[发明专利]基于用户兴趣的个性化推荐方法

说明书

技术领域

本发明具体涉及一种基于用户兴趣的个性化推荐方法。

背景技术

随着经济技术的发展和人们生活水平的提高，消费者对于更高品质的生活的追求也越来越明显。

中国作为一个餐饮大国，菜品的种类和样式随着经济的发展不断增加和丰富，各式各样的餐厅、饭店等餐饮服务场所越来越多，同时随着互联网经济和网上消费的发展，海量的在线餐饮服务平台也如雨后春笋般出现。然而，伴随着各种不同的餐饮服务平台的出现，越来越多的用户在就餐时，对于菜品的选择则花费了更多的时间和精力。

推荐系统在电子商务领域有广泛的应用，也有针对美食和餐厅的推荐系统，但还没有真正意义上针对菜品的推荐系统，能够为用户某次就餐提供菜品的推荐。而且，现在推荐系统普遍采用协同过滤算法，该算法是一种基于“人以群分”理念的算法，即兴趣偏好相同的人对商品的偏好也是相似的。因此，协同过滤推荐最重要的是找到和目标用户兴趣相似的最近邻居，根据最近邻居对推荐对象的评分来预测目标用户对未评分的推荐对象的评分，选择预测评分最高的的若干个推荐对象作为推荐结果反馈给用户。

但协同过滤推荐算法存在冷启动、数据稀疏和系统可扩展性等问题：传统协同过滤算法中存在的问题在菜品推荐时尤为突出，新用户就餐时常常需要推荐，但此时新用户还没有产生就餐记录；用户点菜数相对较少，导致用户菜品矩阵稀疏；餐厅中用户数量和菜品数会随着时间逐渐增加，推荐系统中的数据量会因此骤增，传统算法的应对能力也会因此下降。此外，即使传统算法能处理海量的数据，但是由于基于用户的协同过滤中“最近邻搜索”过程随着用户数量的增加，计算量也会线性增长，如何实时的为上千万的用户提供推荐，并且能够应对新用户的注册和新商品的添加则是现在大多数推荐系统都面临的严重问题；最后，现在大多的协同过滤推荐系统都需要用户显示输入评分信息才能为其提供服务，虽然在获取信息方面有用户的积极参与可以提高信息的准确度，但是给用户使用系统也带来了不便。

发明内容

本发明的目的在于提供一种计算效率高、菜品推荐准确率高、菜品推荐效果好的基于用户兴趣的个性化推荐方法。

本发明提供的这种基于用户兴趣的个性化推荐方法，包括如下步骤：

对菜品进行分类的步骤；

获取每个用户在每个餐厅的就餐数据，并依据用户的就餐数据将用户在每个餐厅进行专家用户类别划分；

依据每个用户的兴趣，为每个用户进行兴趣建模的步骤；

当用户在某餐厅发起菜品推荐请求时，选取当前餐厅中对用户兴趣具有权威的候选专家用户，并获取该候选专家用户的初步推荐菜品的步骤；

计算用户与候选专家的相似度的步骤；

依据用户与候选专家的相似度，进行最终的菜品推荐的步骤。

所述的对菜品进行分类为按照层次进行分类，具体分为两类：第一层分类为按照烹饪方法、主食、饮品和外国菜进行分类，第二层分类为依据食材进行分类。

所述的将用户在每个餐厅进行专家用户类别划分，具体为采用如下步骤进行分类：

1.依据获取的每个用户在每个餐厅的就餐数据，将餐厅中所有的数据划分为n个用户菜品矩阵，所述n为预定义的菜品种类个数，用户菜品矩阵中的每一项对应用户对某种菜品的品尝次数；

2.利用HITS模型计算每个用户在不同类别的专家权威度。

所述的利用HITS模型计算每个用户在不同类别的专家权威度，具体为采用如下步骤进行计算：

1)设置初始权威值和枢纽值为用户点菜次数；

2)采用如下公式计算某一类别中某菜品的权威值：

式中d_c.a表示类别c中菜品d的权威值；u_c.h表示用户对类别c的枢纽值，且

3)用A_n和H_n分别表示餐厅中第n轮的权威值和枢纽值，M表示用户菜品矩阵，并通过下述两个公式的迭代计算得到最终每个用户和菜品的相应得分：

A_n＝M^T·M·A_n-1

H_n＝M·M^T·H_n-1

4)选取拥有较高枢纽分数的用户作为某类型的专家用户。

所述的为每个用户进行兴趣建模，具体为采用用户就餐数据中的菜品信息构建种类权重树对用户兴趣进行建模。

所述的利用种类权重树对用户兴趣进行建模，具体为采用如下步骤进行建模：