[发明专利]一种面向地方志网站的混合推荐系统

权利要求书

1.一种面向地方志网站的混合推荐系统，其特征在于：该系统包括行为记录模块、用户分类模块、用户推荐模块；

所述行为记录模块，包括用户注册信息和用户行为信息的记录，并将用户注册信息和用户行为信息存储到数据库中；用户注册信息分为必填信息：用户名和密码，选填信息：职业、年龄、籍贯；用户登录时，系统根据用户的必填信息对用户进行身份认证，根据用户的选填信息来找目标用户的邻近用户做相似推荐；用户行为信息作为用户分类模块的数据源；

所述用户分类模块，根据用户访问方志的频繁度，将用户分为：新用户、一般用户和积极用户；并针对每类用户进行特征分析，以便选用合适的推荐方法从而实现个性化推荐；

所述用户推荐模块，包括TopN推荐、基于方志标签+改进的关联规则推荐、基于用户的协同过滤推荐三种推荐方法，系统根据用户分类模块的分类结果，针对不同类型用户采用不同的推荐算法；

所述用户推荐模块的具体实施方法如下：

对于新用户且无选填信息，采用基于TopN的推荐算法；本系统是根据所有方志被访问的次数进行方志的热度排序，并将前n个访问次数最多的方志推荐给新用户；

TopN算法的实现思路：

(a)将每个方志被访问的次数存到数组中；

(b)取出数组的前n个元素，创建长度为n的最小堆；

(c)从n开始循环数组的剩余元素，如果元素a比最小堆的根节点大，将a设置成最小堆的根节点，并让堆保持最小堆的特性；

(d)循环完成后，最小堆中的所有元素就是需要找的最大的n个元素；

如果新用户有选填信息，则通过选填信息找到目标用户的相似用户做基于用户的协同过滤推荐；

对于一般用户，采用基于方志标签+改进的关联规则推荐方法；将朝代(D)、省份(P)、主题(S)3个方志标签融入到关联规则的推荐中，使推荐的结果更符合地方志网站的特色；基于方志标签+改进的关联规则推荐算法描述如下：通过行为记录模块提供的数据集：用户id和该用户访问的方志名称，利用Apriori算法生成形如：的规则表达式，其中X，Y表示方志的1-项频繁集，并用一个m×m的关联规则矩阵A表示，矩阵A中包含了每个方志推出其它m个方志的置信度即a_ij表示的置信度，目标用户对m个方志的浏览情况生成一个m维的列向量P，如果目标用户浏览了第i个方志，则p_i为相应的浏览次数，如果没有浏览则p_i为0，p_i越大表明用户对该方志的偏好程度越大，则目标用户的推荐向量R可以根据用户的偏好向量P和关联矩阵A计算得到，公式如下

R＝topN(PA)_ij

这里并不是向量与矩阵的乘法运算，而是p_i乘矩阵A中第i行的每个元素即a_i·，这样就给置信度添加了一个权重，使得基于用户偏好程度较大的方志推出的规则的置信度更大，这样的推荐结果更符合用户的偏好，如果p_i为0，则矩阵A中对应的那一行元素全为0；然后将所有的置信度按照从大到小的顺序排序并将对应的推荐方志放在推荐向量R中，如果推荐的方志已经被用户浏览过，则把此方志从推荐向量中删除，选出前n个方志作为推荐的备选项，同时将用户已浏览方志的标签：朝代(D)、省份(P)、主题(S)与备选方志的标签进行比较，找出最相似的几篇方志作为最终的推荐结果；

对于积极用户，采用基于用户的协同过滤推荐方法；在基于用户的协同过滤推荐中，为了对目标用户产生推荐，需要找到与目标用户兴趣最相似的用户，因此需要计算用户之间的相似度，利用Tanimoto系数来计算用户相似度，公式如下

其中x和y分别表示两个用户的评分向量，评分为用户浏览方志的次数，通过计算目标用户与其他用户的相似度并找出与目标用户最相似的几个邻近用户，将邻近用户浏览次数最多的方志生成一个推荐列表，同时将用户已浏览方志的标签与推荐方志的标签进行比较，选择与用户已浏览方志最相似的几篇方志作为最终的推荐结果。