[发明专利]基于评分和标签构建用户群体模型的电子商务推荐方法

说明书

技术领域

本发明涉及电子商务智能推荐领域，具体涉及一种基于评分和标签构建用户群体模型的电子商务推荐方法。特别是适用于用户和资源数量庞大，具有标签的群体用户的资源推荐，利用群体用户模型的特点可以缓解用户数据稀疏的问题，提高推荐质量。

技术背景

网络和在线协同技术的迅速发展，让广大网络用户不仅可以从互联网上获取各种信息，还可以自由地发布各种信息或对已有数据添加自己观点和态度的社会化标注。社会化标注系统已经逐渐发展成为重要的网络资源组织与共享平台，成为Web的主要发展方向之一，出现了如Delicious、豆瓣、Flickr、YouTube等一大批社会化标注的应用和体验。互联网上大量用户的标注使得社会化标注系统拥有丰富的特征信息，为用户提供了表达自我和抒发情感的机会。这些主动的标注行为可以反映出用户的兴趣和认知偏好。同时，用户还可以参考和借鉴其他用户所选择的资源和标签，体现出一定的互动性。如果能够将这些社会化标注信息合理运用到图书、电影和音乐等推荐系统中，那么就能够使推荐系统比较准确地把握用户的实时需求并有针对性地进行推荐，从而满足用户的个性化需求，改善推荐的有效性，对于解决信息过载有一定的促进作用。

由于用户数据的稀疏性，异构多源性和社会环境不同等原因，推荐结果受到很大的影响。本发明结合标签和评分信息，通过用户特征分析建立用户的群体模型，然后基于用户的群体模型计算用户对资源的兴趣度，从而缓解用户数据稀疏等问题，形成比较好的推荐结果。

发明内容

本发明的目的在于解决网络推荐的数据稀疏性问题，提出一种基于评分和标签构建用户群体模型的电子商务推荐方法。

用户(u)是指在网站或网络应用上注册的使用者。网络应用系统中的所有用户组成了用户集合表示为U＝{u₁,u₂,...,u_|U|}，网络应用系统上所有资源组成的资源集合表示为I＝{i₁,i₂,…,i_|I|}，用户对资源标注时使用的标签组成标签集合表示为T＝{t₁,t₂,…,t_|T|}，服务端通过收集用户评分和标注信息建立用户模型，推荐引擎根据推荐算法和用户模型为用户推荐其可能感兴趣的资源，然后根据用户对推荐结果的反馈，调整推荐参数，优化推荐结果。其中|U|、|I|、|T|分别表示用户、资源和标签的个数。

用户模型用于获取用户的兴趣特征和需求，用户模型的好坏将直接影响到推荐结果的质量。传统基于评分的用户模型不能准确表达用户的阅读兴趣，例如用户u₁和用户u₂同时阅读了《伟大的博弈》这本书并且评分5分，然而让用户u₁感兴趣的原因是“这是一部金融历史类的图书”，而用户u₂的原因只是想了解华尔街的一些情况。上例中用户u₁可以使用“金融”、“历史”等标签，用户u₂可以使用“华尔街”等标签。用户标签和评分模型如图1所示，从图1中可以看出用户评分与标签是两个相对独立，但又相互补充的过程。它们分别从总的兴趣程度大小和具体各个兴趣点共同对资源进行描述。以资源为媒介，本发明将用户对于资源的评分按权重扩展到标签，然后重新收回到资源，从而形成用户推荐。

与本发明基于评分和标签构建用户群体模型的电子商务推荐方法相关的定义如下：

定义1：￡群体，用户空间上的非空有限集合U＝{u₁,u₂,...,u_n}，对于U上的任意用户u_i，定义其￡群体为￡(u_i)＝{u|u∈U,SimUser(u,u_i)≥￡}，其中0≤￡≤1；则称￡(u_i)为用户u_i相应的￡群体；根据用户群体的定义可知，当用户特征相似度阈值￡＝0时，￡(u_i)包含所有的用户，即用户之间没有区分度；随着￡的增大，用户群体包含用户的个数逐渐减少，不同的用户开始体现出差异性；当￡＝1时，用户群体缩小为一个，这时用户之间的相似度与传统的协同过滤相似度相同；

本发明所述的基于评分和标签构建用户群体模型的电子商务推荐方法，包括以下步骤：

步骤1基于用户特征的用户群体构建；