[發明專利]一種在線教育場景下的混合推薦系統

在審

• 申請號: 202010722243.1
• 申請日: 2020-07-24
• 公開（公告）號: CN111831918A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 段練;姚璐
• 申請（專利權）人: 上海掌學教育科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06Q50/20
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 占麗君

1.一種在線教育場景下的混合推薦系統，其特征在于，包括：

構建模塊：用于構建若干個不同的子推薦引擎；所述子推薦引擎包括基于用戶行為的第一推薦引擎、基于用戶偏好及人口統計的第二推薦引擎、以及基于內容相似度的第三推薦引擎；

混合推薦模塊：用于接收查詢用戶錄入的用戶信息，將所述用戶信息與所述子推薦引擎進行匹配；當子推薦引擎匹配成功時，根據該子推薦引擎生成該用戶信息對應的推薦內容，返回給對應的查詢用戶。

2.根據權利要求1所述在線教育場景下的混合推薦系統，其特征在于，所述第一推薦引擎通過以下方法構建：

采集用戶的歷史行為；

對所述歷史行為進行清洗轉化，構建評分矩陣；

采用所述評分矩陣分別訓練出基于物品的協同過濾模型以及基于用戶的協同過濾模型；

根據預設的優化策略對基于物品的協同過濾模型和基于用戶的協同過濾模型進行融合，得到所述第一推薦引擎。

3.根據權利要求2所述在線教育場景下的混合推薦系統，其特征在于，所述評分矩陣包括物品相似度矩陣，所述物品相似度矩陣的構建方法包括：

從預設的物品候選集中選取兩個不同的物品，分別統計對該兩個物品有過歷史行為的用戶總數，以及同時對該兩個物品有過歷史行為的用戶總數，計算該兩個物品間的相似度；

依次遍歷物品候選集中所有的物品，計算所有物品間的相似度，構建所述物品相似度矩陣；

基于物品的協同過濾模型的訓練方法包括：

獲取目標用戶在預設的時間段內有過歷史行為的物品，篩選出與該物品間的相似度大于預設值、且目標用戶未發生過歷史行為的物品作為推薦內容。

4.根據權利要求2所述在線教育場景下的混合推薦系統，其特征在于，所述評分矩陣包括用戶相似度矩陣，所述用戶相似度矩陣的構建方法包括：

選取兩個不同的用戶，分別統計該兩個用戶有過歷史行為的物品總數，以及該兩個用戶同時有過歷史行為的物品總數，計算該兩個用戶間的相似度；

依次遍歷所有用戶，計算所有用戶間的相似度，構建所述用戶相似度矩陣；

基于用戶的協同過濾模型的訓練方法包括：

獲取與目標用戶相似度較高的用戶，篩選出與獲取到的用戶有過歷史行為、且目標用戶還未發生過歷史行為的物品作為推薦內容。

5.根據權利要求2所述在線教育場景下的混合推薦系統，其特征在于，

所述歷史行為包括用戶的點擊行為、收藏行為和購買行為；

所述優化策略包括熱門物品降權和時效性衰減。

6.根據權利要求5所述在線教育場景下的混合推薦系統，其特征在于，

所述熱門物品降權的計算方法為：物品間的相似度乘以1/(log(1+N(i))),其中N(i)為物品總數；

所述時效性衰減的計算方法為：物品間的相似度乘以時間衰減函數f(t₂,t₁)，t₂為最近一次歷史行為時間，t₁為上一次歷史行為時間。

7.根據權利要求2所述在線教育場景下的混合推薦系統，其特征在于，所述第二推薦引擎的訓練方法包括：

根據所述用戶的歷史行為計算基于不同維度下的熱門物品排行榜以及用戶歷史行為統計數據；

結合該用戶的所述用戶信息與所述用戶歷史行為統計數據，構建該用戶不同生命周期下的偏好結果；

設置不同時期的行為權重，利用該行為權重對不同時期的偏好信息進行加權求和，得出用戶完整生命周期下的偏好信息；

通過用戶完整生命周期下的偏好信息，查詢熱門物品排行榜，返回多個推薦物品候選集，根據預設的占比對推薦物品候選集進行融合，得到最終推薦列表。