[发明专利]一种基于OCEAN模型的个性化推荐的方法

说明书

本发明公开了一种基于OCEAN模型的个性化推荐的方法，通过建立微博用户的OCEAN模型，实现基于用户OCEAN模型的个性化推荐方法。在建立用户的OCEAN模型的时候，将用户的微博文本导入到LDA模型中，以无指导的方法从文本中发现隐含的寓意，提高预测的精准度。同时，将个性化推荐建立在用户聚类的基础上，缩小用户的搜索范围，减少实时推荐的计算量。结合用户的OCEAN模型于个性化推荐，深入到用户的性格特征进行研究，在个性化推荐的过程中更加符合用户的心理，具有更高的准确度。

技术领域

本发明属于人格预测及个性化推荐技术领域，更为具体地讲，涉及一种基于OCEAN模型的个性化推荐的方法。

背景技术

在心理学中，OCEAN模型是用来描述人类性格的五个广泛的维度，这个理论基于大五人格因素模型。OCEAN模型的五类因素包括：严谨性、外向性、开放性、宜人性与神经质人格特质。O代表Openness to experience(开放性),C代表Conscientiousness(严谨性)，E代表Extraversion(外向性)，A代表Agreeableness(宜人性)，N代表Neuroticism(神经质)。这五种因素提供了丰富的概念架构。并且前人的研究发现，大五人格理论模型与人们在社交网站的行为存在强的关联。

目前的个性化推荐算法大致可以分为四类：

(1)基于人口统计学的推荐机制，是一种最易于实现的推荐方法，它只是简单的根据系统用户的基本信息发现用户的相关程度，然后将相似用户喜爱的其他物品推荐给当前用户。

(2)基于内容的推荐，是在推荐引擎出现之初应用最为广泛的推荐机制，它的核心思想是根据推荐物品或内容的元数据，发现物品或者内容的相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品。这种推荐系统多用于一些资讯类的应用上，针对文章本身抽取一些标签作为该文章的关键词，继而可以通过这些标签来评价两篇文章的相似度。

(3)基于关联规则的推荐，其更常见于电子商务系统中，并且也被证明行之有效。其实际的意义为购买了一些物品的用户更倾向于购买另一些物品。基于关联规则的推荐系统的首要目标是挖掘出关联规则，也就是那些同时被很多用户购买的物品集合，这些集合内的物品可以相互进行推荐。

(4)协同过滤，它是一种在推荐系统中广泛采用的推荐方法。这种算法基于一个“物以类聚，人以群分”的假设，喜欢相同物品的用户更有可能具有相同的兴趣。基于协同过滤的推荐系统一般应用于有用户评分的系统之中，通过分数去刻画用户对于物品的喜好。协同过滤被视为利用集体智慧的典范，不需要对项目进行特殊处理，而是通过用户建立物品与物品之间的联系。目前，协同过滤推荐系统被分化为两种类型：基于用户(User-based)的推荐和基于物品(Item-based)的推荐。

然而，当前的个性化推荐方法基本都是基于以上的四类，没有很好的结合用户的性格特征进行营销。用户的行为不是随机的，而是蕴含着很多特定的模式。用户的网络社交行为反映了用户性格，同时用户的性格也影响着用户行为，因此在在线精准营销、在线商品推荐、社交推荐和辅助产品设计时可以将用户的性格考虑进去，得到更好的结果。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于OCEAN模型的个性化推荐的方法，基于用户性格的进行个性化推荐。

为实现上述发明目的，本发明一种基于OCEAN模型的个性化推荐的方法，其特征在于，包括以下步骤：

(1)、建立社交网站用户的OCEAN模型

(1.1)、选取若干微博账户，对这些用户进行五种人格测试，得到五种人格维度的得分，再将这五种人格维度的得分作为被试用户的OCEAN模型；

(1.2)、通过模拟浏览器的方式获取页面内容，抓取被试用户的微博数据，分别将每位用户的微博数据汇总成一篇文本文档；