[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

本發明公開了一種協同過濾推薦方法及系統，本發明實施例提出了不需要用戶的評分數據，而是基于用戶的相關評論信息的協同過濾推薦方法，特別是對現有的協同過濾推薦方法中最后一個步驟進行改進，即將獲取向目標用戶的推薦物品集合的步驟進行改進，使得在沒有用戶的評分數據情況下，進行目標用戶的推薦物品集合中的各個物品的偏好度進行計算后，將設定數量的偏好度最大的物品集合推薦給用戶。這樣，本發明就可以不需要用戶的評分基礎上，實現協同過濾推薦物品集合。

技術領域

本發明涉及計算機技術領域，特別涉及一種協同過濾推薦方法及系統。

背景技術

隨著互聯網技術的快速發展，互聯網網絡側根據用戶數據為用戶進行個性化推薦。在進行個性化推薦過程中，需要根據用戶的歷史偏好和行為的用戶歷史數據，給用戶提供其感興趣的推薦信息。為了實現為用戶推薦信息，可以采用協同過濾推薦方法進行推薦。

當前的協同過濾推薦方法大都需要基于用戶對物品的顯式評分來構建推薦模型，然后將用戶的評分信息輸入到推薦模型中，最終輸出得到推薦信息。

當前的協同過濾推薦方法包括：

第一步驟，計算用戶之間的相似度

當前用于計算用戶之間的相似度度量方法有很多，其中廣泛被使用的有歐氏距離、余弦相似度、皮爾斯相關系數和杰卡德相似系數等，歐氏距離、余弦相似度及皮爾斯相關系數等都需要基于用戶對物品的評分計算，杰卡德相似系數可以在沒有被評分的情況下完成用戶相似度的計算，其考慮的是用戶相關的物品數量，計算公式為：

其中Jaccard(u，v)表示用戶u和用戶v之間的相似度；I_u和I_v分別表示與用戶u和用戶v相關的物品集合；I_u，v表示與用戶u和用戶v相關物品的交集。

第二步驟，獲取目標用戶的K個最近鄰用戶集合

基于第一步驟中計算的用戶之間的相似度，篩選出與目標用戶相似度最大的K個用戶集合，即篩選出與目標用戶最相似的K個用戶。

第三步驟，獲取目標用戶的潛在推薦物品集合

基于目標用戶的K個最近鄰用戶集合，獲取目標用戶的潛在推薦物品集合，具體實施步驟分為：a、獲取目標用戶的K個最近鄰用戶集合中所有用戶的相關物品的并集；b、從a中的相關物品的并集中刪除與目標用戶相關的所有物品；c、根據b獲得的物品集合就是目標用戶潛在的推薦物品集合。

第四步驟，獲取向目標用戶的推薦物品集合

對第三步驟得到的目標用戶的潛在推薦物品集合，分別計算其中所有物品的偏好度，計算公式為：

其中p_u，i表示用戶u對物品i的偏好度；U_i表示與物品i相關的用戶集合；U_u表示用戶u的K最近鄰用戶集合；s_u，v表示用戶u和用戶v之間的相似度；r_vi表示用戶v對物品i的評分。

可以看出，目前的協同過濾推薦方法的整個流程中都需要用戶主動提供的評分數據參與，當獲取不到用戶的評分數據時則無法完成協同過濾推薦。然而目前越來越普遍的情況為：網絡側無法獲取到用戶的主動評分數據，比如網絡側未提供對物品的顯式評分選項，而僅僅提供了對物品的評論選項，類似于點贊或收藏等選項等，這時就無法采用當前的協同過濾推薦方法為用戶推薦信息。

發明內容

有鑒于此，本發明實施例提供一種協同過濾推薦方法，該方法能夠在不需要用戶的評分數據基礎上，實現協同過濾推薦方法。

本發明實施例還提供一種協同過濾推薦系統，該系統能夠在不需要用戶的評分數據基礎上，實現協同過濾推薦方法。