[發明專利]一種個性化推薦的實現方法及系統

在審

• 申請號: 201310297189.0
• 申請日: 2013-07-16
• 公開（公告）號: CN103544206A
• 公開（公告）日: 2014-01-29
• 發明（設計）人: 丁立朵;劉艷
• 申請（專利權）人: TCL集團股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 深圳市君勝知識產權代理事務所 44268
• 代理人: 劉文求;楊宏

技術領域

本發明涉及智能設備的信息個性化推薦領域，尤其涉及一種個性化推薦的實現方法及系統。

背景技術

在當今網絡盛行的時代，電視和互聯網的結合，特別是智能電視的發展與流行成為一種趨勢。然而，在智能電視發展的歷程中，如何比較準確的針對用戶進行信息（節目或者應用等）的個性化推薦，成為智能電視發展的一個重要技術。目前很多推薦方法已能夠比較好的完成推薦過程，但仍存在一些缺陷：推薦的數據存在稀疏性，大規模數據處理的復雜性，推薦的多樣性和精確度二者難以兼顧，用戶行為模式挖掘的模糊性，對用戶行為的統計不精確，這些問題都可能導致推薦給用戶的內容不適用于用戶，降低用戶的使用體驗。

因此，現有技術還有待于改進和發展。

發明內容

鑒于上述現有技術的不足，本發明的目的在于提供一種個性化推薦的實現方法及系統，旨在解決現有的推薦方法所推薦的內容不準確、存在稀疏性、數據處理較復雜、多樣性和精確度二者難以兼顧等問題。

本發明的技術方案如下：

一種個性化推薦的實現方法，其中，包括步驟：

A、獲取用戶行為特征數據，根據所述用戶行為特征數據得到原始用戶行為特征數據集；

B、使用異組多核核矩陣對原始用戶行為特征數據集進行核空間映射，得到核空間數據集；

C、通過異組多核核矩陣對原始用戶行為特征數據集進行訓練，建立初始異組多核用戶行為檢測標準，用建立的初始異組多核用戶行為檢測標準約減核空間數據集，得到約減數據集；

D、將約減數據集、異組多核核矩陣、初始異組多核用戶行為檢測標準輸入到核空間聚類算法中，輸出優化異組多核用戶行為檢測標準及聚類類別結果；

E、根據優化異組多核用戶行為檢測標準及聚類類別結果對約減數據集進行分類檢測得到分類結果集，根據所述分類結果集為用戶推薦與用戶行為特征類別相關聯的內容。

所述的智能電視個性化推薦的方法，其中，所述步驟B具體包括：

B1、預先設置一組核函數，計算各個核函數在原始用戶行為特征數據集上的核矩陣，并確定各個核矩陣的最優工作參數；

B2、使用半定規劃的內點法結合各個核矩陣的最優工作參數計算出異組多核核矩陣的最優組合系數；

B3、根據所述最優組合系數將各個核矩陣進行線性組合，得到異組多核核矩陣????????????????????????????????????????????????，為核矩陣，為核矩陣的系數；

B4、使用該異組多核核矩陣對用戶行為特征數據進行核空間映射，得到核空間數據集。

所述的智能電視個性化推薦的方法，其中，所述步驟C具體包括：

C1、由異組多核核矩陣和半定規劃的中間求解結果，確定初始異組多核用戶行為檢測標準；

C2、將初始異組多核用戶行為檢測標準約減核空間數據集，得到約減數據集。

所述的智能電視個性化推薦的方法，其中，所述步驟D具體包括：

D1、將約減數據集中的數據對象用異組多核核矩陣映射到核空間中，得到映射后的數據對象為；

D2、從約減數據集中選取m個對象作為準初始中心點，以準初始中心點對數據對象進行初步劃分；

D3、在初步劃分得到的類別中對準初始中心點進行調整得到最終的初始中心點；

D4、按照最終的初始中心點重新對數據對象進行劃分得到優化的類別作為聚類類別結果；

D5、增加中心點候選集對初始中心點進行替換，不斷迭代更新中心點直至中心點不再變化，得到優化異組多核用戶行為檢測標準。

所述的智能電視個性化推薦的方法，其中，所述步驟D3中，調整初始中心點的方式為：設定每個類別中的每個數據對象為類別中心，計算每個類別中心與相應類別中其他數據對象之間的距離之和，使得距離之和最小的類別中心作為最終的初始中心點。

所述的智能電視個性化推薦的方法，其特征在于，所述步驟D5中，中心點候選集的獲取過程包括：計算約減數據集中的每個數據對象在核空間的距離，從而搜集得到中心點候選集。

一種個性化推薦的實現系統，其中，包括：

原始用戶行為特征數據集獲取模塊，用于獲取用戶行為特征數據，根據所述用戶行為特征數據得到原始用戶行為特征數據集；

核空間映射模塊，用于使用異組多核核矩陣對原始用戶行為特征數據集進行核空間映射，得到核空間數據集；