[发明专利]一种物品推荐方法、装置

权利要求书

1.一种物品推荐方法，其特征在于，所述方法包括：

采集物品属性数据和用户日志数据，所述用户日志数据中包括用户历史行为数据；

根据所述物品属性数据和所述用户历史行为数据计算物品之间的二维相似度，其中，将物品表示成向量空间模型，物品的每一个属性代表向量空间模型的一维，物品的每一个用户代表向量空间模型的一维；

根据所述二维相似度计算用户对每个物品的喜好程度；

根据所述喜好程度为所述用户推荐相应的物品；

所述根据所述二维相似度计算用户对每个物品的喜好程度，具体包括：

根据已登录的用户U_a的用户历史行为数据的时间信息计算所述已登录的用户U_a的第k个行为b_k的权重w(b_k)；

其中，T为系统当前时间，t(b_k)为所述已登录的用户U_a的第k个行为b_k发生的时间，β为调节参数，用于调节w(b_k)的衰减速度，β∈[0,1]；

根据所述已登录的用户U_a的行为数据计算所述已登录的用户U_a对物品集合N中每个物品i的喜好程度P(U_a，i)；

其中，m(b_k)为行为b_k对应的物品，B(U_a)为已登录的用户U_a的行为数据集合，Sim(i,m(b_k))为物品i和物品m(b_k)之间的二维相似度。

2.如权利要求1所述的方法，其特征在于，所述根据所述物品属性数据和所述用户历史行为数据计算物品之间的二维相似度包括：

根据所述物品属性数据计算物品i与物品j之间的属性相似度Sim_A(i,j)；

根据所述用户历史行为数据计算物品i与物品j之间的行为相似度Sim_B(i,j)；

根据所述属性相似度Sim_A(i,j)和所述行为相似度Sim_B(i,j)计算物品i与物品j之间的二维相似度Sim(i,j)。

3.如权利要求2所述的方法，其特征在于，根据如下所示的公式计算物品i与物品j之间的二维相似度Sim(i,j)：

Sim(i,j)＝α·Sim_A(i,j)+(1-α)·Sim_B(i,j)；

其中，α为调节参数，α大于等于0小于等于1，用于权衡物品属性数据与用户历史行为数据对物品i与物品j之间的二维相似度Sim(i,j)的贡献。

4.如权利要求1所述的方法，其特征在于，所述根据所述物品属性数据和所述用户历史行为数据计算物品之间的二维相似度包括：

根据物品属性数据建立物品属性向量；

根据用户的历史行为数据建立物品行为向量；

根据物品属性向量和物品行为向量建立物品二维向量；

根据所述物品二维向量计算物品i与物品j之间的二维相似度Sim(i,j)。

5.如权利要求4所述的方法，其特征在于，所述根据物品属性向量和物品行为向量建立物品二维向量包括：

根据物品i的属性向量F(i)和物品i的行为向量H(i)建立物品i的二维向量W(i)，所述W(i)满足：

根据物品j的属性向量F(j)和物品j的行为向量H(j)建立物品j的二维向量W(j)，所述W(j)满足：

其中，α为调节参数，α大于等于0小于等于1，||F(i)||₂，||F(j)||₂，||H(i)||₂和||H(j)||₂分别对应于向量F(i)，F(j)，H(i)，H(j)的二范数；

所述根据所述物品二维向量计算物品i与物品j之间的二维相似度Sim(i,j)包括：

根据二维向量W(i)和二维向量W(j)计算物品i与物品j之间的二维相似度Sim(i,j)。