[发明专利]一种基于情景信息的个性化资源信息的推荐方法

说明书

技术领域

本发明涉及信息过滤和数据挖掘技术领域，是一种新型的基于情景 信息的个性化资源信息的推荐方法。

背景技术

随着Web 2.0的发展，互联网上的信息量成指数级增长。海量的信 息使用户快速便捷的发现和获取自己所需的信息变得困难。推荐系统作 为信息过滤的重要手段，能自动的发现用户感兴趣的信息，有效的为用 户提供个性化服务。目前，推荐系统已融入各大电子商务系统，如 Amazon，eBay，Youtube等，并仍以迅猛的势头发展。DVD在线租赁 商Netflix于2006年10月2日发起一项竞赛：Netflix Prize， 任何组织或个人只要能够提交比它现有电影推荐系统Cinematch效果 好10％的新方法，就可以获得一百万美元的奖金。

推荐算法在20世纪90年代被作为一个独立的概念提出来。1997 年Resnick和Varian对推荐系统给出了非形式化的定义：“推荐是利 用电子商务网站向用户提供商品信息和建议，帮助用户决定应该购买什 么产品，模拟销售人员帮助客户完成购买的过程”。

推荐系统根据推荐的方法可以分为基于内容的推荐、协同过滤、混 合推荐三种方法。基于内容的推荐是指根据用户历史的喜好信息，推荐 具有类似属性的资源。该方法的不足在于推荐资源的单一性，以及对多 媒体资源的内容特征提取方面的问题，因此该方法多用于网页资源的推 荐。协同过滤的方法通过寻找与用户具有相同兴趣爱好的用户组，向用 户推荐用户组内其他用户喜好的资源。由于该方法的实时性和有效性， 在实时推荐系统中具有广泛的应用，但是也面临了许多问题，如对新用 户或新资源推荐时的冷启动问题，评分数据的稀疏性问题，以及算法的 可扩展性问题等。混合推荐方法是将以上几种方法组合使用的方法，目 的在于弥补各种推荐方法的不足。

协同过滤推荐技术是推荐系统中最为成功的技术之一，它被广泛的 应用于电子商务类网站，该技术也成为学术界研究的热点。Palmisano， Tuzhilin和Gorgoglione[Palmisano，C.，Tuzhilin，A.，Gorgoglione， M.：Using Context to Improve Predictive Modeling of Customers in Personalization Applications.IEEE Transactions on Knowledge and Data Engineering 20(2008)1535-1549]通过考察情景信息(context) 对推荐结果的影响，指出将情景信息加入协同过滤系统中以提高推荐的 准确率，将是协同过滤未来发展的方向。这里，情景信息定义为电子商 务应用中用户购买或浏览资源的目的。伴随着Web 2.0，delicious、 Flickr、CiteULike等协作式标注系统迅速发展壮大，协作式标注系统 允许用户根据自己的背景知识给资源标注任意的标签，以达到共享、发 现和检索资源的目的。这些协作式标注系统提供了大量有价值的信息， 如标签，它体现了用户喜好资源的原因；时间，它体现了用户兴趣的漂 移。标签和时间作为协作式标注系统里的情景信息，可以为协同过滤推 荐提供服务。