[发明专利]一种用户兴趣获取与传播方法及其系统

说明书

技术领域

本发明涉及电子商务个性化推荐领域，尤其是涉及一种用户兴趣获取与传播方法及其系统。

背景技术

个性化推荐系统是一种根据用户的行为特征和兴趣特点，向用户推荐其可能感兴趣的商品或资源的软件系统，在电子商务领域中有着极其重要和广泛的应用。个性化推荐建立在海量的用户历史数据之上，通过数据挖掘和推荐算法，帮助电子商务平台(后面简称平台)向用户提供一套个性化决策支持的解决方案。推荐算法一般分为三种：基于内容的推荐算法，协同过滤算法和混合推荐算法。基于内容的推荐是资源与资源间的匹配，同时结合用户兴趣进行推荐。协同过滤推荐是用户与用户问的匹配，即利用用户对商品的评分来进行推荐。混合推荐则是把上述两种推荐方式结合起来。

无论推荐系统采用上述哪一种推荐算法，其共同点是都必须依赖于各自平台中用户浏览的历史记录，从而利用历史记录计算出用户兴趣模型或用户相关的信息。这就导致了以下两个缺陷。

1)平台依赖性：每个平台都使用自己的一套用户兴趣挖掘算法，并且独立地维护和更新一组兴趣相关数据。这些数据是该平台所特有的，一旦离开这个平台，这些数据就失去了意义，因为其他平台根本无法识别。

2)数据的局部性和稀疏性：用户的兴趣相关数据只存在于特定的平台中，而且也只有在该平台中才有意义。如果用户切换到一个他从未访问过的平台，那么在该新平台中他的历史数据和兴趣相关数据为空。该平台根本无法针对他的兴趣做出推荐。哪怕是该平台与前面他访问过的平台非常类似(例如都是网上书店)。

目前，针对上述两个问题的处理方式都是基于单个平台进行的，而本发明则以多平台的总体为出发点，提出一套全新的用户兴趣获取和传播机制，从而在很大程度上克服了现有推荐系统中存在的上述两个缺陷。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用户兴趣获取与传播方法及其系统，能够快速捕捉用户的兴趣，通过不断更新使得用户兴趣逐步完善，从而利于兴趣获取与传播。

本发明的目的可以通过以下技术方案来实现：

一种用户兴趣获取与传播方法，包括以下步骤：

步骤S1：客户端建立存放通用用户兴趣模型的存储空间，并将通用用户兴趣模型中的兴趣集初始化为空集；

步骤S2：基于通用用户兴趣模型，客户端根据反馈的用户兴趣调查结果或电子商务平台的历史兴趣集，生成通用用户兴趣模型中初始兴趣集；

步骤S3：用户访问电子商务平台；

步骤S4：客户端向当前电子商务平台的个性化推荐模块提出传播用户兴趣请求，当前个性化推荐模块通过兴趣模型转换接口接收客户端内通用用户兴趣模型，根据通用用户兴趣模型中的兴趣集更新当前个性化推荐模块中对应用户的兴趣集；

步骤S5：判断当前个性化推荐模块中对应用户的兴趣集是否与客户端内通用用户兴趣模型中的兴趣集相同，若否，则执行步骤S6，若是，兴趣传播完成，执行步骤S7；

步骤S6：从当前个性化推荐模块中提取对应用户的新兴趣集，经过兴趣模型转换接口发送给客户端，更新客户端内通用用户兴趣模型中的兴趣集，兴趣更新完成；

步骤S7：用户继续访问其他电子商务平台，客户端与电子商务平台的个性化推荐模块进行通信，跳转步骤S4。

所述的通用用户兴趣模型的建立方法包括：

101：建立描述用户兴趣特点的基本结构，即元兴趣，每个元兴趣由若干个键值对组成，表示为元兴趣in＝∪＜k_i，v_i＞(i＝1，2，3，…)，k_i，v_i为键值，将所有元兴趣组成集合为元兴趣全集，记为IN_all＝{in₁，in₂，…，in_N}，其中N为元兴趣全集的长度，再将若干个元兴趣组成集合为元兴趣集，记为IN，且

102：建立描述元兴趣间相互关系的结构，即兴趣关系，每个兴趣关系用一个三元组表示，表示为兴趣关系r_ij＝＜in_i，in_j，ρ＞(in_i，in_j∈IN)，其中ρ表示元兴趣in_i和in_j之间的关系函数，且r_ij和r_ji不同；