[發明專利]基于概率模型和用戶行為分析的個性化推薦方法、系統

在審

• 申請號: 201610127077.4
• 申請日: 2016-03-07
• 公開（公告）號: CN105574216A
• 公開（公告）日: 2016-05-11
• 發明（設計）人: 于敬;陳運文;桂洪冠;紀傳俊;張健
• 申請（專利權）人: 達而觀信息科技（上海）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京卓唐知識產權代理有限公司 11541
• 代理人: 龔潔

1.基于概率模型和用戶行為分析的個性化推薦方法，其特征在于，包括如下步驟：

提取得到物品以及物品屬性信息，且提取得到用戶對物品的操作行為；所述物品是在 不同場景下，待推薦主體；所述操作行為是用戶在不同場景下，所包含的操作類型；

通過所述物品屬性信息和用戶對物品的操作行為，得到興趣點；通過用戶對物品的操 作行為，獲取用戶興趣相似度，并得到相似用戶；根據用戶對物品基于時間維度的操作行 為，得到衰減因子；根據所述興趣點、相似用戶、衰減因子建立用戶模型；

根據用戶模型，得到用戶在各個維度的興趣特征信息；

對所述興趣特征信息進行過濾，并采用推薦算法生成待推薦結果；

根據所述待推薦結果進行算法融合，得到用戶個性化推薦的結果。

2.根據權利要求1所述的個性化推薦方法，其特征在于，所述物品以及物品屬性信息 為：

<itemid，publisher，categroyid，tagid>

其中itemid表示唯一標識一個物品，publisher表示物品的發布者，categoryid表示物 品所屬的類別id，tagid表示物品的標簽id。

3.根據權利要求1所述的個性化推薦方法，其特征在于，所述用戶對物品的操作行為 為：

<userid，itemid，timestamp，action_type>

其中userid表示唯一標識一個用戶，itemid表示唯一標識一個物品，timestamp表示本 次操作的時間，action_type表示本次操作的類型；所述用戶對物品的操作行為包括，用戶 的歷史行為數據。

4.根據權利要求2所述的個性化推薦方法，其特征在于，通過所述物品屬性信息和用戶 對物品的操作行為，得到興趣點的方法為：

4-1)遍歷用戶所有點擊過的itemid，獲取itemid對應的categoryid，統計每一個用戶 點擊行為下的每個類別的點擊次數，這樣就得到了每個用戶點擊過的類別次數分布；

4-2)計算點擊過的各個物品的類別概率分布為：

P(categoryid|click)=Count(categoryid|click)Σcount(categoryid|click)]]>

其中，P(categoryid|click)表示在點擊行為下的類別categoryid的概率，表示對不同 操作類型下的屬性權重；Count(categoryid|click)表示在點擊行為下的類別categoryid 的點擊次數；Count(categoryid|click)表示在點擊行為下的各個類別的點擊次數之和；

4-3)類別最終的概率如下：

P(categoryid)＝P(categoryid|behavior₁)*Weight(behavior₁)

+P(categoryid|behavior₂)*Weight(behavior₂)

+...

+P(categoryid|behavior_n)*Weight(behavior_n)

其中，P(categoryid)表示在各種行為下的類別categoryid的最終權重；P(categoryid |behavior_n)表示在行為類型behavior下的類別categoryid的概率；Weight(behavior_n)表 示行為類型的權重，n為自然數；

4-4)根據在各種行為下的類別categoryid的最終權重，得到用戶在各個維度上的偏好 數據即興趣點。