[发明专利]基于社交和社群的产品推荐方法、系统和存储介质

说明书

本发明提供一种基于社交和社群的产品推荐方法、系统和存储介质，涉及数据处理领域。包括以下步骤：获取用户与产品的交互数据、社交关系数据和社群关系数据，并形成历史数据；基于所述历史数据和预先设置的偏序关系，确定用户和产品的反馈关系；基于所述历史数据和所述反馈关系确定用户对产品的偏好关系；确定所述偏好关系的目标函数；基于所述目标函数获取用户对产品的偏好得分；基于所述偏好得分对用户的未交互产品进行排序，得到产品推荐结果。本发明可以准确地将产品推荐给用户。

技术领域

本发明涉及数据处理领域，具体涉及一种基于社交和社群的产品推荐方法、系统和存储介质。

背景技术

随着互联网技术的发展，基于社交网络的个性化推荐的研究愈发活跃。而社交推荐方法可分为基于显式反馈数据的评分预测算法和基于隐式反馈数据的个性化排序算法。其中，显式反馈数据一般指评分，即1-5的评分，可以明显地反映用户对产品的偏好程度。而隐式反馈数据指用户和产品的交互关系，如浏览、购买、收藏等，不能明显地反映用户对产品的偏好程度。对于那些用户和产品没有交互的产品，不能表明用户就不喜欢该产品，可能是用户还没有发现该产品。由于隐式反馈数据广泛存在、获取成本低、贴近现实，因此，基于隐式反馈数据的排序算法得到了越来越多的关注。

现有技术提供的社交推荐方法主要基于贝叶斯个性化排序算法来优化排序。通过将与用户交互过的产品设为正向反馈，用户未交互过的产品设为负向反馈，并且假设用户对交互过的产品的偏好大于未交互过的产品，考虑到用户的好友社交关系利用贝叶斯个性化排序算法进而对产品推荐进行优化。

然而本申请的发明人发现上述的推荐方法在实际应用时，在线社交网络中用户的社交关系相对稀疏，因此仅考虑社交关系不能够准确的得到产品的推荐结果。因此现有技术的推荐方法不够准确。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于社交和社群的产品推荐方法、系统和存储介质，解决了现有技术无法准确推荐产品的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

本发明解决其技术问题所提供的一种基于社交和社群的产品推荐方法，所述推荐方法由计算机执行，包括以下步骤：

获取用户与产品的交互数据、社交关系数据和社群关系数据，并形成历史数据；

基于所述历史数据和预先设置的偏序关系，确定用户和产品的反馈关系；

基于所述历史数据和所述反馈关系确定用户对产品的偏好关系；

确定所述偏好关系的目标函数；

基于所述目标函数获取用户对产品的偏好得分；

基于所述偏好得分对用户的未交互产品进行排序，得到产品推荐结果。

优选的，所述历史数据包括：

用户集合U，产品集合P，用户和产品有过交互的集合D，社交关系集合S和社群关系集合G。

优选的，所述预先设置的偏序关系为：

正反馈社交反馈社群反馈负反馈；

所述用户和产品的反馈关系包括：

正反馈集合：PF_u＝{＜u,p_i＞}，

其中：＜u,p_i＞∈D，表示用户u与产品p_i有过交互；

社交反馈集合：SF_u＝{＜u,p_s＞}，