[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

技術領域

本發明涉及計算機數據處理技術領域，特別涉及基于概率模型和用戶行為分析的 個性化推薦方法、系統。

背景技術

隨著互聯網信息技術的發展，尤其是電子商務的興起，互聯網內容呈現爆炸式的 增長，人們逐漸進入海量數據時代。每天面對琳瑯滿目并且種類繁雜的商品、電影、歌曲、視 頻等各種服務時，卻無所適從，這就是經常提到的信息過載(informationoverload)問題。 同時，互聯網上的各種物品又存在長尾(longtail)現象，指大部分商品屬于冷門而沒有展 示的機會。ChrisAnderson在2006年出版的《長尾理論》一書中指出，傳統的80/20原則 (80％的銷售額來自于20％的熱門品牌)在互聯網時代下回面臨更多挑戰。主流的商品基本 上代表的是大部分用戶的需求，但是長尾的商品代表的則是一小部分個性化需求。應對信 息過載和長尾物品的問題，推薦系統大顯身手。能夠根據用戶的歷史行為數據，對用戶進行 興趣建模，推薦用戶感興趣的物品(如商品、電影、新聞)，這就是個性化推薦系統。

目前，個性化推薦系統能夠在用戶沒有明確目的時候，幫助發現那些他們感興趣 但很難發現的物品。但是也存在諸多難點。

1、用戶興趣的量化。正所謂：一千個人中有一千個漢姆雷特。個人的興趣千差萬 別，如何給出一種能準確量化用戶興趣的指標，用以表征用戶的偏好。比如如何判斷用戶喜 歡娛樂八卦的文章還是喜歡時事政治，如何量化對各個類別、標簽的偏好程度。

2、用戶行為模式挖掘。用戶歷史行為數據代表了用戶的明確需求，每一次的鼠標 點擊都是用戶本質需求的反應。基于用戶的注冊、登錄、瀏覽、點擊、購買、收藏、打分、評論 等各種維度的數據中，如何提取有價值的用戶屬性。

3、個性化的精準性。如何保證個性化的推薦結果是真正符合用戶需求，一直也都 是業界都在絞盡腦汁解決的問題。

發明內容

本發明要解決的技術問題是，通過將原始數據進行預處理后，構建用戶模型，用以 準確刻畫用戶的興趣點和本質的信息獲取需求，以提供精準的個性化推薦，從而解決互聯 網中的信息過載和長尾物品的問題。

解決上述技術問題，本發明提供了基于概率模型和用戶行為分析的個性化推薦方 法，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。

更進一步，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。

更進一步，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。

更進一步，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即為：