[發明專利]信息推薦方法和裝置

有效

• 申請號: 201910161585.8
• 申請日: 2019-03-04
• 公開（公告）號: CN109886353B
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 何涇沙;楊鎮寧;朱娜斐;于聰;宿紹勛;杜晉輝
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/9535
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 張陽

本申請涉及信息推薦技術領域，尤其涉及一種信息推薦方法和裝置。其中，方法包括：對項目所在的項目集合進行聚類，生成多個包含項目的類簇；計算用戶對該項目在每個類簇中的短期興趣權重和長期興趣權重；根據短期興趣權重和長期興趣權重計算用戶對該項目在每個類簇中的預測評分；獲取該項目與各個類簇的相似度；根據該項目在每個類簇中的預測評分和所述項目與各個類簇的相似度計算得到最終預測評分；根據該最終預測評分生成推薦列表。本申請提高了推薦質量。

技術領域

本公開涉及信息推薦技術領域，尤其是涉及一種信息推薦方法和裝置。

背景技術

當今時代，商品經濟繁榮，商品的種類繁多，數量巨大，電商平臺都具備推薦系統。推薦系統用來為用戶推薦商品。往往根據用戶的興趣進行個性化推薦。協同過濾算法是推薦系統中使用最廣泛的算法。它被應用在各大平臺的推薦系統中。現有的協同過濾算法沒有考慮用戶的興趣轉移模型，也沒有考慮項目聚類方法，由于商品數量較大，計算開銷較高推薦結果不準確，質量低。

發明內容

有鑒于此，本申請實施例提供一種信息推薦方法和裝置，用以提高推薦質量。

第一方面，本申請實施例提供了一種信息推薦方法，包括：對項目所在的項目集合進行聚類，生成多個包括所述項目的類簇；計算用戶對所述項目在每個類簇中的短期興趣權重和長期興趣權重；根據所述短期興趣權重和長期興趣權重計算用戶對所述項目在每個類簇中的預測評分；獲取所述項目與各個類簇的相似度；根據所述項目在每個類簇中的預測評分和所述項目與各個類簇的相似度計算得到所述項目的最終預測評分；根據所述項目的最終預測評分將所述項目加入推薦列表。

在本發明較佳的實施例中，計算用戶對所述項目在每個類簇中的短期興趣權重的步驟，包括：

其中，u代表用戶，i代表項目；T_S為用戶u評價項目的平均時間間隔；T_i為用戶u評價項目i的時間；T_{(last_C(i))}是指用戶在項目i所屬的類簇C(i)中，評價與項目i相鄰的上一個項目所用的時間；K是用戶u對項目i所屬的類簇中所有項目評價的總次數；

計算用戶對所述項目在每個類簇中的長期興趣權重的步驟包括：

Long(u,i)＝rating(u,i)×time(u,i)

rating(u,i)代表用戶u對項目i所屬類簇中的項目的評分占所有類簇的所有項目評分的權重；

time(u,i)代表用戶u對項目i的所屬類簇中項目的評分次數占所有類簇中的所有項目的評分次數的權重；

其中，s代表項目i所屬的類簇，A代表所有的類簇。

在本發明較佳的實施例中，根據所述短期興趣權重和長期興趣權重計算用戶對所述項目在每個類簇中的預測評分的步驟，包括：

Drift(u,i)＝λ×Short(u,i)+(1-λ)×Long(u,i)；

其中，λ為控制參數，0≤λ≤1；是用戶u在類別S中的平均評分，k是與本評分相關的與項目i相鄰的項目j的個數；

Sim^S_(i,j)表示類簇S中的項目i和與項目i相鄰的項目j之間的相似度；

R_u,j表示用戶u對與項目i相鄰的項目j的評分。

在本發明較佳的實施例中，根據所述項目在每個類簇中的預測評分和所述項目與各個類簇的相似度計算得到所述項目的最終預測評分的步驟，包括：