[发明专利]个性化推荐方法

权利要求书

1.一种个性化推荐方法，其特征在于，首先收集用户行为数据，将该用户行为数据分成用户的偏好模型数据和用户当前浏览的活动主题数据，然后应用协同过滤算法对所述的偏好模型数据进行处理，给用户基于协同过滤的文化活动推荐；与此同时，根据用户当前浏览的活动主题数据，进行基于本体的文化资料推荐。

2.根据权利要求1所述的个性化推荐方法，其特征在于，基于协同过滤的文化活动推荐的流程包括：

(1)用户进入系统平台中，系统平台会收集用户的行为历史数据，如参加文化活动记录、活动点赞记录、活动收藏记录，这些数据记录表明了用户的喜好；

(2)系统根据预先设置的评分机制，生成用户-活动评分矩阵；

(3)开始推荐算法流程，利用公式计算用户的相似度，找出相似度最高的N个用户最为最近邻居集，利用最近邻居集进行评分预测，按预测评分排序，得到推荐结果，将结果呈现给用户。

3.根据权利要求1所述的个性化推荐方法，其特征在于，所述的偏好模型数据包括用户的活动点赞数据、收藏活动的数据、参加活动的记录数据。

4.根据权利要求3所述的个性化推荐方法，其特征在于，所述的文化资料推荐包括以下步骤：

(1)活动主题关键词获取：对用户当前浏览的活动标题进行分词处理，抽取活动的主题关键词；分词结果中往往还会存在“的”、“啊”以及标点符号等无意义的词，为此还需要使用基于停用词表的方式进行去停用词操作；

(2)基于本体的查询扩展：经过上述处理，得到了活动主题的关键词词组，这个关键词词组可能包含有名词也可能包含有形容词，下一步就是将其放入本体库，进行基于本体的查询扩展处理；

(3)Lucene资源检索模块：将用本体查询扩展处理后得到的作为关键字，采用基于Java的全文信息检索工具Lucene来进行资源的检索。

5.根据权利要求1所述的个性化推荐方法，其特征在于，所述的文化资料推荐活动主题关键词获取方法为：

(1)预处理过程：利用自然语言处理技术进行分词处理，经过分词处理得到了一个词组，根据词性对关键词进行筛选过滤，保留名词、动词、形容词；

(2)关键词扩展：目前在信息检索系统中，大部分都是基于关键词进行查询的，首先获取用户需要查询的关键词，然后自动进行查询扩展，对扩展后的结果进行检索，扩展方式通常采用同义词扩展法，也就是利用同义词词典、近义词词典进行扩展；

(3)查询扩展：利用本体处理相关技术对其进行优化处理，为了对本体概念相关内容扩展，利用本体中的层次结构关系来进行处理，对父子关系节点来对查询概念进行扩展，其处理流程为：

a.对获取的活动主题每个关键字，判断它是本体中的概念、实例还是属性；

b.若均为概念或者实例，则主要利用本体结构中的父子关系进行扩展；若存在属性，则利用属性和概念之间的关系，根据本体中存在的语义关系和推理机制，挖掘隐含的信息；

c.将扩展结果保存，以便后续进行文化资源信息的检索。