[发明专利]一种协同过滤的推荐模块、方法、电子设备及存储介质

说明书

本发明涉及一种协同过滤的推荐模块、方法、电子设备及存储介质，包括用于对用户进行内容的推荐，所述推荐模块包括第一推荐模块、第二推荐模块和第三推荐模块。通过结合用户搜索词和用户浏览记录信息来优化基于传统的基于物品的协同过滤算法，并在传统基于物品的协同过滤算法的物品相似度计算中加入时间因素和用户平均值平滑处理。改善因评分数据特征稀疏或冷启动问题导致推荐效果不好的情况，从而提高推荐的效果。

技术领域

本发明涉及推荐算法技术领域，特别涉及一种协同过滤的推荐模块、方法、电子设备及存储介质。

背景技术

伴随着21世纪互联网技术的快速发展，特别是近年来移动互联网的极速发展，互联网及其衍生品已经变为人们生活不能够分割的一部分。同时，在互联网超高速发展的这几年，全球互联网特别是移动设备的互联网流量也呈现出指数级的飞速增长。各种搭载在互联网上的应用，比如物联网，人工智能监控，智能金融交易等等，每时每刻都在产生大量的数据。推荐系统就是在这个信息大爆炸的时代大背景下应运而生的，并且已经在各大门户网站，特别是电子商务网站大规模应用。推荐系统就是根据消费者的各种爱好和习惯，特别是历史购买记录，计算出该消费者的潜在喜爱物品，或者是将用户的潜在新闻等推送给用户。如今，当当网、豆瓣阅读等各大网站提供了图书检索、图书评论、社会化标签等服务，为读者提供了图书推荐服务，但是受限于推荐策略单一、没有匹配用户个性化需求等方面，推荐效果还需进一步提升。传统的推荐算法主要有基于用户或项目的协同过滤方法，前者通过考察用户之间的相似喜好进行推荐，而后者通过考察项目之间的相似程度进行推荐；基于内容的推荐方法，这种方法需要额外的文本信息，并通过构建用户偏好提供相似项目推荐。但是，传统的推荐算法缺乏对情境的应用和感知，使用的显式反馈信息较为稀疏。比如用户的评分对物品之间的相似性的计算就尤为重要，若用户的评分数据是一个过于稀疏的评分矩阵，物品的相似性计算结果的质量将会非常低，将会大大降低推荐结果的质量。同时传统的推荐算法还具有用户冷启动问题，而且用户的兴趣是会随着时间的变化而发生变化，这一点传统的推荐算法不能很好的解决。

发明内容

针对上述问题，本发明提出一种协同过滤的推荐模块、方法、电子设备及存储介质，改善因评分数据特征稀疏或冷启动问题导致推荐效果不好的情况，从而提高推荐的效果，旨在至少解决现有技术或相关技术中存在的技术问题之一。

本发明提出的一种协同过滤的推荐模块、方法、电子设备及存储介质，传统的基于物品的协同过滤算法存在数据的稀疏性问题，因此本发明提出一种结合用户搜索词和用户浏览记录信息来优化基于传统的基于物品的协同过滤算法的思路，并在传统基于物品的协同过滤算法的物品相似度计算中加入时间因素和用户平均值平滑处理。

一种协同过滤的推荐模块，用于对用户进行内容的推荐，所述推荐模块包括第一推荐模块、第二推荐模块和第三推荐模块。

更进一步地，所述第一推荐模块基于搜索词和用户浏览信息记录进行推荐，根据搜索词进行特征提取，并分析关键词在内容名中的TF-IDF值，以获得内容与关键词之间的相似度表，当获取到用户的搜索词，先对所述关键词进行遍历对比，返回用户搜索的内容列表形成用户感兴趣的第一推荐列表，同时根据用户浏览记录生成第二推荐列表，将第一推荐列表与第二推荐列表结合生成第三推荐列表。

更进一步地，所述第二推荐模块基于时间因素和物品的协同过滤进行用户信息推荐，建立物品用户评分表，构建物品同现矩阵，通过时间衰减函数与平滑处理计算物品相似度，获取用户对评分物品的偏好，结合用户对物品产生行为的时间因子，根据物品分值大小，形成第四推荐列表。

更进一步地，所述第三推荐模块基于计算内容的热度值进行用户推荐，对内容信息表进行分析，得到内容的浏览次数、评论数和内容的创建时间，以计算内容的热度值，并根据所述内容的热度值形成第五推荐列表。

同时，又提出一种协同过滤的推荐方法，应用于所述权利要求1至8任一项所述的协同过滤的推荐模块，其特征在于，所述推荐方法包括：