[發(fā)明專利]一種信息推薦方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110717312.4
• 申請日: 2021-06-28
• 公開（公告）號: CN113190763B
• 公開（公告）日: 2021-09-24
• 發(fā)明（設計）人: 侯磊;潘雪
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 南京樂羽知行專利代理事務所(普通合伙) 32326
• 代理人: 李玉平

本發(fā)明公開一種信息推薦方法及系統(tǒng)，基于協(xié)同過濾，判斷信息過濾系統(tǒng)是否存在過濾氣泡的效應，針對過濾氣泡效應提出相似度懲罰算法。在為一個目標用戶生成推薦列表時，相似度懲罰算法采用迭代方式。每一次的迭代中，算法只確認一個得分最高的產品作為推薦，而其他所有候選產品的得分將受到其與已被推薦產品之間相似度的懲罰。這種迭代延續(xù)至目標數(shù)量的推薦列表生成為止。實驗表明，相似度懲罰算法可以顯著改善過濾氣泡效應，并同時提升推薦的準確性。

技術領域

本發(fā)明涉及一種信息推薦方法及系統(tǒng)，屬于信息推薦技術領域。

背景技術

在當前的信息時代中，用戶可以隨時輕易地從線上系統(tǒng)獲取各類信息。然而，用戶很難在如此巨大信息量的環(huán)境中定位到最為相關且感興趣的信息內容。作為一個行之有效的解決方案，推薦系統(tǒng)在過去的十幾年中被廣泛研究并已取得顯著的進展。推薦系統(tǒng)可以有效地輔助用戶在繁雜龐大的線上信息系統(tǒng)中定位自己所感興趣的信息。推薦系統(tǒng)是根據(jù)用戶的歷史行為數(shù)據(jù)，預測用戶未來將會感興趣的信息對象。按照內在邏輯的不同，大致有兩種主流的方法完成這種預測，即基于內容的推薦系統(tǒng)，以及協(xié)同過濾。無論是基于何種邏輯的推薦系統(tǒng)，其預測的準確性在多數(shù)場景中都是首要目標。

然而，除了準確性的要求以外，一個好的推薦系統(tǒng)仍需要滿足很多其他的功能需求以達到更好的服務質量。很多推薦方法在追求準確性的過程中，過分地擬合用戶的歷史興趣信息，導致群體或個體層面推薦的同質化問題。而脫離準確性又會很大程度上喪失推薦的意義。

線上推薦系統(tǒng)中常用的信息過濾技術，這些信息過濾系統(tǒng)將異質化、多樣的信息隱藏起來，而只篩選出其認為用戶所偏好的同質信息，也就因此形成了一個個的“過濾氣泡”。

過濾氣泡的效應與個體層面多樣性的問題類似，其可能導致用戶體驗的下降，對其信息獲取乃至決策帶來影響。

發(fā)明內容

發(fā)明目的：針對現(xiàn)有技術中存在的問題與不足，本發(fā)明提供一種信息推薦方法及系統(tǒng)。使推薦系統(tǒng)能夠給出符合用戶興趣的多樣化推薦信息，避免過濾氣泡現(xiàn)象。

本發(fā)明引入一種相似度懲罰算法，以嵌入傳統(tǒng)協(xié)同過濾方法中，從而打破個性化推薦系統(tǒng)的過濾氣泡效應，提供多樣化的推薦信息。

技術方案：一種信息推薦方法，采集用戶與產品的歷史交互信息，抽取出用戶的集合U={u₁,u₂,…,u_N}，以及產品的集合O={o₁,o₂,…,o_M}；將用戶與產品的歷史交互記錄利用一個鄰接矩陣來表示，記作A={a_uo}_N×M。

將共同選擇過某兩個產品 i 和 j 的用戶的數(shù)量，作為這兩個產品信息的相似度。

在目標用戶未選擇的所有產品中找到L個其最有可能感興趣的產品信息作為推薦列表。