[发明专利]一种基于用户个人特征的推荐方法及推荐系统

说明书

本发明涉及一种基于用户个人特征的物品推荐方法，包括S1：获取推荐用户的个人特征信息和用户评价信息；S2：对收集到的用户评价信息结构化，建立评分数据库；S3：提取和过滤个人特征，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。

技术领域

本发明属于计算机及数据挖掘领域，涉及一种基于用户个人特征的推荐方法及推荐系统。

背景技术

互联网时代的到来，一方面使我们的生活更加方便、快捷，另一方面也给我们带了困扰。随着商品信息和用户信息的不断增加，使得商城网络数据变得非常的庞大，在如此浩瀚的数据中，如何快速，准确地帮助找到人们感兴趣的产品就显得尤为重要。解决这一问题通常有信息检索和信息过滤这两种技术手段。信息检索技术最为广泛和成功的应用是搜索引擎。然而，搜索引擎也存在着一些缺陷，它需要用户用关键词准确地描述自己的信息需求，从而保证检索结果的质量，但是大多数情况下用户往往不能准确地描述出自己的需求，这时搜索引擎并不能满足用户的需求。推荐系统为代表的信息过滤技术则能很好解决送个问题，信息过滤技术的主要思想是通过挖掘海量的用户行为数据，分析出用户真实的需求，主动为用户推送个性化的服务。推荐系统作为信息过滤技术的一种重要手段，通过用户的历史行为和数据预测用户的爱好，产生满足用户个性化需求的推荐，正在成为新一代web应用中不可或缺的个性化信息服务形式。

个性化推荐系统就是对用户的历史行为进行挖掘对用户兴趣建立数学模型并预测用户未来的行为，从而建立用户和服务的直接关系。根据用户的特征和偏好来给用户提供他们可能需要的服务，不仅可以使用户很方便得到自己需要的信息或服务，同时也提高了效率和服务质量，让用户感受到了服务的人性化，相应的产品的竞争力也会提高。随着个性化推荐系统的不断发展，推荐系统已经广泛应用在亚马逊、当当网等电子商务领域和豆瓣、土豆等一些社交、视频网站。这说明在海量信息面前，用户更需要这种透明的、智能的、更能了解他们需求的个性化推荐系统。

个性化推荐技术己经成为互联网未来发展的重要方向之一。研究推荐系统可以和多个学科融合，与信息检索、管理科学、市场营销建模等相关学科领域协同发展，有较高的学术价值。同时，在商业领域，尤其是电子商务领域，建立站点向用户提供个性化推荐服务的推荐系统已成为该领域的一个研究热点。许多系统尤其是电子商务系统已经部署推荐系统向用户推荐信息了。推荐系统不仅方便了用户，同时也创造了巨大的商业价值。如今，在信息爆炸时代，如何构建一个准确地、高效化、扩展性强地推荐系统已经成为计算机领域研究的新课题。因此，探索研究个性化推荐技术中的推荐算法，具有重大的理论意义和应用价值。

发明内容

有鉴于此，本发明的目的在于提供一种基于用户个人特征的物品推荐方法及推荐系统，实现了根据用户的个人特点和历史行为来推荐相应的物品。

为达到上述目的，本发明提供如下技术方案：

一方面，本发明提供一种基于用户个人特征的物品推荐方法，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；