[發明專利]用于生成推薦的方法和系統

有效

• 申請號: 201310407541.1
• 申請日: 2005-02-25
• 公開（公告）號: CN103593392B
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 史蒂文·K·桑德爾斯;拉斯·P·尼勒森;斯科特·A·蓋特茲;阿什溫庫瑪·P·帕特爾
• 申請（專利權）人: 飛揚管理有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/02
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 李崢;楊曉光

公開了一種用于生成推薦的方法和系統，用于生成跨多個產品或服務領域的推薦。該系統包括：用于經由因特網向用戶提供接口并且處理用戶事件的多個領域服務器；用于存儲用戶事件的數據庫；以及推薦引擎。該推薦引擎還包括一個或多個計算機程序，所述計算機程序包括用于執行以下步驟的指令：收集數據庫中的跨多個產品或服務領域的用戶事件；接收針對推薦的觸發事件；分析用戶事件以編制數據庫中的用戶事件之間的相關性；以及響應于觸發事件，根據數據庫中的用戶事件之間的相關性，生成推薦。所公開的技術用來自不同領域的用戶輸入數據產生在這些領域中的任何一個中的推薦。所公開的技術允許訪問更大量的用戶輸入數據，這進而又提高了推薦質量。

本申請是申請日為2005年2月25日，題為“用于生成推薦的方法和系統”，申請人為雅虎公司的發明專利申請No.200580005802.0的分案申請。

技術領域

本發明涉及因特網應用領域。具體而言，本發明涉及用于利用來自多個領域的用戶輸入數據生成產品或服務推薦（recommendation）的方法和系統。

背景技術

推薦是人們搜索并找到他們所需要的東西的最強有力的方式之一。不論是想買照相機還是試圖找到餐館，人們都依賴于從諸如朋友、專家和出版物之類的各種來源獲得推薦。

在計算機生成的推薦方面的研究已經開展了幾十年，并且已產生了大量出版物和各種方法，以及獲得一系列成功的許多工作系統。計算機生成的推薦可以基于來自各種來源的專門知識的代碼化。這在二十世紀七十年代和八十年代充斥的基于專家系統的應用就是明證。該方法的問題是在計算機應用中捕捉和維護專門知識時的努力和困難。

解決專家系統的某些缺陷的另一種方法是機器學習系統，其中計算機應用可通過基于過去的執行對其自身作出適應性改變來提高其自己的性能。對于推薦來說，該方法表現為協同過濾（collaborative filtering）算法的形式。

協同過濾使推薦基于其他用戶的經驗。當面臨特定領域中的決定時，人們通常會咨詢在該領域有經驗的朋友。協同過濾是跨超出朋友和熟人之外的更大用戶群組來構建這些推薦的一種方式。該方法以評論、評分、評級、投票等形式獲得這些用戶的反饋作為輸入。輸入數據被分析，以找到用戶和項目之間的模式和相關性，這些模式和相關性轉化為推薦成功的概率。

公知的使用協同過濾的個性化電影推薦網站是MovieLens（http://www.movielens.com）。在該個性化電影推薦服務中，數千用戶基于它們對電影的喜愛或不喜愛的程度提交對該電影的評分。針對特定用戶的推薦可以通過查看與該用戶所喜愛的電影相似的電影來進行。這提供了“喜愛這部電影的人還喜愛以下電影”類型的推薦。例如，查看電影JerryMaguire的用戶可能獲得對A Few Good Men的電影推薦。在這種情況下，“相似”基于對如下的整個用戶群體的評分的分析：該用戶群體已對與請求推薦的特定用戶評分的電影相關的電影進行了評分。

如上述示例中所示，協同過濾領域中的現有系統集中于基于單個領域內的用戶數據來進行推薦。由于只從單個領域（例如電影）收集輸入數據，因此可以為該領域內的項目生成推薦。此外，協同過濾推薦的質量依賴于可用的用戶輸入數據的量。但是如果在一個領域中只有少量數據可用，則所生成的推薦就不太相關并且不太可靠。

因此，需要一種能夠解決基于從單個領域收集的數據進行推薦的問題的系統和方法。具體而言，需要一種用于利用來自多個領域的用戶輸入數據進行產品或服務推薦的系統和方法。

發明內容

本發明公開了一種用跨多個領域的用戶輸入數據來生成產品或服務推薦的系統和方法。本發明提供了相對于現有系統的許多改進。