[發(fā)明專利]一種推薦方法、裝置

有效

• 申請?zhí)枺?/td>: 201310249790.2
• 申請日: 2013-06-21
• 公開（公告）號: CN103337028A
• 公開（公告）日: 2013-10-02
• 發(fā)明（設計）人: 高明;呂俊超;黃哲學
• 申請（專利權(quán)）人: 中國科學院深圳先進技術(shù)研究院
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F17/30
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 張全文

技術(shù)領域

本發(fā)明屬于網(wǎng)絡信息檢索技術(shù)領域，尤其涉及一種推薦方法、裝置。

背景技術(shù)

隨著互聯(lián)網(wǎng)的普及和電子商務的發(fā)展，推薦系統(tǒng)被廣泛的應用，成為網(wǎng)絡信息檢索技術(shù)的重要內(nèi)容。

一個好的推薦系統(tǒng)應該能盡可能多的展現(xiàn)用戶感興趣的產(chǎn)品，但是當今的推薦系統(tǒng)使用協(xié)同過濾算法來實現(xiàn)對產(chǎn)品的推薦。協(xié)同過濾算法的出發(fā)點是具有相同或者相似興趣偏好的用戶，對產(chǎn)品的評價也是類似的。

協(xié)同過濾算法因不依賴于抽取對象的特征信息來了解用戶的興趣，同時還能發(fā)現(xiàn)用戶潛在興趣而備受歡迎，并因此被廣泛引用到了電子商務、在線廣告等系統(tǒng)中。基于協(xié)同過濾算法的推薦系統(tǒng)首先根據(jù)歷史記錄找出目標用戶的若干最近鄰居，然后根據(jù)最近鄰居對產(chǎn)品的評分預測目標用戶對產(chǎn)品的評分制，從而產(chǎn)生推薦列表，最后依據(jù)預測評分值的高低按順序向用戶進行推薦。

其基本流程如下：

A、通過歷史評分記錄或者用戶購買記錄計算用戶之間的相似度；

B、選擇n個與目標用戶興趣最相似的用戶；

C、根據(jù)興趣最相似用戶的歷史評分記錄或購買記錄預測目標用戶對可能感興趣產(chǎn)品的評分值；

D、將產(chǎn)品按照評分值從高到低的順序選擇前m個產(chǎn)品推薦給目標用戶。

協(xié)同過濾算法面臨的一個主要問題是：主要推薦相似用戶評分較高的產(chǎn)品，容易造成越是熱門產(chǎn)品得到推薦的概率越大，而用戶本來感興趣的處于長尾位置的非熱門產(chǎn)品，比如新添加到系統(tǒng)中的產(chǎn)品因缺少打分數(shù)據(jù)而往往得不到推薦的機會，即所謂的“冷啟動”問題。其中，根據(jù)關(guān)于互聯(lián)網(wǎng)數(shù)據(jù)的研究發(fā)現(xiàn)，互聯(lián)網(wǎng)上的很多數(shù)據(jù)分布都滿足冪率（Power?Law）分布，這個分布在互聯(lián)網(wǎng)領域內(nèi)也稱為長尾分布：其分布如圖1所示，所謂長尾(Long?Tail)位置指圖1中淺灰色區(qū)域的產(chǎn)品或項目所處的位置，深灰色區(qū)域為短頭（Short?Head）位置。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種推薦方法、裝置，旨在解決現(xiàn)有技術(shù)提供的推薦系統(tǒng)，最后給用戶提供的推薦結(jié)果大多集中于極少數(shù)的項目或產(chǎn)品，而絕大多數(shù)處于長尾位置的、非熱門的項目或產(chǎn)品卻得不到推薦的問題。

一方面，提供一種推薦方法，所述方法包括：

根據(jù)用戶對產(chǎn)品的歷史評分值確定產(chǎn)品集中的待推薦爭議產(chǎn)品；

從所述待推薦爭議產(chǎn)品中選擇預設數(shù)目產(chǎn)品作為目標用戶感興趣的待推薦爭議產(chǎn)品，加入待推薦對象集A中；

從產(chǎn)品集中選擇預設數(shù)目的產(chǎn)品作為目標用戶可能感興趣的待推薦產(chǎn)品，加入待推薦對象集B中；

對待推薦對象集A中的產(chǎn)品的預估評分值乘以預設的權(quán)重；

合并所述待推薦對象集A和所述待推薦對象集B，形成待推薦集合C；

對所述待推薦集合C中的產(chǎn)品根據(jù)其預估評分值排序，選擇預估評分值高的前r個產(chǎn)品作為推薦結(jié)果。

另一方面，提供一種推薦裝置，所述裝置包括：

待推薦爭議產(chǎn)品確定單元，用于根據(jù)用戶對產(chǎn)品的歷史評分值確定產(chǎn)品集中的待推薦爭議產(chǎn)品；

第一待推薦對象集確定單元，用于從所述待推薦爭議產(chǎn)品中選擇預設數(shù)目產(chǎn)品作為目標用戶感興趣的待推薦爭議產(chǎn)品，加入待推薦對象集A中；

第二待推薦對象集確定單元，用于從產(chǎn)品集中選擇預設數(shù)目的產(chǎn)品作為目標用戶可能感興趣的待推薦產(chǎn)品，加入待推薦對象集B中；

評分值處理單元，用于對待推薦對象集A中的產(chǎn)品的預估評分值乘以預設的權(quán)重；

對象集合并單元，用于合并所述待推薦對象集A和所述待推薦對象集B，形成待推薦集合C；

推薦結(jié)果獲取單元，用于對所述待推薦集合C中的產(chǎn)品根據(jù)其預估評分值排序，選擇預估評分值高的前r個產(chǎn)品作為推薦結(jié)果。

在本發(fā)明實施例，先確定爭議產(chǎn)品，再對爭議產(chǎn)品的預估評分值進行加權(quán)處理，將預估評分值經(jīng)過加權(quán)處理后的待推薦爭議產(chǎn)品和常規(guī)推薦得到的推薦產(chǎn)品按照預估評分值排序后，推薦預估評分值高的前r個產(chǎn)品至目標用戶。由于爭議產(chǎn)品的預估評分值經(jīng)過加權(quán)處理，相比現(xiàn)有的推薦方法，大大提高了處于長尾位置的產(chǎn)品被推薦的幾率。

附圖說明

圖1是在互聯(lián)網(wǎng)領域內(nèi)的長尾分布的示意圖；

圖2是本發(fā)明實施例一提供的推薦方法的實現(xiàn)流程圖；

圖3是本發(fā)明實施例一提供的模糊曲線的類似示意圖；

圖4是本發(fā)明實施例一提供的由產(chǎn)品、用戶和歷史評分值組成的歷史評分矩陣示意圖；

圖5是本發(fā)明實施例二提供的推薦裝置的結(jié)構(gòu)框圖。

具體實施方式