[发明专利]一种基于用户偏好的个性化推荐方法及其系统

权利要求书

1.一种基于用户偏好的个性化推荐方法，其特征在于，所述方法包括：

根据用户的行为获取用户行为数据，所述用户行为数据包括用户对产品的评分数据；

将得到的所述用户行为数据进行过滤；

将过滤后的用户行为数据划分为训练集和测试集，进行模型训练；

在训练中获取每个用户的个性化参数；

利用所得到的用户的个性化参数预测用户对未选择产品的偏好值；

根据偏好值的大小对用户未选择产品进行递减排序，选择位于前列的多个产品推荐给用户；

其中，所述用户的个性化参数包括初始化资源参数和混合参数，其中，所述在训练中获取每个用户的个性化参数的步骤具体包括：

在训练中通过个性化初始资源分配算法获取每个用户的初始化资源参数；

在训练中通过混合算法获取每个用户的混合参数；

所述将过滤后的用户行为数据划分为训练集和测试集，进行模型训练的步骤具体包括：

步骤A、将保留的用户行为数据进行划分，其中，90％的用户行为数据作为训练集，10％的用户行为数据作为测试集；

步骤B、将得到的所述训练集进行划分，其中，所述训练集的90％的用户行为数据保留，将所述训练集的10％的用户行为数据划分到所述测试集中；

步骤C、利用机器学习方法训练经过上述两次划分之后得到的训练集；

其中，多次重复上述步骤B、C，以得到归一化的接近最优的个性化参数。

2.如权利要求1所述的基于用户偏好的个性化推荐方法，其特征在于，所述用户的行为记录在预设评分系统中，所述用户行为数据包括用户对产品的评分数据，其中，所述将得到的所述用户行为数据进行过滤的步骤具体包括：

过滤掉评分数据低于预设值的用户行为数据，保留评分数据大于或者等于所述预设值的用户行为数据。

3.一种基于用户偏好的个性化推荐系统，其特征在于，所述个性化推荐系统包括：

行为获取模块，用于根据用户的行为获取用户行为数据，所述用户行为数据包括用户对产品的评分数据；

数据过滤模块，用于将得到的所述用户行为数据进行过滤；

数据划分模块，用于将过滤后的用户行为数据划分为训练集和测试集，进行模型训练；

数据训练模块，用于在训练中获取每个用户的个性化参数；

偏好预测模块，用于利用所得到的用户的个性化参数预测用户对未选择产品的偏好值；

产品推荐模块，用于根据偏好值的大小对用户未选择产品进行递减排序，选择位于前列的多个产品推荐给用户；

其中，所述用户的个性化参数包括初始化资源参数和混合参数，其中，所述数据训练模块具体包括：

第一训练子模块，用于在训练中通过个性化初始资源分配算法获取每个用户的初始化资源参数；

第二训练子模块，用于在训练中通过混合算法获取每个用户的混合参数；

所述数据划分模块具体包括：

第一划分子模块，用于将保留的用户行为数据进行划分，其中，90％的用户行为数据作为训练集，10％的用户行为数据作为测试集；

第二划分子模块，用于将得到的所述训练集进行划分，其中，所述训练集的90％的用户行为数据保留，将所述训练集的10％的用户行为数据划分到所述测试集中；

学习子模块，用于利用机器学习方法训练经过上述两次划分之后得到的训练集，

其中，多次重复所述第二划分子模块及学习子模块，以得到归一化的接近最优的个性化参数。

4.如权利要求3所述的基于用户偏好的个性化推荐系统，其特征在于，所述用户的行为记录在预设评分系统中，所述用户行为数据包括用户对产品的评分数据，其中，所述数据过滤模块具体用于：

过滤掉评分数据低于预设值的用户行为数据，保留评分数据大于或者等于所述预设值的用户行为数据。