[发明专利]一种在线教育场景下的混合推荐系统

说明书

本发明提供的在线教育场景下的混合推荐系统，构建模块构建若干个不同的子推荐引擎；子推荐引擎包括基于用户行为的第一推荐引擎、基于用户偏好及人口统计的第二推荐引擎、以及基于内容相似度的第三推荐引擎；混合推荐模块接收查询用户录入的用户信息，将用户信息与所述子推荐引擎进行匹配；当子推荐引擎匹配成功时，根据该子推荐引擎生成该用户信息对应的推荐内容，返回给对应的查询用户。该系统中子推荐引擎由自上而下三个推荐引擎组成，通过对多个推荐引擎的推荐结果融合，保证了最终得到的推荐内容的多样性，实现了高效、稳定地个性化推荐，提升用户体验。

技术领域

本发明属于推荐系统技术领域，具体涉及一种在线教育场景下的混合推荐系统。

背景技术

在线教育场景下，全国各地的教育体制、政策存在极大的差异性，不同地域的考情、考纲、教材多样性明显。现有的在线教育企业虽然积累了海量的数据资料，用户也会频繁使用在线教育app进行试卷、题目等资料的搜索及下载，但是依然存在用户的查找效率低下，用户体验较差等缺陷。

发明内容

针对现有技术中的缺陷，本发明提供一种在线教育场景下的混合推荐系统，实现了高效、稳定地个性化推荐，提升用户体验。

一种在线教育场景下的混合推荐系统，包括：

构建模块：用于构建若干个不同的子推荐引擎；所述子推荐引擎包括基于用户行为的第一推荐引擎、基于用户偏好及人口统计的第二推荐引擎、以及基于内容相似度的第三推荐引擎；

混合推荐模块：用于接收查询用户录入的用户信息，将所述用户信息与所述子推荐引擎进行匹配；当子推荐引擎匹配成功时，根据该子推荐引擎生成该用户信息对应的推荐内容，返回给对应的查询用户。

优选地，所述第一推荐引擎通过以下方法构建：

采集用户的历史行为；

对所述历史行为进行清洗转化，构建评分矩阵；

采用所述评分矩阵分别训练出基于物品的协同过滤模型以及基于用户的协同过滤模型；

根据预设的优化策略对基于物品的协同过滤模型和基于用户的协同过滤模型进行融合，得到所述第一推荐引擎。

优选地，所述评分矩阵包括物品相似度矩阵，所述物品相似度矩阵的构建方法包括：

从预设的物品候选集中选取两个不同的物品，分别统计对该两个物品有过历史行为的用户总数，以及同时对该两个物品有过历史行为的用户总数，计算该两个物品间的相似度；

依次遍历物品候选集中所有的物品，计算所有物品间的相似度，构建所述物品相似度矩阵；

基于物品的协同过滤模型的训练方法包括：

获取目标用户在预设的时间段内有过历史行为的物品，筛选出与该物品间的相似度大于预设值、且目标用户未发生过历史行为的物品作为推荐内容。

优选地，所述评分矩阵包括用户相似度矩阵，所述用户相似度矩阵的构建方法包括：

选取两个不同的用户，分别统计该两个用户有过历史行为的物品总数，以及该两个用户同时有过历史行为的物品总数，计算该两个用户间的相似度；

依次遍历所有用户，计算所有用户间的相似度，构建所述用户相似度矩阵；

基于用户的协同过滤模型的训练方法包括：

获取与目标用户相似度较高的用户，筛选出与获取到的用户有过历史行为、且目标用户还未发生过历史行为的物品作为推荐内容。

优选地，所述历史行为包括用户的点击行为、收藏行为和购买行为；

所述优化策略包括热门物品降权和时效性衰减。