[發明專利]獲取推薦數據的方法和裝置

有效

• 申請號: 201710103600.4
• 申請日: 2017-02-24
• 公開（公告）號: CN106874503B
• 公開（公告）日: 2020-03-20
• 發明（設計）人: 裴長龍
• 申請（專利權）人: 珠海邁科智能科技股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/903;G06F16/735
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 溫旭

本發明公開了一種獲取推薦數據的方法和裝置。其中，該方法包括：根據目標對象的操作數據從數據庫中篩選得到待選數據集，其中，數據庫中的每一條數據至少包括如下參數：數據標識和用戶偏好；利用遺傳算法對待選數據集的數據進行處理得到目標數據集；當目標數據集中的數據的適應度之和達到第一預設閾值時，根據目標數據集的數據確定目標對象的推薦數據。本發明解決了無法準確得到推薦數據的技術問題。

技術領域

本發明涉及數據分析領域，具體而言，涉及一種獲取推薦數據的方法和裝置。

背景技術

現在的大多數網站，例如視頻網站、電商網站、金融網站等，都會有用戶推薦的模塊，用于向用戶推薦用戶可能感興趣的數據內容。

目前，推薦算法大致有：基于內容、基于協同過濾、基于關聯規則、基于效用、基于知識的推薦算法?；趦热莸臄祿扑]方法的理論，理論依據主要來自于信息檢索和信息過濾，所謂的基于內容的推薦方法就是根據用戶過去的瀏覽記錄來向用戶推薦用戶沒有接觸過的推薦項。基于協同過濾的推薦算法理論上可以推薦世界上的任何一種東西，包括圖片、音樂等。協同過濾算法主要是通過對未評分項進行評分，從而得到預測數據?；陉P聯規則的推薦(Association Rule-based Recommendation)是以關聯規則為基礎，把已購商品作為規則頭，規則體為推薦對象。關聯規則挖掘可以發現不同商品在銷售過程中的相關性，在零售業中已經得到了成功的應用?；谛в玫耐扑](Utility-basedRecommendation)是建立在對用戶使用項目的效用情況上計算的，其核心問題是怎么樣為每一個用戶去創建一個效用函數，因此，用戶資料模型很大程度上是由系統所采用的效用函數決定的。基于知識的推薦(Knowledge-based Recommendation)在某種程度是可以看成是一種推理(Inference)技術，它不是建立在用戶需要和偏好基礎上推薦的?；谥R的方法因它們所用的功能知識不同而有明顯區別。效用知識(Functional Knowledge)是一種關于一個項目如何滿足某一特定用戶的知識，因此能解釋需要和推薦的關系，所以用戶資料可以是任何能支持推理的知識結構，它可以是用戶已經規范化的查詢，也可以是一個更詳細的用戶需要的表示。

但是，向用戶推薦數據不是一個簡單的工作，因為用戶的興趣是千奇百怪的，通常情況下，利用上述算法，計算機無法很準確地捕捉用戶的興趣點，只能通過用戶的標簽或者用戶經常瀏覽的節目記錄來進行整合數據，并向用戶推薦數據。通過上述方法得到的推薦數據，是比較基礎但又笨拙的方法，沒有去深入挖掘用戶的潛在興趣，不能準確的得到目標用戶的推薦數據。

針對上述無法準確得到推薦數據的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種獲取推薦數據的方法和裝置，以至少解決無法準確得到推薦數據的技術問題。

根據本發明實施例的一個方面，提供了一種獲取推薦數據的方法，包括：根據目標對象的操作數據從數據庫中篩選得到待選數據集，其中，數據庫中的每一條數據至少包括如下參數：數據標識和用戶偏好；利用遺傳算法對待選數據集的數據進行處理得到目標數據集；當目標數據集中的數據的適應度之和達到第一預設閾值時，根據目標數據集的數據確定目標對象的推薦數據。

進一步地，根據目標對象的操作數據從數據庫中篩選得到待選數據集包括：通過數據庫中的每一條數據的數據標識和用戶偏好，計算得到數據庫中的任意兩條數據的數據關聯度；根據目標對象的操作數據以及數據關聯度生成待選數據集。

進一步地，通過如下第一公式計算得到數據庫中的任意兩條數據的數據關聯度

其中，i,j為自然數，N(i)為喜歡節目i的用戶數，N(j)為喜歡節目j的用戶數。

進一步地，通過如下第二公式生成待選數據集P_ij：