[发明专利]一种基于协作的推荐系统及其工作方法

说明书

技术领域

本发明涉及一种基于协作的推荐系统及其工作方法，属于推荐系统的技术领域。

背景技术

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载的时代，在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：作为信息消费者，如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情；而作为信息生产者，如何让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。搜索引擎是一种具有代表性的解决信息过载的方法，用户通过关键词搜索可以快速找到自己需要的信息。但是，搜索引擎需要用户主动提供准确的关键词，因此不能解决用户的很多其他需求，比如当用户无法找到准确描述自己需求的关键词时，搜索引擎就无法得到理想的效果。

推荐系统是一种帮助用户快速发现有用信息的工具。和现有搜索引擎不同的是，推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动为用户推荐能够满足他们潜在兴趣和需求的信息。因此，相对于用户来说，搜索引擎和推荐系统是两个互补的工具：搜索引擎满足了用户有明确目的时的主动查找需求，而推荐系统能够在用户没有明确目的的情况下帮助他们发现感兴趣的新内容。在电子商务应用领域，推荐系统通过分析用户的行为信息，挖掘用户的个性化需求，从而将长尾商品准确地推荐给用户，帮助用户找到那些他们感兴趣但很难发现的商品。

在当今大数据环境下，可以获取用户数据的智能设备越来越多，然而就某个特定的独立的推荐系统可能存在用户数据不足的问题，即推荐系统中的冷启动问题。现有冷启动问题的解决方案一般是向新用户推荐热门物品，但这种解决方式向用户提供的是粗粒度的个性化推荐，因此，如何处理和利用特定用户的多源数据，提供准确的面向特定用户的个性化服务就成了推荐系统面临的一大挑战。

发明内容

针对现有技术的不足，本发明公开了一种基于协作的推荐系统；

本发明还公开了上述系统的工作方法；

推荐系统旨在通过分析和利用用户历史行为信息向用户提供主动式的推荐服务。协作机制是一个数据融合的过程，解决了单一推荐系统中的冷启动问题，使推荐系统提供的服务能准确地契合用户个性化需求。

本发明的技术方案为：

一种基于协作的推荐系统，包括：边缘系统模块、协作中心系统模块、目标系统模块，所述边缘系统模块、所述协作中心系统模、所述目标系统模块依次连接；

所述边缘系统模块采集和存储用户信息并向所述协作中心系统模块提供所需的特定用户信息；所述协作中心系统模块响应所述目标系统模块的协作请求，向所述边缘系统模块发出协作请求，并对从所述边缘系统模块获取的用户信息进行不一致性消除和推理融合，向所述目标系统模块输出所需的特定用户数据；所述目标系统模块向用户提供个性化推荐服务，在冷启动时向所述协作中心系统模块发起协作请求。

根据本发明优选的，所述目标系统模块包括：用户数据库单元、推荐引擎单元、初始推荐单元、过滤单元、排名单元、推荐结果展示及解释单元、用户单元，所述用户数据库单元包括情景信息模块和行为信息模块,所述用户数据库单元、所述推荐引擎单元、所述初始推荐单元、所述过滤单元、所述排名单元、所述推荐结果展示及解释单元、所述用户单元依次连接，所述用户单元与所述用户数据库单元相连。

根据本发明优选的，所述用户数据库单元用来存储用户信息，用户信息包括行为信息和情景信息，所述行为信息是指用户使用过某一物品并对其进行评分，所述情景信息是指用户所处的周围环境信息，如时间，地点等信息。用户信息为多维笛卡尔乘积形式；比如“用户As×物品Bs×时间Cs×地点Ds×评分”，其含义为用户As在时间Cs在地点Ds对物品Bs评分；根据用户反馈信息获取方式的不同，所述评分包括两种：一种是显式评分信息，即用户As对物品Bs直接给予的打分信息，二是隐式评分信息，即通过分析用户As的行为间接给出的评分信息。所述推荐引擎单元提取出所述用户信息，并通过基于物品的协同过滤算法即itemCF算法得到初始推荐结果；所述初始推荐单元存储经过所述推荐引擎单元得到的初始推荐结果；所述过滤单元采用三种策略逐步对得到的初始推荐结果进行过滤；所述排名单元对经过所述过滤单元得到的推荐结果进行排名，对热门物品进行降权,热门物品是指推荐结果中流行度较高的物品；所述推荐结果展示及解释单元用于展示经过所述排名单元得到的推荐结果，并向用户解释推荐结果的理由，得到最终推荐结果；所述用户单元接受所述最终推荐结果，并将用户对最终推荐结果服务满意度信息反馈到所述用户数据库单元中。