[发明专利]一种基于用户个人特征的推荐方法及推荐系统

权利要求书

1.一种基于用户个人特征的物品推荐方法，其特征在于：包括以下步骤：

S1：获取推荐用户的个人特征信息和用户评价信息，所述用户评价信息包括用户对历史购买物品的评分；

S2：对收集到的用户评价信息进行结构化处理，建立评分数据库；

S3：对用户的个人特征进行提取和过滤，利用机器学习的分类方法，确定用户所在的用户族群；

S4：计算用户之间的相似性，根据用户对物品的历史评分数据来计算不同用户之间的相似性；

S5：根据相似程度，预测目标用户对未评价物品的评分；

S6：融合用户对物品评价的时间因素，对于用户每次的评分行为，都将其发生行为的时间进行保存，作为推荐方法的一个考虑因素，纳入到评分预测公式中，利用时间信息来降低预测误差；

S7：根据预测评分，生成推荐集合，为目标用户推荐物品。

2.根据权利要求1所述的基于用户个人特征的物品推荐方法，其特征在于：步骤S1中，所述用户的个人特征信息包括用户的年龄，性别，所在城市、职业和收入，所述用户的评价信息包括隐式反馈信息和显式反馈信息，所述隐式反馈信息包括用户浏览、点击、收藏、购买物品的日志信息，所述显式反馈信息包含用户对商品的直接评分。

3.根据权利要求1所述的基于用户个人特征的物品推荐方法，其特征在于：步骤S2中，从收集到的历史行为日志中，将用户的历史评价行为转化为区间[0,5]的评分，构建用户评分库；

通过协同过滤算法来构建用户评分库，在协同过滤算法中，数据核心是用户-项目评分矩阵R(m,n)，该矩阵记录着用户对项目的评分，用户-项目评分矩阵包含有用户和商品的信息，即一个用户集合U＝{u₁,u₂,u₃,…,u_m}，集合中m个用户，和一个项目集合I＝{i₁,i₂,i₃,…,i_n}，集合中有n个物品，R(m,n)的元素为r_ij表示用户user_i对项目item_j的评分，若用户user_i对项目item_j未评分，记r_ij＝0。

4.根据权利要求1所述的基于用户个人特征的物品推荐方法，其特征在于：步骤S3中，对用户的个人特征进行提取和过滤，是从收集到的个人特征日志中，去掉推荐影响权重较低的个人特征，对推荐影响权重较重的个人特征进行量化，从而构建个人特征信息库；

所述确定用户所在的用户族群，是根据用户的个人特征信息，利用机器学习的分类方法，将目标用户归为相应的族群中，同一族群中的用户在个人特征方面具有一定的相似性，以此确定该族群内的用户在物品偏好也具有相似性。

5.根据权利要求4所述的基于用户个人特征的物品推荐方法，其特征在于：步骤S3中，所述机器学习的分类方法为朴素贝叶斯分类器或决策树方法；

所述朴素贝叶斯分类器是对个人特征信息库中的数据进行训练，根据输入的条件，计算各类别选择的条件概率，概率值最大的类别即为输出结果，所述输出结果即为用户所属族群类型；

所述决策树方法是在已知各个用户所属的族类发生概率的情况下，通过构成决策树来求取净现值的期望值大于0的概率，其概率值越大，表明该目标用户所属族类的的可能性越大，因此将该目标用户归为此族类。

6.根据权利要求1所述的基于用户个人特征的物品推荐方法，其特征在于：步骤S4中，为了消除用户评分的尺度问题，采用皮尔逊系数来计算用户之间的相似性：

其中：用户u_i和用户u_j共同评分过的项集合用I_ij表示，表示用户u_i对项目c的评分，表示用户u_j对项目c的评分，表示用户u_i对所有项目的平均评分，表示用户u_j对所有项目的平均评分。