[發明專利]信息推薦方法及裝置

有效

• 申請號: 201310408115.X
• 申請日: 2013-09-09
• 公開（公告）號: CN103440341A
• 公開（公告）日: 2013-12-11
• 發明（設計）人: 黃志偉
• 申請（專利權）人: 廣州品唯軟件有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王茹;陶品德

技術領域

本發明涉及互聯網技術領域，特別是涉及信息推薦方法及裝置。

背景技術

互聯網時代隨著數據地海量增長，推薦引擎逐漸成為用戶尋找興趣標的物信息的主要工具。

目前在個性化推薦領域，比較成熟、應用面較廣的是協同過濾算法(Collaborative?Filtering?Algorithm),協同過濾分析用戶興趣，在用戶群中找到指定用戶的相似（興趣）用戶，綜合這些相似用戶對某一信息的評價，形成系統對該指定用戶對此信息的喜好程度預測。

協同過濾有基于用戶（User-Based?Collaborative?Filtering）和基于項目（Item-Based?Collaborative?Filtering）兩個策略。基于用戶的協同過濾（User-Based）的基本原理是：根據所有用戶對標的物的偏好，發現與當前用戶口味和偏好相似的“鄰居”用戶群，然后根據發現的鄰居的歷史偏好進行推薦。基于項目的協同過濾（Item-Based）的基本原理是：根據所有用戶的偏好信息，發現標的物信息和標的物信息之間的關聯度，然后根據用戶的歷史偏好信息，將類似的標的物信息推薦給用戶。

基于項目的協同過濾推薦機制是在基于用戶的機制上改良的一種策略，因為在大部分的Web站點中，標的物信息的個數是遠遠小于用戶的數量的，而且標的物信息的個數和相似度相對比較穩定，同時基于項目的機制比基于用戶的實時性更好一些，所以目前網站中，大量的使用的是基于Item的協同過濾算法。關于相似度的計算，現有的幾種基本方法都是基于向量（Vector）的，即計算兩個向量的距離，距離越近相似度越大。采用傳統技術相似度的方法，由于采用距離越近相似度越大，相似度越大的標的物信息距離會越來越小，而相似度小的標的物信息距離就會越來越大，就會出現推薦的標的物信息多樣性和新穎性不足。

發明內容

基于此，有必要針對推薦的標的物信息的多樣性和新穎性不足的問題，提供一種信息推薦方法及裝置。

一種信息推薦方法，包括步驟：

獲取與待推薦用戶信息匹配的標的物信息和歷史記錄中用戶信息與標的物信息的匹配關系k_α、k_β、k_i、T_αi、T_βi；其中，k_α表示標的物信息α匹配用戶信息的個數，k_β表示標的物信息β匹配用戶信息的個數，k_i表示用戶信息i匹配的標的物信息的個數，當用戶信息i匹配標的物信息α時，T_αi=H，當用戶信息i不匹配標的物信息α時，T_αi=0，當用戶信息i匹配標的物信息β時，T_βi=H，當用戶信息i不匹配標的物信息β時，T_βi=0；

計算待推薦用戶信息匹配的標的物信息與歷史記錄中的標的物信息的相似度，包括以下公式

Wαβ=1kα1-λkβλΣi=0uTαiTβiki]]>

其中，α表示歷史記錄中其中一個標的物信息，β表示待推薦用戶信息匹配的標的物信息中其中一個標的物信息，W_αβ表示標的物信息α和標的物信息β的相似度，歷史記錄中有u+1個用戶信息，H和λ為預設值；