[發明專利]一種物品推薦方法及裝置

有效

• 申請號: 201611029658.0
• 申請日: 2016-11-14
• 公開（公告）號: CN106709780B
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 田輝;陳桂林;朱旭振;楊釗
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

本發明公開了一種物品推薦方法及裝置，方法包括：根據預先確定的全部物品和全部用戶的初始資源分布矩陣計算正向初始轉移矩陣和反向初始轉移矩陣；確定正向初始轉移矩陣對應的正向目標流行性懲罰程度和反向初始轉移矩陣對應的反向目標流行性懲罰程度；根據正向目標流行性懲罰程度、正向初始轉移矩陣和初始資源分布矩陣計算正向目標轉移矩陣，根據反向目標流行性懲罰程度、反向初始轉移矩陣和初始資源分布矩陣計算反向目標轉移矩陣，根據正向目標轉移矩陣和反向目標轉移矩陣計算雙向目標轉移矩陣；確定目標資源分布矩陣，根據目標資源分布矩陣確定推薦給每個用戶的物品。本發明實現了為用戶推薦更加精確、更加多樣、更加個性化的物品。

技術領域

本發明涉及互聯網技術領域，特別是涉及一種物品推薦方法及裝置。

背景技術

信息過載已經成為互聯網技術發展的嚴重障礙，而推薦裝置是緩解這一難題的有效途徑。推薦裝置的出現打破了用戶在海量數據中難以獲得個性化信息的僵局。縱觀國內外，雖然推薦裝置已經廣泛應用于眾多領域，但是仍然難以滿足日益增長的商品信息服務需要。

推薦裝置對互聯網經濟的巨大貢獻，吸引了眾多的研究者，他們根據不同的應用場景和條件研究出了多樣的推薦算法。現有的物品推薦方法主要包括以下兩種：

第一、基于物品間因果關系的推薦方法。在基于因果關系的推薦方法中，基于二部圖網絡的協同過濾算法由于適應性強，準確性、多樣性和個性化方面推薦性能優異，得到了廣泛關注。但是以往在二部圖網絡上，協同過濾算法主要是基于物品在時間順序上的因果關系來研究物品間相似性的，但當物品間沒有因果關系，并且物品的選擇是基于用戶的一致性偏好時，采用因果關系推薦將導致物品間相似性估計偏差，造成推薦性能的局限。事實上，在實際應用場景中，絕大多數推薦是非因果的一致性推薦。也就是說，絕大多數情況下，物品間的相似性本質上并不是基于時間上的因果關系，即不是由于用戶先喜歡了一個物品，所以才喜歡另一個物品，而是同時喜歡兩個物品。當物品之間沒有因果關系的時候，基于因果關系的推薦方法則無法判斷究竟推薦哪一個物品更好。

第二、基于物品的一致性推薦。即表示用戶一致性喜好兩個物品。一致相似性是由從已選擇物品到未選擇物品的相似性和從未選擇物品到已選擇物品的相似性構成，分別稱為正向相似性和反向相似性。由于一致性推薦中影響相似性的因素眾多，其間關系復雜，容易導致物品相似性估計偏差。同時，傳統基于物質擴散的推薦算法偏向于推薦流行物品，使得流行的物品會被頻繁的推薦這不僅不會促進推薦的準確性，而且會傷害到推薦結果的多樣性和新穎性。

發明內容

本發明實施例的目的在于提供一種物品推薦方法及裝置，實現為用戶推薦更加精確和更加個性化的物品。

為達到上述目的，本發明公開了一種物品推薦方法，包括：

根據預先確定的全部物品和全部用戶的初始資源分布矩陣計算全部物品的正向初始轉移矩陣和反向初始轉移矩陣；

確定所述正向初始轉移矩陣對應的正向目標流行性懲罰程度和所述反向初始轉移矩陣對應的反向目標流行性懲罰程度；

根據所述正向目標流行性懲罰程度、所述正向初始轉移矩陣和所述初始資源分布矩陣計算全部物品的正向目標轉移矩陣，根據所述反向目標流行性懲罰程度、所述反向初始轉移矩陣和所述初始資源分布矩陣計算全部物品的反向目標轉移矩陣，根據所述正向目標轉移矩陣和所述反向目標轉移矩陣計算全部物品的雙向目標轉移矩陣；

根據所述雙向目標轉移矩陣和所述初始資源分布矩陣，確定全部物品和全部用戶的目標資源分布矩陣，根據所述目標資源分布矩陣確定推薦給每個用戶的物品。

可選地，所述確定所述正向初始轉移矩陣對應的正向目標流行性懲罰程度和所述反向初始轉移矩陣對應的反向目標流行性懲罰程度，包括：

將所述初始資源分布矩陣至少劃分為第一初始資源分布矩陣和第二初始資源分布矩陣；