級(jí)。例如，讀者可以對(duì)第一作者寫的第一本書給予五星評(píng)級(jí)，并且可以對(duì)第二作者寫的第二本書給予一星評(píng)級(jí)。另外，讀者可以“喜歡”社交媒體站點(diǎn)上的第一本書并且“不喜歡”該社交媒體站點(diǎn)上的第二本書。常規(guī)推薦系統(tǒng)可以對(duì)這些顯式信號(hào)建模以確定要推薦以及要避免哪些書籍和作者。隱式信號(hào)可包括例如，觀察到的用戶行為、獲取歷史、瀏覽歷史、搜索模式、一個(gè)項(xiàng)目(例如，視頻游戲)被播放的時(shí)間量、一個(gè)項(xiàng)目被查看的次數(shù)、一個(gè)視頻被觀看的百分比、或其他因素。推薦系統(tǒng)還可對(duì)這些隱式信號(hào)建模以確定要推薦哪些其他項(xiàng)目。
[0004]常規(guī)推薦系統(tǒng)通過對(duì)其中存儲(chǔ)關(guān)于可用信號(hào)的數(shù)據(jù)的單個(gè)大型矩陣執(zhí)行矩陣因式分解來對(duì)用戶信號(hào)建模。然而，當(dāng)矩陣具有N個(gè)因子的行和列時(shí)，N為整數(shù)，則數(shù)據(jù)可能僅可用于這些因子中的M個(gè)因子，M為小于N的整數(shù)。矩陣因式分解因此可在可用數(shù)據(jù)上使用以標(biāo)識(shí)丟失數(shù)據(jù)。一旦矩陣因式分解產(chǎn)生了丟失信號(hào)的數(shù)據(jù)，則業(yè)務(wù)邏輯可以處理實(shí)際信號(hào)和預(yù)測信號(hào)以作出推薦。常規(guī)推薦系統(tǒng)可以因變于從用戶信號(hào)中推斷的因子向量來表征項(xiàng)目和用戶。項(xiàng)目和因子之間的高對(duì)應(yīng)性可導(dǎo)致推薦。矩陣因式分解模型可以將用戶和項(xiàng)目兩者映射到聯(lián)合因子空間并且將用戶一項(xiàng)目交互建模為該聯(lián)合因子空間中的內(nèi)積。項(xiàng)目可以與項(xiàng)目向量相關(guān)聯(lián)，該項(xiàng)目向量的元素測量該項(xiàng)目擁有一些因子的程度。類似地，用戶可以與用戶向量相關(guān)聯(lián)，該用戶向量的元素測量用戶對(duì)在對(duì)應(yīng)因子中為高的項(xiàng)目所擁有的興趣程度。這些向量的點(diǎn)積可以描述用戶與項(xiàng)目之間的交互，并且可以被業(yè)務(wù)邏輯用來確定是否要作出推薦。
[0005]不幸的是，常規(guī)推薦系統(tǒng)面臨若干挑戰(zhàn)。例如，可能難以確定項(xiàng)目因子和用戶因子的映射。即便映射被確定，只要新信號(hào)被添加或移除，該映射、模型和業(yè)務(wù)邏輯就可能需要被改變以計(jì)及所添加或移除的信號(hào)。另外，隨著信號(hào)數(shù)量增長，模型和業(yè)務(wù)邏輯兩者均可能變得令人無法接受地復(fù)雜或麻煩。當(dāng)業(yè)務(wù)邏輯變得無法接受地復(fù)雜或麻煩時(shí)，即便可能但也可能是難以驗(yàn)證該業(yè)務(wù)邏輯正在產(chǎn)生有效或有用的推薦。業(yè)務(wù)邏輯可能至少部分地由于它輸入由矩陣因式分解所預(yù)測的信號(hào)而非依賴于實(shí)際用戶信號(hào)的事實(shí)而變得無法驗(yàn)證。
[0006]概述
[0007]提供本概述是為了以簡化的形式介紹將在以下詳細(xì)描述中進(jìn)一步描述的一些概念。本概述并不旨在標(biāo)識(shí)所要求保護(hù)主題的關(guān)鍵特征或必要特征，也不旨在用于限制所要求保護(hù)主題的范圍。
[0008]示例裝置和方法使用兩個(gè)松散耦合組件來產(chǎn)生關(guān)于項(xiàng)目(例如，電影、游戲、書籍、衣物)的推薦。數(shù)據(jù)存儲(chǔ)可以存儲(chǔ)所獲取的關(guān)于用戶與項(xiàng)目的交互的信號(hào)。用戶是否喜歡該項(xiàng)目的指示可以從信號(hào)中計(jì)算。該指示是信號(hào)無關(guān)的，并且該指示因變于特定于該用戶或項(xiàng)目的親和性假設(shè)來計(jì)算。還計(jì)算該指示的置信水平。置信水平是信號(hào)無關(guān)的，并且因變于特定于該用戶或項(xiàng)目的強(qiáng)度假設(shè)來計(jì)算。該指示和置信水平被存儲(chǔ)在基于強(qiáng)度的模型中。基于強(qiáng)度的模型提供數(shù)據(jù)(例如，指示符和置信水平的集合)，從該數(shù)據(jù)中可以計(jì)算用戶與項(xiàng)目之間的預(yù)測關(guān)系。包括關(guān)于要獲取的項(xiàng)目的推薦的電子數(shù)據(jù)可以至少部分地基于該預(yù)測關(guān)系來產(chǎn)生。
[0009]在一個(gè)示例中，向候選用戶生成關(guān)于候選項(xiàng)目的推薦。產(chǎn)生推薦包括產(chǎn)生描述第一用戶與第一項(xiàng)目之間的關(guān)系的第一電子數(shù)據(jù)點(diǎn)。關(guān)系按標(biāo)識(shí)第一用戶是否喜歡第一項(xiàng)目的親和性值以及與該親和性值相關(guān)聯(lián)的置信水平來定義。親和性值和置信水平因變于觀察到的關(guān)于第一用戶與第一項(xiàng)目之間的交互的數(shù)據(jù)來計(jì)算。產(chǎn)生推薦還包括將第一電子數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)結(jié)構(gòu)(例如，矩陣)中，該數(shù)據(jù)結(jié)構(gòu)根據(jù)基于強(qiáng)度的模型來存儲(chǔ)用戶與項(xiàng)目之間的關(guān)系。產(chǎn)生推薦還包括因變于存儲(chǔ)在數(shù)據(jù)結(jié)構(gòu)中的數(shù)據(jù)來產(chǎn)生推薦。該推薦取決于候選用戶對(duì)候選項(xiàng)目的預(yù)測親和性值。
[0010]附圖簡述
[0011]附圖示出本文所述的各種示例裝置、方法和其他實(shí)施例。將理解到附圖中所示的元素邊界(如框、框組、或其他形狀)表示邊界的一個(gè)示例。在某些示例中，一個(gè)元素可被設(shè)計(jì)成多個(gè)元素，或者多個(gè)元素可被設(shè)計(jì)成一個(gè)元素。在某些示例中，示為另一元素的內(nèi)部組件的某一元素可被實(shí)現(xiàn)為外部組件，且反之亦然。此外，元素可不被按比例繪制。
[0012]圖1解說創(chuàng)建示例數(shù)據(jù)結(jié)構(gòu)。
[0013]圖2解說使用示例數(shù)據(jù)結(jié)構(gòu)。
[0014]圖3解說與用于推薦系統(tǒng)的基于強(qiáng)度的建模相關(guān)聯(lián)的示例方法。
[0015]圖4解說與用于推薦系統(tǒng)的基于強(qiáng)度的建模相關(guān)聯(lián)的示例方法。
[0016]圖5解說與用于推薦系統(tǒng)的基于強(qiáng)度的建模相關(guān)聯(lián)的示例裝置。
[0017]圖6解說與用于推薦系統(tǒng)的基于強(qiáng)度的建模相關(guān)聯(lián)的示例裝置。
[0018]圖7解說示例云操作環(huán)境。
[0019]圖8是描繪被配置成參與用于推薦系統(tǒng)的基于強(qiáng)度的建模的示例性移動(dòng)通信設(shè)備的系統(tǒng)圖。
[0020]詳細(xì)描述
[0021]示例裝置和方法提供了具有兩個(gè)松散耦合部件的推薦系統(tǒng)。兩個(gè)松散耦合部件通過明確定義的接口來通信，該接口使用由一個(gè)部件產(chǎn)生并且由另一部件使用的數(shù)據(jù)結(jié)構(gòu)。第一部件負(fù)責(zé)信號(hào)導(dǎo)出，這指的是理解用戶與項(xiàng)目之間的關(guān)系。可用信號(hào)根據(jù)某些親和性和強(qiáng)度假設(shè)來被處理以作出關(guān)于用戶是否喜歡項(xiàng)目的確定。一旦信號(hào)導(dǎo)出確定用戶是否喜歡項(xiàng)目，則第一部件還可產(chǎn)生該確定的置信水平。信號(hào)導(dǎo)出接著可以產(chǎn)生提供用戶:項(xiàng)目關(guān)系的單個(gè)指示的電子數(shù)據(jù)。該單個(gè)指示可以是例如〈user, item, I ikes? ,strength〉(〈用戶，項(xiàng)目，喜歡?強(qiáng)度 >)形式的元組，其中strength(強(qiáng)度)是喜歡/不喜歡確定中的置信水平。在不同實(shí)施例中，可以提供不同指示。注意，該指示獨(dú)立于從中計(jì)算該指示的信號(hào)，因?yàn)樵撝甘静话◤闹杏?jì)算出該指示的任何信號(hào)。
[0022]多個(gè)指示可以被存儲(chǔ)在數(shù)據(jù)結(jié)構(gòu)中，并且接著該數(shù)據(jù)結(jié)構(gòu)可以被第二部件使用。數(shù)據(jù)結(jié)構(gòu)可以存儲(chǔ)關(guān)于用戶、親和性、和強(qiáng)度的信息。因此，數(shù)據(jù)結(jié)構(gòu)可以支持用于推薦系統(tǒng)的基于強(qiáng)度的模型。第二部件可以使用例如矩陣因式分解來計(jì)算用戶與項(xiàng)目之間的預(yù)測關(guān)系。預(yù)測關(guān)系可以是喜歡/不喜歡關(guān)系。推薦接著可以根據(jù)預(yù)測關(guān)系來作出。兩個(gè)部件通過它們到數(shù)據(jù)結(jié)構(gòu)的接口松散耦合。
[0023]與常規(guī)系統(tǒng)不同，從中計(jì)算預(yù)測關(guān)系的模型獨(dú)立于已在模型中處理的用戶信號(hào)。例如，該模型獨(dú)立于觀察到的信號(hào)的類型和數(shù)目。另外，第一部件現(xiàn)在能夠被驗(yàn)證。例如，由信號(hào)導(dǎo)出產(chǎn)生的單個(gè)指示可以被呈現(xiàn)給用戶，并且從用戶獲取關(guān)于喜歡/不喜歡確定以及該喜歡/不喜歡確定的置信水平的反饋。在信號(hào)導(dǎo)出中使用的假設(shè)接著可以基于該反饋來適配。
[0024]示例裝置和方法還可計(jì)及不同時(shí)間或地點(diǎn)處的不同行為或條件。例如，基于新近性的模型可以增大最近獲取(例如，購買、借閱、租賃)的項(xiàng)目的強(qiáng)度，同時(shí)它可減小較不新近獲取的項(xiàng)目的強(qiáng)度。另外，基于時(shí)間的模型可以給予在特定時(shí)間窗期間(例如，早晨、周末、在超級(jí)碗期間)消費(fèi)的項(xiàng)目較高的強(qiáng)度。更一般地，時(shí)間和其他參數(shù)可以被考慮以影響與喜歡/不喜歡關(guān)系相關(guān)聯(lián)的強(qiáng)度。
[0025]圖1解說從中可以獲取隱式信號(hào)110或顯式信號(hào)120的設(shè)備100。盡管解說了單個(gè)設(shè)備100，但信號(hào)也可從多個(gè)設(shè)備獲取。設(shè)備100可以是例如用戶通過其來獲取和玩視頻游戲的游戲控制臺(tái)。用戶還可以使用設(shè)備100來對(duì)視頻游戲評(píng)級(jí)、發(fā)布關(guān)于視頻游戲的博客、或者執(zhí)行其他動(dòng)作。
[0026]顯式信號(hào)120可以是例如用戶生成的主觀評(píng)級(jí)。例如，用戶可以向第一游戲給出10分中的I分評(píng)級(jí)以指示他們不喜歡第一游戲，但可以向第二游戲給出10分中的9分評(píng)級(jí)以指示他們喜歡第二游戲。隱式信號(hào)100可以是例如從用戶與游戲的交互中生成的客觀數(shù)據(jù)?？陀^數(shù)據(jù)可包括例如用戶玩游戲的次數(shù)、用戶上一次玩游戲之后過了多久、用戶多頻繁地玩游戲、用戶多頻繁地玩其他游戲、用戶為游戲的插件支付了多少費(fèi)用、或其他數(shù)據(jù)。用戶可以確定允許報(bào)告哪些隱式信號(hào)(如果有的話)。
[0027]顯式信號(hào)120可以由信號(hào)限定器125處理，而隱式信號(hào)可以由信號(hào)導(dǎo)出器115處理。盡管解說了兩個(gè)分開的裝置，但在一個(gè)