[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

技術領域

本發明涉及基于大數據和數據挖掘推薦系統技術領域，尤其是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。

背景技術

近年來，隨著信息技術的日益發展以及連入互聯網用戶數量的不斷增長，互聯網中時時刻刻都會產生數量巨大的比特數據。如何有效利用這些信息已經成為一個世界性關注的問題。在經過學術界和工業界多年的研究和應用，對于這些數據附加價值的挖掘和利用技術也逐漸成熟，最主要的就是在電子商務、在線信息應用(如在線新聞、在線音樂、在線影視)等領域的關聯信息推薦系統。

推薦系統里應用最廣泛的是協同過濾技術，包括基于鄰居和基于模型的方法。基于鄰居的方法通常用于研究用戶或物品之間的相似度計算問題：基于用戶的協同過濾方法首先查找主要屬性相似的用戶(即鄰居)，然后收集和分析鄰居的數據以進一步為目標用戶推薦其感興趣的物品。相似的，基于物品的協同過濾方法利用了相似物品的信息評級的優勢。基于模型的方法試圖將用戶-物品的關系評估數據轉化為不同的模型(如貝葉斯網絡、因式分解或者集群模型等)并使用這些模型在未知場景中向用戶推薦物品(因式分解技術在具有顯式或隱式反饋的應用系統中獲得了越來越高的關注)。

然而目前主流的推薦系統在面對新用戶時，由于沒有歷史數據作為推薦依據而帶來的“冷啟動”問題也讓用戶體驗比較差，而且用戶的數據閱讀興趣或偏好也是隨時間而不斷變化，如何比較好的解決推薦系統的冷啟動問題并且隨時根據用戶的偏好變化而調整推薦結果也是一個研究和應用的熱點話題。

發明內容

本發明提供了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；可以有效解決推薦系統的冷啟動問題，并且使推薦結果隨用戶偏好的轉換而動態變化，增強用戶對推薦系統的使用體驗性和個性化需求。

本發明解決上述技術問題的技術方案是：

所述的系統主要包括有以下模塊：

數據接口層，主要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；

所述的推薦方法主要包括如下步驟，

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。

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)。

所述的知識庫的數據實體主要為新聞、文獻等文字性內容，且數據量隨時間推移而不斷增長。

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等相關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-屬性等相互之間的關聯關系。

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，主要是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。

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，此時主要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。

附圖說明

下面結合附圖對本發明進一步說明：

圖1是本發明個性化推薦系統的框架結構；

圖2是本發明個性化推薦系統的實體關系圖庫示意圖；

圖3是本發明推薦方法的流程圖。

具體實施方式