[发明专利]一种个性化推荐方法及系统

说明书

技术领域

本发明涉及信息搜索技术领域，具体涉及一种个性化推荐方法及系统。

背景技术

当今信息社会里，个性化推荐系统已经与我们的生活密不可分。当我 们阅读新闻资讯、网上购物、聆听音乐、观看视频的时候都会看到各种各 样的“推荐”榜单，形式有“猜你喜欢”、“你可能感兴趣的商品”、“与 你兴趣相似的用户还在看”等等。个性化推荐通过对用户的行为数据进行 深入地分析和挖掘，千人千面地向用户推荐真正感兴趣的信息或者商品。 对于个人而言，个性化推荐可以帮助用户解决面对琳琅满目并且种类繁杂 的商品、电影、歌曲、视频等各种服务时无所适从的问题。对于企业而言， 个性化推荐可以不仅提供极佳的用户体检，满足用户的信息需求，也帮助 企业挖掘其中蕴含的无限商机，有效提升用户点击率、付费率和二次购买 率。

然而在实际业务场景中，实时个性化推荐还存在诸多挑战：1)用户兴 趣是在快速变化的。当用户购物时，用户今天想买的是电器，过一段时间 可能想买的是衣服。当用户听音乐时，用户当前听的是一些轻缓的歌曲， 过几个小时想听的可能就是一些欢快动感的曲目；2)用户的行为除了正反 馈的，比如点击、收藏、购买。同时也有负反馈的，比如用户对当前的推 荐结果不满意的话，可以支持“不喜欢”的这种行为类型；3)用户所操作 的物品信息的语义信息存在歧义的情况，比如“三生三世十里桃花”，可 能是小说，也可能是电视剧或者电影；4)推荐结果的准确率和召回率往往 此消彼长，如何保证高准确率的同时提高召回率也需要好好权衡。

发明内容

本发明的目的是通过获取用户的实时操作数据，结合被点击物品信息， 包括标题、标签和分类，从而生成用户的实时兴趣，基于这些信息从大量 待推荐物品集里筛选出用户最感兴趣的物品列表进行精准推荐。

为了实现上述目的，本发明提供了一种个性化推荐方法，其特征在于， 包括如下步骤：

获取输入数据，输入数据包括点击数据和对象数据，其中，点击数据 为用户对兴趣对象的操作行为，对象数据包括兴趣对象标题、以及根据标 题提取的类别或标签；

将输入数据进行预处理；

对预处理后的输入数据进行兴趣分析，得到基于标题及类别的推荐列 表和基于标签及类别的推荐列表；

利用推荐算法对基于标题及类别的推荐列表和基于标签及类别的推荐 列表进行加权融合处理，得到候选推荐列表；

按照预设条件对候选推荐列表过滤，生成推荐列表。

进一步，所述将输入数据进行预处理包括

对用户点击行为数据、点击对象数据进行数据清洗、过滤异常行为操 作；

将点击操作行为与用户进行映射，兴趣对象与信息参数进行映射。

进一步，所述对预处理后的输入数据进行兴趣分析，得到基于标题及 类别的推荐列表和基于标签及类别的推荐列表包括

设置不同操作的权重；

根据输入数据获取不同兴趣对象与标题、类别及标签的关联关系，以 及同一用户与兴趣对象、操作行为、操作时间的关联关系；

统计同一兴趣对象中不同标题与类别、不同标签与类别的数量，并分 别计算不同标题与类别的加权值、不同标签与类别的加权值；

将不小于预设值的加权值对应的结果作为兴趣分析结果。

进一步，所述利用推荐算法对基于标题及类别的推荐列表和基于标签 及类别的推荐列表进行加权融合处理，得到候选推荐列表包括

计算标题及类别的推荐列表和基于标签及类别的推荐列表的加权值；

按照计算得到的加权值将推荐列表进行排序。

本发明还提供了一种个性化推荐系统，包括

输入模块，用于获取输入数据，输入数据包括点击数据和对象数据， 其中，点击数据为用户对兴趣对象的操作行为，对象数据包括兴趣对象标 题、以及根据标题提取的类别或标签；

预处理模块，用于将输入数据进行预处理；

兴趣分析模块，用于对预处理后的输入数据进行兴趣分析，得到基于 标题及类别的推荐列表和基于标签及类别的推荐列表；

重生成模块，用于利用推荐算法对基于标题及类别的推荐列表和基于 标签及类别的推荐列表进行加权融合处理，得到候选推荐列表；

推荐模块，用于按照预设条件对候选推荐列表过滤，生成推荐列表。

进一步，预处理模块包括

处理单元，用于对用户点击行为数据、点击对象数据进行数据清洗、 过滤异常行为操作；

映射单元，用于将点击操作行为与用户进行映射，兴趣对象与信息参 数进行映射。

进一步，兴趣分析模块包括