[发明专利]一种个性化推荐方法及装置

说明书

本发明实施例公开了一种个性化推荐方法及装置，涉及互联网技术领域，能够提高在个性化推荐分析过程中应用范围。本发明包括：从模型库中提取推荐模型，并将所提取的推荐模型划分到至少两种推荐域中，推荐域包括内容类推荐域和行为类推荐域；根据划分得到的推荐域，分别建立得分转换单元；通过内容类域内得分转换单元，对内容类推荐集进行域内融合，并通过行为类域内得分转换单元，对行为类推荐集进行域内融合，再通过域间得分转换单元对内容类推荐集和行为类推荐集进行域间融合，得到至少3种融合集；根据得到的融合集，按照品类得分对商品品类进行排序，并在每个商品品类中对所选取的商品排序。发明适用于个性化推荐。

技术领域

本发明涉及互联网技术领域，具体涉及一种个性化推荐方法及装置。

背景技术

互联网的出现与发展使人们生产、复制、传播信息的能为大大增强，人们正在面临前所未有的信息过载问题。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生，并已经开始应用在智能商务领域。个性化推荐系统建立在海量数据挖掘的基础上，结合机器学习算法实现对用户购买商品的预测，为顾客购物提供全个性化的决策支持，从而提升用户体验，增强用户粘度，提高电子商务网站的购买转化率。

其中，可能得到的个性化的决策结果会有很多，比如在网购领域，基于用户输入的搜索词所能够返回的商品可能会有几千件，因此对于最终反馈的结果，如何以一种合理的方式展示给用户，成为了各大平台运营商重点研究的问题。

发明内容

本发明的实施例提供一种个性化推荐方法及装置，能够提高在个性化推荐分析过程中应用范围。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，本发明的实施例提供的方法，包括：

从模型库中提取推荐模型，并将所提取的推荐模型划分到至少两种推荐域中，所述推荐域包括内容类推荐域和行为类推荐域，其中，所述内容类推荐域包括：基于用户属性信息和标签信息建立的推荐模型，所述行为类推荐域包括：基于用户的购物行为建立的推荐模型；

根据划分得到的推荐域，分别建立得分转换单元，所述得分转换单元至少包括：内容类域内得分转换单元、行为类域内得分转换单元和域间得分转换单元；

通过所述内容类域内得分转换单元，对内容类推荐集进行域内融合，并通过所述行为类域内得分转换单元，对行为类推荐集进行域内融合，再通过所述域间得分转换单元对所述内容类推荐集和所述行为类推荐集进行域间融合，结合上下文推荐集，得到至少3种融合集；

根据得到的融合集，按照品类得分对商品品类进行排序，并在每个商品品类中对所选取的商品排序。

结合第一方面，在第一方面的第一种可能的实现方式中，所述根据划分得到的推荐域，分别建立得分转换单元，包括：

利用历史单个推荐模型集数据和用户的行为数据，基于三层人工神经网络模型，通过误差反向传播算法对所述划分得到的推荐域中的推荐模型进行训练；

将训练得到的推荐模型建立得分转换单元，其中，在所述得分转换单元中以单个召回数据作为输入，通过所述训练得到的推荐模型计算得到融合得分。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述利用历史单个推荐模型集数据和用户的行为数据，基于三层人工神经网络模型，通过误差反向传播算法对所述划分得到的推荐域中的推荐模型进行训练，包括：

根据推荐结果表，从所述历史单个推荐模型集数据和所述用户的行为数据中，获取用户商品对(user,item)、对应用户商品对的推荐来源rec_src和对应用户商品对的原始得分raw_score；