[發明專利]一種個性化推薦系統的推薦方法

有效

• 申請號: 201410831549.5
• 申請日: 2014-12-25
• 公開（公告）號: CN104462560B
• 公開（公告）日: 2018-01-05
• 發明（設計）人: 肖翱;施魏松
• 申請（專利權）人: 廣東電子工業研究院有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 廣東莞信律師事務所44332
• 代理人: 余倫

1.一種基于用戶日志和實體關聯圖庫的個性化推薦系統的推薦方法，其特征在于：所述的系統主要包括有以下模塊：

數據接口層，負責與業務層的數據通信，接收數據請求以及發送推薦結果；

知識庫，作為系統的數據源和推薦運算系統的學習集；

用戶日志系統，記錄用戶在業務層的所有操作記錄；

實體關聯圖庫，分析知識庫的數據，剖析并存儲用戶、實體數據、屬性相互之間的關聯關系；

推薦運算系統，接收數據接口層的輸入，根據用戶日志系統計算其最近偏好值，綜合最鄰近用戶的偏好數據，得出用戶可能最感興趣的一個數據實體序列；

所述的推薦方法包括如下步驟，

步驟一，用戶點擊查看一條實體數據時，實體關聯圖庫中相應屬性的關聯權值也會動態變化并重新被計算；

步驟二，分析用戶當前點擊實體數據的時間點和一個較早的時間點之間的實體數據的相關性，通過不斷迭代收斂找出相關值最高的一個最近時間點，取這兩個時間點之間的實體數據作為用戶的最近偏好值數據源；

步驟三，根據用戶的最近偏好值和動態變化的實體關聯圖庫，綜合處理后得出與用戶當前偏好最接近的推薦結果。

2.根據權利要求1所述的推薦方法，其特征在于：所述的步驟二中計算兩個指定時間點范圍內實體數據的相關性時采取基于局部敏感哈希的隨機投影方法，時間復雜度從傳統的K-NN方法的O(N²)變為O(N)。

3.根據權利要求1所述的推薦方法，其特征在于：所述的知識庫的數據實體為新聞、文獻的文字性內容，且數據量隨時間推移而不斷增長。

4.根據權利要求1所述的推薦方法，其特征在于：所述實體關聯圖庫是通過分析所述知識庫的每一項實體數據以及用戶配置文件，分解其屬性，通過TF-IDF算法計算各自的權值，權值范圍為0至1之間；并以多維圖形式記錄實體-屬性、屬性-屬性、實體-實體、用戶-用戶、用戶-實體、用戶-屬性相互之間的關聯關系。

5.根據權利要求3所述的推薦方法，其特征在于：所述實體關聯圖庫是通過分析所述知識庫的每一項實體數據以及用戶配置文件，分解其屬性，通過TF-IDF算法計算各自的權值，權值范圍為0至1之間；并以多維圖形式記錄實體-屬性、屬性-屬性、實體-實體、用戶-用戶、用戶-實體、用戶-屬性相互之間的關聯關系。

6.根據權利要求1至5任一項所述的推薦方法，其特征在于：所述用戶日志系統記錄了業務層用戶所有的操作，但在應用到推薦運算系統時，提取用戶對實體數據的點擊操作日志，并且根據不同時間段之間實體數據的關聯關系計算用戶在某個時間點相對穩定的偏好值以作為個性化推薦的輸入。

7.根據權利要求1至5任一項所述的推薦方法，其特征在于：所述推薦運算系統中，用戶第一次在業務層獲取推薦數據時是用戶本身的配置文件，此時采取基于用戶的協同過濾方法獲取該用戶的最鄰近用戶之最熱實體數據為推薦結果；正常情況下還需綜合考慮用戶以往的歷史點擊記錄，減少實體數據的稀疏性問題對結果的影響。

8.根據權利要求6所述的推薦方法，其特征在于：所述推薦運算系統中，用戶第一次在業務層獲取推薦數據時是用戶本身的配置文件，此時采取基于用戶的協同過濾方法獲取該用戶的最鄰近用戶之最熱實體數據為推薦結果；正常情況下還需綜合考慮用戶以往的歷史點擊記錄，減少實體數據的稀疏性問題對結果的影響。