[发明专利]一种基于广义点集距离的信息个性化推荐及提示方法

权利要求书

1.一种基于广义点集距离的信息个性化推荐及提示方法，其特征在于：包括如下步骤；

步骤A，设置参数；用户从阈值提示法和数量提示法中至少选择一项作为提示方法，并设置对应的欠缺条件提示距离阈值t或欠缺条件提示数量p；

步骤B，设置距离函数；根据实际使用的点集距离设计相应的距离函数d(x,y)；设推荐信息适用的用户属性集合为x，某用户属性为y，并令x_imin表示数值属性范围x_i的最小值，令x_imax表示数值属性范围x_i的最大值，令y_i表示用户属性的第i个数值属性的值；所述用户属性包括m个数值属性和n个非数值属性，其中0≤i≤m，m≥0，n≥0，并且m+n≥1，广义点集的所述距离函数d(x,y)表示如下：

其中c(x_i,y_i)为用户对非数值属性自行定义的距离函数；

步骤C，计算距离值d并推送相关信息；若距离值d＝0，则符合精准推荐条件，直接向其推送相关信息；若距离值d不为0，则不直接推送信息，根据用户设定的提示法作相应处理；如果用户设定的是阈值提示法，则对距离值d小于阈值t的所有对象推送欠缺条件提示；如果用户设定的是数量提示法，则对距离值d最小的p个对象推送欠缺条件提示；如果用户同时设定阈值提示法和数量提示法，则推送阈值提示法和数量提示法推送结果的合集。

2.根据权利要求1所述的一种基于广义点集距离的信息个性化推荐及提示方法，其特征在于：对距离值d小于阈值t的所有对象推送欠缺条件提示信息时，使用逐个计算距离并推送或对所有对象计算距离之后，一次性对距离值d小于阈值t的所有对象批量推送的方法；对距离值d最小的p个对象推送欠缺条件提示信息时，逐个计算距离并保留距离值最小的p个对象，再一次性批量推送。

3.根据权利要求2所述的一种基于广义点集距离的信息个性化推荐及提示方法，其特征在于：进行逐个计算距离并保留最小的p个对象这一操作时，根据距离值建立大根堆结构，维护最小的p个对象在所述大根堆上。

4.根据权利要求1所述的一种基于广义点集距离的信息个性化推荐及提示方法，其特征在于：所述距离函数适用数值属性时还可以采用包括欧氏距离、曼哈顿距离或标准化欧氏距离表示的距离函数；

假设数据x、y分别有N个数值属性，则欧氏距离、曼哈顿距离或标准化欧氏距离表示的距离函数的计算方法分别如下：

欧氏距离：

曼哈顿距离：

标准化欧氏距离：其中是第i维度的方差。

5.根据权利要求1所述的一种基于广义点集距离的信息个性化推荐及提示方法，其特征在于：所述距离函数适用非数值属性时，若用户属性为字符串的表现形式，则使用海明距离或编辑距离的计算方式，或用户自定义的计算方式；

海明距离的计算公式为：

其中a、b为字符串；

编辑距离的计算公式为：

其中a、b为字符串。

6.根据权利要求1所述的一种基于广义点集距离的信息个性化推荐及提示方法，其特征在于：步骤A中，若用户选择提示方法但没设置欠缺条件提示距离阈值t或欠缺条件提示数量p，则使用预设的缺省值。

7.根据权利要求1所述的一种基于广义点集距离的信息个性化推荐及提示方法，其特征在于：步骤C中，推送的阈值提示法和数量提示法推送结果的合集为阈值提示法和数量提示法推送结果的并集，且对重复的单个推送对象不再重复推送。

8.根据权利要求2所述的一种基于广义点集距离的信息个性化推荐及提示方法，其特征在于：进行逐个计算距离并保留最小的p个对象这一操作时，还可以使用插入排序，或者在所有对象计算完之后，使用快速排序或归并排序的方式。