[發明專利]一種協同過濾推薦方法及系統

有效

• 申請號: 201910478944.2
• 申請日: 2019-06-04
• 公開（公告）號: CN110390046B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 楊志明
• 申請（專利權）人: 深思考人工智能機器人科技（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 牛崢;王麗琴

1.一種協同過濾推薦方法，其特征在于，包括：

獲取到用戶的評論信息，輸入到用戶之間的相似度模型中，輸出得到用戶之間的相似度結果；

根據用戶之間的相似度結果獲取得到用戶的設定數量的最近鄰用戶集合；

根據用戶的設定數量的最近鄰用戶集合，獲取用戶的潛在推薦物品集合；

從用戶的潛在推薦物品集合中得到用戶的推薦物品集合；

基于從用戶的評論信息獲取的最大用戶相似度、物品認可度、畫像匹配水平、最大關注度、用戶物品相關性及物品熱度，設置偏好度模型，將獲取得到用戶的推薦物品集合中的每個物品輸入到設置的偏好度模型中，計算得到用戶的推薦物品集合中的每個物品的偏好度；

將設定數量的偏好度最大的物品，作為為用戶的推薦物品；

得到用戶的推薦物品集合是通過設置的推薦物品模型獲取的，所述推薦物品模型為：

其中candidateItem_u表示目標用戶u的候選推薦物品集合；I_v表示與用戶v相關的物品集合；I_u表示與用戶u相關的物品集合；

所述偏好度模型為：

p_u,i＝mus_u,i·recognition_i·pml_u,i·ma_u,i·uic_u,i·heat_i

其中，p_u,i表示用戶u相對于物品i的偏好度；

mus_u,i表示物品i關于用戶u的最大用戶相似度，U_i表示物品i的評論用戶集合，s_u,v表示用戶u和v之間的相似度；

recognition_i表示用戶u對物品i的認可度,recognition_i為recognition_u,i，

recognition_u,i表示用戶u對物品i的認可度，表示在用戶u的設置K數量范圍內的最近鄰用戶對物品i的認可度，state_v,i表示物品i與用戶v相關與否的狀態標記，

其中I_v表示與用戶v相關的物品集合；

pml_u,i表示物品i的標簽集合與用戶u畫像集合的匹配水平，F_i表示物品i的屬性集合，LUP_u表示用戶u隱式畫像集合；

ma_u,i表示物品i相對于用戶u的最大關注度，attention_u,i的計算為attention_u,i表示用戶u對物品i的關注度，noc_u,i表示用戶u對物品i的評論數量；k是關注度系數，k0,設置為1；

其中noc_u,i表示用戶u和物品i之間的相關性；s_i,j表示物品i和j之間的相似度；

heat_i＝noc_i，heat_i表示物品i獲得的總的評論數，noc_i表示對物品i的頻率數量。

2.如權利要求1所述的方法，其特征在于，所述用戶的評論信息包括：與用戶相關的物品集合，及獲取的用戶的特征信息。

3.如權利要求1或2所述的方法，其特征在于，所述用戶之間的相似度模型建模時基于：用戶對物品的關注度、物品的流行度、非共相關物品數量及共相關物品數量。

4.如權利要求1或2所述的方法，其特征在于，所述用戶之間的相似度模型建模時采用的公式為：

其中us_u,v表示用戶u和用戶v之間的相似度；I_u和I_v分別表示用戶u和用戶v評論過的物品集合；I_u,v表示用戶u和用戶v共同評論的物品集合；α_u0為用戶相似度系數，設置為1；β_u0是用戶杰卡德系數，設置0.5，noc_u,i表示用戶u對物品i的評論數量。

5.一種基于權利要求1所述方法的協同過濾推薦系統，其特征在于，該系統包括：第一處理模塊、第二處理模塊、第三處理模塊、第四處理模塊、第五處理模塊及第六處理模塊，其中，

第一處理模塊，用于獲取到用戶的評論信息，輸入到用戶之間的相似度模型中，輸出得到用戶之間的相似度結果；

第二處理模塊，用于根據用戶之間的相似度結果獲取得到用戶的設定數量的最近鄰用戶集合；

第三處理模塊，用于根據用戶的設定數量的最近鄰用戶集合，獲取用戶的潛在推薦物品集合；

第四處理模塊，用于從用戶的潛在推薦物品集合中得到用戶的推薦物品集合；

第五處理模塊，用于基于從用戶的評論信息獲取的最大用戶相似度、物品認可度、畫像匹配水平、最大關注度、用戶物品相關性及物品熱度，設置偏好度模型，將獲取得到用戶的推薦物品集合中的每個物品輸入到設置的偏好度模型中，計算得到用戶的推薦物品集合中的每個物品的偏好度；

第六處理模塊，用于將設定數量的偏好度最大的物品，作為為用戶的推薦物品。