[發(fā)明專利]基于用戶畫像聚類的協(xié)同過濾推薦方法、系統(tǒng)及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011114490.X
• 申請(qǐng)日: 2020-10-16
• 公開（公告）號(hào): CN112307332B
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計(jì)）人: 尚天淇;彭德中
• 申請(qǐng)（專利權(quán)）人: 四川大學(xué)
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/9536;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶智慧之源知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50234
• 代理人: 高彬

本發(fā)明提供的基于用戶畫像聚類的協(xié)同過濾推薦方法、系統(tǒng)及存儲(chǔ)介質(zhì)，通過獲取用戶數(shù)據(jù)，包括屬性數(shù)據(jù)和行為數(shù)據(jù)；對(duì)用戶數(shù)據(jù)進(jìn)行表征，形成用戶表征信息；對(duì)用戶表征信息進(jìn)行降維壓縮，形成低維用戶畫像；采用聚類方法對(duì)低維用戶畫像進(jìn)行聚類，形成用戶興趣簇；對(duì)目標(biāo)用戶，在其所在的興趣簇內(nèi)采用基于用戶的協(xié)同過濾方法對(duì)其進(jìn)行推薦。考慮了用戶行為隨時(shí)間信息的變化，對(duì)用戶的固有屬性信息、用戶過往行為和用戶短期行為進(jìn)行了自適應(yīng)融合，并將用戶按照低維用戶畫像進(jìn)行聚類，根據(jù)聚類后的類別對(duì)用戶進(jìn)行基于用戶的協(xié)同過濾推薦，能夠兼顧效率和精度，降低了計(jì)算復(fù)雜度，保證了更高的推薦速度和準(zhǔn)確率，實(shí)現(xiàn)了應(yīng)對(duì)用戶行為變化的自適應(yīng)推薦。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)人工智能技術(shù)領(lǐng)域，尤其涉及一種基于用戶畫像聚類的協(xié)同過濾推薦方法、系統(tǒng)及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)和自動(dòng)技術(shù)的飛速發(fā)展，現(xiàn)在越來越多的人都擁有智能手機(jī)，平板電腦和其他智能終端，這使得生產(chǎn)、生活的數(shù)據(jù)信息呈爆炸式增長(zhǎng)，這就導(dǎo)致了信息超載問題。當(dāng)用戶在搜索其感興趣的信息時(shí)，會(huì)花費(fèi)大量的時(shí)間和精力去過濾掉無用的信息，然而結(jié)果往往無法讓用戶滿意，于是，個(gè)性化推薦技術(shù)應(yīng)時(shí)而生。個(gè)性化推薦技術(shù)是指利用用戶某種興趣點(diǎn)和購(gòu)買特點(diǎn)，向用戶推薦感興趣的內(nèi)容，是解決信息超載問題的有效途徑。在個(gè)性化推薦技術(shù)中，協(xié)同過濾推薦技術(shù)是最成熟，也是應(yīng)用最廣泛的一種技術(shù)。協(xié)同過濾簡(jiǎn)單來說是根據(jù)興趣相投的用戶群體來預(yù)測(cè)用戶感興趣的信息，并將其推薦給目標(biāo)用戶。但是由于用戶和商品數(shù)的快速增長(zhǎng)，傳統(tǒng)的協(xié)同過濾推薦方法出現(xiàn)了冷啟動(dòng)、數(shù)據(jù)稀疏性、效率低下等問題。

為了改善傳統(tǒng)協(xié)同推薦方法的性能，研究人員從以上問題出發(fā)對(duì)其進(jìn)行研究。

針對(duì)數(shù)據(jù)稀疏性問題，通常對(duì)用戶評(píng)分稀疏矩陣進(jìn)行填充，并引入了相似性計(jì)算因子計(jì)算用戶相似性；還可以采用矩陣分解算法對(duì)高維稀疏數(shù)據(jù)進(jìn)行預(yù)處理，降低數(shù)據(jù)稀疏性。

針對(duì)冷啟動(dòng)問題，通常采用擴(kuò)展用戶本身固有屬性的信息(如社交信息、屬性信息等)融合入用戶行為的協(xié)同過濾算法，有效緩解了用戶冷啟動(dòng)問題。

針對(duì)效率低下問題，通過對(duì)用戶評(píng)價(jià)矩陣進(jìn)行分析，采用K-means聚類算法把興趣和偏好相似程度較高的用戶分到同一個(gè)簇中,以減少搜索最近鄰的時(shí)間。

上述方法雖然在很大程度上解決部分問題，但是缺乏整體性，片面的追求效率或者準(zhǔn)確性。

如專利公開號(hào)為CN106548255A提出的一種基于海量用戶行為的商品推薦方法，該專利申請(qǐng)雖采用了聚類方法，但通常海量行為的超高維度，會(huì)造成聚類方法的相似度計(jì)算失效；而部分基于降維和聚類的協(xié)同過濾推薦算法，例如采用PCA和K-means相結(jié)合的方式對(duì)用戶評(píng)分矩陣進(jìn)行分析，雖然考慮了效率，但仍然存在冷啟動(dòng)問題，未考慮到用戶行為變化問題。

對(duì)用戶進(jìn)行很好地表征是協(xié)同過濾推薦算法的關(guān)鍵和前提。盡可能多地利用用戶數(shù)據(jù)是廣為認(rèn)可的思路，然而如何利用好這些數(shù)據(jù)是困難的。一方面，對(duì)不同的數(shù)據(jù)進(jìn)行區(qū)別對(duì)待，特別是由于用戶興趣可能存在的變化，需要區(qū)分?jǐn)?shù)據(jù)類型并進(jìn)行恰當(dāng)?shù)奶幚恚涣硪环矫妫瑢?duì)數(shù)據(jù)進(jìn)行融合也不能簡(jiǎn)單地用數(shù)據(jù)拼接或者簡(jiǎn)單的加權(quán)算法來實(shí)現(xiàn)；此外，不恰當(dāng)?shù)臄?shù)據(jù)融合可能導(dǎo)致更高維度的用戶數(shù)據(jù)，不僅導(dǎo)致可能的維數(shù)詛咒問題使得計(jì)算失效，可能還會(huì)使得精妙設(shè)計(jì)的算法效率低下。

發(fā)明內(nèi)容

本發(fā)明提供的基于用戶畫像聚類的協(xié)同過濾推薦方法、系統(tǒng)及存儲(chǔ)介質(zhì)，主要解決的技術(shù)問題是：如何對(duì)用戶數(shù)據(jù)進(jìn)行處理，以降低數(shù)據(jù)處理復(fù)雜度，且提升推薦的準(zhǔn)確性。

為解決上述技術(shù)問題，本發(fā)明提供一種基于用戶畫像聚類的協(xié)同過濾推薦方法，包括：

S1：獲取用戶數(shù)據(jù)，包括屬性數(shù)據(jù)和行為數(shù)據(jù)；

S2：對(duì)用戶數(shù)據(jù)進(jìn)行表征，形成用戶表征信息；

S3：對(duì)所述用戶表征信息進(jìn)行降維壓縮，形成低維用戶畫像；