技術(shù)特征：

1.一種面向多屬性評分系統(tǒng)的評分預(yù)測方法，其特征在于，包括以下步驟：

S1：輸入數(shù)據(jù)：收集用戶對商品的多個(gè)屬性的評分，輸入多個(gè)屬性的評分?jǐn)?shù)據(jù)；

S2：構(gòu)建模型：利用具有U、C、A三個(gè)維度的三維張量表達(dá)多屬性評分信息，其中：U表示用戶，C表示商品，A表示商品的屬性；

S3：設(shè)置參數(shù)，得到初始化矩陣

基于典范分解模型，將多屬性的評分張量分解為三個(gè)二維矩陣和一個(gè)三維對角張量的乘積，如公式(1)所示：

$\hat{F}\≈\hat{T}{\×}_u\hat{U}{\×}_c\hat{C}{\×}_a\hat{A}---\left(1\right)$

公式(1)中，為三維對角張量，即對角線上元素為1，其余元素都為0；

矩陣為|U|×k_r維，|U|表示用戶個(gè)數(shù)；

矩陣為|C|×k_r維，|C|表示商品個(gè)數(shù)；

矩陣為|A|×k_r維，|A|表示屬性個(gè)數(shù)；

k_r是一個(gè)大于0的正整數(shù)，表示張量分解的維度大??；

S4：張量分解，計(jì)算得到中間矩陣計(jì)算目標(biāo)函數(shù)的值，若目標(biāo)函數(shù)未收斂或未達(dá)到迭代次數(shù)上限，使用隨機(jī)梯度下降法更新矩陣每次更新后重新計(jì)算目標(biāo)函數(shù)的值，直到目標(biāo)函數(shù)收斂或者達(dá)到迭代次數(shù)上限時(shí)停止，得到中間矩陣

S5：張量填充，完成評分預(yù)測：根據(jù)步驟S4分解得到的中間矩陣采用典范分解模型，計(jì)算用戶對商品各個(gè)屬性的評分，實(shí)現(xiàn)多屬性評分張量的填充。

2.根據(jù)權(quán)利要求1所述的一種面向多屬性評分系統(tǒng)的評分預(yù)測方法，其特征在于：步驟S1中，多個(gè)屬性的評分包括用戶對商品的價(jià)格、服務(wù)多個(gè)屬性的評分。

3.根據(jù)權(quán)利要求1所述的一種面向多屬性評分系統(tǒng)的評分預(yù)測方法，其特征在于：所述評分?jǐn)?shù)據(jù)由一個(gè)或多個(gè)公共網(wǎng)站進(jìn)行收集歸納。

4.根據(jù)權(quán)利要求1所述的一種面向多屬性評分系統(tǒng)的評分預(yù)測方法，其特征在于：步驟S3中，張量中的元素為

其中，

表示編號為u的用戶對編號為c的商品的第a個(gè)屬性的評分。

5.根據(jù)權(quán)利要求1所述的一種面向多屬性評分系統(tǒng)的評分預(yù)測方法，其特征在于：步驟S3中，設(shè)置的參數(shù)包括：迭代次數(shù)上限N、梯度下降參數(shù)λ、正則化參數(shù)β以及張量典范分解維度k_r。

6.根據(jù)權(quán)利要求1所述的一種面向多屬性評分系統(tǒng)的評分預(yù)測方法，其特征在于：步驟S4包括S41，步驟S41為計(jì)算目標(biāo)函數(shù)的值，

其中，目標(biāo)函數(shù)計(jì)算的具體方法為：考慮張量中存在的非0評分信息，設(shè)計(jì)目標(biāo)函數(shù)的形式如公式(3)：

$Loss(\hat{F},\hat{Y})=\mathrm{argmin}\[l(\hat{F},\hat{Y})+\frac{\mathrm{\β}}{2}\left(\right|\left|\hat{U}\right|{|}^2+\left|\right|\hat{C}|{|}^2+|\left|\hat{A}\right|{|}^2)\]---\left(3\right)$

其中，為損失函數(shù)，

表示已知的真實(shí)的多屬性評分張量，缺失值用0表示；中的元素表示中的真實(shí)評分值，

是根據(jù)公式(2)計(jì)算得到的預(yù)測評分，

表示權(quán)重張量，中的元素取值為1或者0，當(dāng)的值不為0時(shí)，當(dāng)的值等于0，

為防止過度擬合添加的正則項(xiàng)，β為正則參數(shù)。

7.根據(jù)權(quán)利要求6所述的一種面向多屬性評分系統(tǒng)的評分預(yù)測方法，其特征在于：經(jīng)步驟S41得到的目標(biāo)函數(shù)若未收斂或未達(dá)到迭代次數(shù)上限，則步驟S4中還包括S42，步驟S42為使用SGD方法，利用公式(4)對步驟S41得到的目標(biāo)函數(shù)的值進(jìn)行更新，公式(4)如下所示：

其中表示的是真實(shí)值與預(yù)測值之間的誤差，λ為梯度下降參數(shù)；每次更新后重復(fù)步驟S41，重新計(jì)算目標(biāo)函數(shù)的值，直到目標(biāo)函數(shù)收斂或者達(dá)到迭代次數(shù)上限時(shí)停止，得到中間矩陣