[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

技術領域

本發明涉及信息搜索技術領域，具體涉及一種個性化推薦方法及系統。

背景技術

當今信息社會里，個性化推薦系統已經與我們的生活密不可分。當我 們閱讀新聞資訊、網上購物、聆聽音樂、觀看視頻的時候都會看到各種各 樣的“推薦”榜單，形式有“猜你喜歡”、“你可能感興趣的商品”、“與 你興趣相似的用戶還在看”等等。個性化推薦通過對用戶的行為數據進行 深入地分析和挖掘，千人千面地向用戶推薦真正感興趣的信息或者商品。 對于個人而言，個性化推薦可以幫助用戶解決面對琳瑯滿目并且種類繁雜 的商品、電影、歌曲、視頻等各種服務時無所適從的問題。對于企業而言， 個性化推薦可以不僅提供極佳的用戶體檢，滿足用戶的信息需求，也幫助 企業挖掘其中蘊含的無限商機，有效提升用戶點擊率、付費率和二次購買 率。

然而在實際業務場景中，實時個性化推薦還存在諸多挑戰：1)用戶興 趣是在快速變化的。當用戶購物時，用戶今天想買的是電器，過一段時間 可能想買的是衣服。當用戶聽音樂時，用戶當前聽的是一些輕緩的歌曲， 過幾個小時想聽的可能就是一些歡快動感的曲目；2)用戶的行為除了正反 饋的，比如點擊、收藏、購買。同時也有負反饋的，比如用戶對當前的推 薦結果不滿意的話，可以支持“不喜歡”的這種行為類型；3)用戶所操作 的物品信息的語義信息存在歧義的情況，比如“三生三世十里桃花”，可 能是小說，也可能是電視劇或者電影；4)推薦結果的準確率和召回率往往 此消彼長，如何保證高準確率的同時提高召回率也需要好好權衡。

發明內容

本發明的目的是通過獲取用戶的實時操作數據，結合被點擊物品信息， 包括標題、標簽和分類，從而生成用戶的實時興趣，基于這些信息從大量 待推薦物品集里篩選出用戶最感興趣的物品列表進行精準推薦。

為了實現上述目的，本發明提供了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。

進一步，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。

進一步，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。

進一步，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。

本發明還提供了一種個性化推薦系統，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 題、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。

進一步，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。

進一步，興趣分析模塊包括