[发明专利]基于上下文信息的多策略商品推荐系统

说明书

技术领域

本发明涉及网络技术领域的一种基于上下文信息的多策略推荐系统，用于针对电子商务网站中用户操作行为的分析，针对用户个体的商品信息需求，基于用户和系统的上下文信息提供多策略个性化商品信息推荐服务。

背景技术

随着互联网信息服务业务的高速增长，电子商务的信息服务网站也呈现出迅猛发展的强劲态势，电子商务网站已经成为企业实现商品营销的重要服务平台。同时，电子商务网站也已成为用户进行商品选择和购买的便捷工具。但是，随着电子商务网站规模的增大，其提供的商品数量也急剧增加，从早期提供数十种商品信息，到现在提供数以万计的商品信息服务，用户已无法完全人工地在如此大的商品空间中，按照个体的需要获得满足要求的商品信息，产生了所谓的“信息过载”问题。

针对信息过载问题，大量电子商务网站部署了用于实现用户个性化信息服务的推荐系统(Recommender System)，推荐系统能够收集和记录用户的操作信息，并通过一定的算法对用户操作信息进行分析，挖掘用户的各种兴趣，形成相应的用户兴趣和需求的描述。在用户个体与电子商务网站进行交互的过程中，推荐系统可以基于用户描述(User Profile)对网站的商品信息进行过滤，有选择的向用户个体主动推荐符合用户兴趣和信息需求的商品信息，从而实现个性化信息服务。

已有的推荐系统一般采用基于单一策略的推荐方法，常见的推荐系统主要有基于内容的推荐系统、协作推荐系统、基于用户个体信息的推荐系统和基于知识的推荐系统。单一推荐策略在用户数量和项目数量比较少的情况下可以保证一定的推荐质量，但是对于大规模的推荐任务，单一策略推荐方法在推荐准确性和数据处理规模方面存在一定的缺陷，如基于内容的推荐系统很难发现用户的潜在兴趣，协作推荐系统在用户对商品评分数据较少时难以产生令用户满意的推荐结果等。但不同的单一推荐策略之间存在一定程度的功能互补，通过将不同的推荐系统进行混合，形成了一定形式的混合推荐系统(Hybrid Recommender)，可以使系统的整体功能和性能取得一定改善。但是，混合推荐系统的适用环境和条件相对固定，而且没有针对用户和系统的上下文信息，很难适应用户兴趣和系统状态的动态变化，无法满足用户的功能和性能需求，降低了用户对电子商务网站服务的满意度。

发明内容

本发明的主要目的是针对已有推荐系统中存在的问题，提出一种基于上下文信息的多策略推荐系统。该推荐系统在已有的单一策略推荐系统和混合推荐系统的基础上，建立一种基于用户和系统上下文信息，具有自适应能力的多策略选择机制。该推荐系统可以根据用户的操作状态和电子商务网站系统状态等上下文信息，动态自动选择符合要求的推荐策略，进而实现对用户的个性化商品推荐。

本发明中所涉及的推荐系统区别于已有推荐系统，其提高了推荐系统的动态适应能力，通过多种策略的混合应用从而解决已有推荐系统的缺陷，最终提高系统的整体推荐质量和性能，满足了用户对个性化商品信息服务质量的要求。

本发明中需要解决的关键问题是，根据收集到的用户操作信息，从中挖掘用户的兴趣，并随着用户操作和时间变化更新用户的兴趣模型，当用户访问电子商务网站时，推荐方法根据当前系统和用户的上下文信息，动态选择适合上下文信息的推荐策略，并针对用户的兴趣，由动态选定的推荐策略生成优化的个性化商品推荐信息。

为实现上述目的，基于上下文信息的多策略商品推荐系统包括的主要功能部件有：用户操作信息收集部件、用户操作信息分析部件、用户兴趣更新部件、用户兴趣表示和存储部件、上下文信息管理部件、策略选择部件、混合策略推荐部件、单一策略推荐部件、推荐系统外部接口部件、离线处理部件、上下文信息数据库、策略选择规则库、用户兴趣描述数据库和商品信息数据库。

本发明采用客户机/服务器工作模式，各种功能部件分别部署于用户客户机和电子商务网站服务器；其中用户操作信息收集部件工作于用户客户机本地，其他部件均工作于电子商务网站服务器端，尽量减少了系统对客户机的软硬件要求和依赖。