[發明專利]一種個性化推薦方法及系統

在審

• 申請號: 201710510224.0
• 申請日: 2017-06-28
• 公開（公告）號: CN107330050A
• 公開（公告）日: 2017-11-07
• 發明（設計）人: 于敬;桂洪冠;張健;陳運文;文輝
• 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;G06Q30/06
• 代理公司: 北京卓唐知識產權代理有限公司11541
• 代理人: 唐海力,韓來兵

1.一種個性化推薦方法，其特征在于，包括如下步驟：

獲取輸入數據，輸入數據包括點擊數據和對象數據，其中，點擊數據為用戶對興趣對象的操作行為，對象數據包括興趣對象標題、以及根據標題提取的類別或標簽；

將輸入數據進行預處理；

對預處理后的輸入數據進行興趣分析，得到基于標題及類別的推薦列表和基于標簽及類別的推薦列表；

利用推薦算法對基于標題及類別的推薦列表和基于標簽及類別的推薦列表進行加權融合處理，得到候選推薦列表；

按照預設條件對候選推薦列表過濾，生成推薦列表。

2.根據權利要求1所述的個性化推薦方法，其特征在于，所述將輸入數據進行預處理包括

對用戶點擊行為數據、點擊對象數據進行數據清洗、過濾異常行為操作；

將點擊操作行為與用戶進行映射，興趣對象與信息參數進行映射。

3.根據權利要求1所述的個性化推薦方法，其特征在于，所述對預處理后的輸入數據進行興趣分析，得到基于標題及類別的推薦列表和基于標簽及類別的推薦列表包括

設置不同操作的權重；

根據輸入數據獲取不同興趣對象與標題、類別及標簽的關聯關系，以及同一用戶與興趣對象、操作行為、操作時間的關聯關系；

統計同一興趣對象中不同標題與類別、不同標簽與類別的數量，并分別計算不同標題與類別的加權值、不同標簽與類別的加權值；

將不小于預設值的加權值對應的結果作為興趣分析結果。

4.根據權利要求1所述的個性化推薦方法，其特征在于，所述利用推薦算法對基于標題及類別的推薦列表和基于標簽及類別的推薦列表進行加權融合處理，得到候選推薦列表包括

計算標題及類別的推薦列表和基于標簽及類別的推薦列表的加權值；

按照計算得到的加權值將推薦列表進行排序。

5.一種個性化推薦系統，其特征在于，包括

輸入模塊，用于獲取輸入數據，輸入數據包括點擊數據和對象數據，其中，點擊數據為用戶對興趣對象的操作行為，對象數據包括興趣對象標簽、以及根據標題提取的類別或標簽；

預處理模塊，用于將輸入數據進行預處理；

興趣分析模塊，用于對預處理后的輸入數據進行興趣分析，得到基于標題及類別的推薦列表和基于標簽及類別的推薦列表；

重生成模塊，用于利用推薦算法對基于標題及類別的推薦列表和基于標簽及類別的推薦列表進行加權融合處理，得到候選推薦列表；

推薦模塊，用于按照預設條件對候選推薦列表過濾，生成推薦列表。

6.根據權利要求5所述的個性化推薦系統，其特征在于，預處理模塊包括

處理單元，用于對用戶點擊行為數據、點擊對象數據進行數據清洗、過濾異常行為操作；

映射單元，用于將點擊操作行為與用戶進行映射，興趣對象與信息參數進行映射。

7.根據權利要求5所述的個性化推薦系統，其特征在于，興趣分析模塊包括

權重設置單元，用于設置不同操作的權重；

信息提取單元，用于根據輸入數據獲取不同興趣對象與標題、類別及標簽的關聯關系，以及同一用戶與興趣對象、操作行為、操作時間的關聯關系；

加權計算單元，用于統計同一興趣對象中不同標題與類別、不同標簽與類別的數量，并分別計算不同標題與類別的加權值、不同標簽與類別的加權值；

候選分析單元，用于將不小于預設值的加權值對應的結果作為興趣分析結果。

8.根據權利要求5所述的個性化推薦系統，其特征在于，所述重生成模塊包括

融合單元，用于計算標題及類別的推薦列表和基于標簽及類別的推薦列表的加權值；

排序單元，用于按照計算得到的加權值將推薦列表進行排序。