[發明專利]基于計算機系統的推薦方法及其裝置

在審

• 申請號: 201410736666.3
• 申請日: 2014-12-04
• 公開（公告）號: CN105718488A
• 公開（公告）日: 2016-06-29
• 發明（設計）人: 潘曉彤;金柯;劉忠義;魏虎
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海一平知識產權代理有限公司 31266
• 代理人: 須一平;成春榮

1.一種基于計算機系統的推薦方法，其特征在于，該方法包括以下步 驟：

獲取各用戶對各項目的項目評分記錄；

根據每個用戶的項目評分記錄進行聚類，將用戶特征數據劃分到R個 類別中，R是大于1的整數；

在每個所述類別的用戶特征數據中，基于項目為目標用戶推薦項目。

2.根據權利要求1所述的基于計算機系統的推薦方法，其特征在于， 所述計算機系統包括至少兩個計算節點；

所述“在每個所述類別的用戶特征數據中，基于項目為目標用戶推薦 項目”的步驟中，將各所述類別的用戶特征數據分配給多個計算節點，每 個計算節點最多保存R－1個所述類別的用戶特征數據，每個計算節點在所 保存的每個所述類別的用戶特征數據中基于項目為目標用戶推薦項目。

3.根據權利要求1所述的基于計算機系統的推薦方法，其特征在于， 所述“在每個所述類別的用戶特征數據中，基于項目為目標用戶推薦項 目”的步驟中，采用基于項目的協同過濾算法為目標用戶推薦項目；

所述“在每個所述類別的用戶特征數據中，基于項目為目標用戶推薦 項目”的步驟中包括以下子步驟：

根據所述類別中每個用戶的項目評分記錄，計算所述類別中所有項目 間相似度，并為每個項目選取相似度最高的M個項目，M為預定義的整 數；

根據所述類別中所述目標用戶的項目評分記錄，為所述目標用戶選取 評分最高的T個項目，T為預定義的整數；

將為所述目標用戶選取的T個項目與為所述T個項目中每個項目選取 的M個項目相結合，并從中去除所述目標用戶的項目列表中的項目，形成 初始推薦結果。

4.根據權利要求3所述的基于計算機系統的推薦方法，其特征在于， 在形成初始推薦結果的子步驟后還包括以下子步驟：

判斷所述初始推薦結果中的項目數量是否大于N，N為預定義的整 數；

若所述初始推薦結果中的項目數量大于N，則從所述初始推薦結果中 選取相似度最高的N個項目推薦給所述目標用戶；

若所述初始推薦結果中的項目數量小于N，則將所述目標用戶的項目 列表中的所有項目與為所述目標用戶的項目列表中每個項目選取的M個項 目相結合，并從中去除所述目標用戶的項目列表中的所有項目，形成用戶 數據補全推薦結果。

5.根據權利要求4所述的基于計算機系統的推薦方法，其特征在于， 在形成用戶數據補全推薦結果的子步驟后還包括以下子步驟：

判斷所述用戶數據補全推薦結果中的項目數量是否大于N，N為預定 義的整數；

若所述用戶數據補全推薦結果中的項目數量大于N，則從所述用戶數 據補全推薦結果中選取相似度最高的N個項目推薦給所述目標用戶；

若所述用戶數據補全推薦結果中的項目數量小于N，則將所述目標用 戶的項目列表中的所有項目與和所述目標用戶的項目列表中每個項目具有 相似度關系的所有項目相結合，并從中去除所述目標用戶的項目列表中的 所有項目，形成項目數據補全推薦結果。

6.根據權利要求1所述的基于計算機系統的推薦方法，其特征在于， 所述“在每個所述類別的用戶特征數據中，基于項目為目標用戶推薦項 目”的步驟后還包括以下步驟：

判斷數據稀疏度是否大于數據稀疏度閾值，所述數據稀疏度 其中k為計算得到的所述類別中具有相似度關系的項目對的數 量，l為所述類別中項目的數量，

若所述數據稀疏度小于數據稀疏度閾值，則以第一項目、第二項目和 第三項目為一組，所述第一項目與所述第二項目間、所述第二項目與所述 第三項目間具有相似度關系，通過所述第二項目為所述第一項目和所述第 三項目建立相似度關系，并根據補充的項目間相似度關系在所述類別中再 次基于項目為所述目標用戶推薦項目；

若所述數據稀疏度大于數據稀疏度閾值，則將基于項目計算得到的推 薦項目推薦給所述目標用戶。