[发明专利]一种基于异质信息网络的推荐方法及装置在审

专利信息
申请号: 202011507696.9 申请日: 2020-12-18
公开(公告)号: CN112541806A 公开(公告)日: 2021-03-23
发明(设计)人: 何伟;张晶亮;谢水庚;郝志强;刘雪妍 申请(专利权)人: 北京航天云路有限公司
主分类号: G06Q30/06 分类号: G06Q30/06;G06K9/62
代理公司: 北京纽乐康知识产权代理事务所(普通合伙) 11210 代理人: 秦月贞
地址: 100039 北京市海淀区西*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 信息网络 推荐 方法 装置
【说明书】:

发明公开了一种基于异质信息网络的推荐方法及装置,包括步骤:获取用户数据、物品数据、用户对物品的行为数据、物品对用户的曝光数据;据用户对物品的行为数据、物品对用户的曝光数据、用户数据构造异质信息网络;通过预设算法对有历史行为的用户和没有历史行为的用户分别计算获取推荐候选物品集;在推荐候选物品集的基础上使用分类学习算法来预测用户对物品的偏好程度,然后将用户对物品按照偏好程度从大到小依次排列,选出用户最有可能感兴趣的物品。本发明有效解决历史行为数据不足导致的用户冷启动问题,提升个性化推荐系统用户体验,同时通过结合用户隐式反馈信息提高推荐准确度。

技术领域

本发明涉及大数据和数据挖掘推荐系统技术领域,具体来说,涉及一种基于异质信息网络的推荐方法及装置。

背景技术

随着信息互联网技术和电子商务的飞速发展, 用户面对海量的网络信息变得手足无措。 如何挖掘潜在用户,如何精准地向潜在客户推荐商品成为了电子商务平台、需要解决的首要问题。 对于用户而言,在没有明确的需求的情况下面对网络上数量庞大的商品信息时很难做出选择,信息的利用率反而降低, 这种现象被称之为信息超载. 个性化推荐被认为是当前解决信息超载问题最有效的工具之一。个性化推荐系统广泛应用于电子商务、网络视频音乐、个性化阅读、个性化邮件以及社交网络等。

推荐系统包含两个关键阶段,召回和排序。召回阶段从全量信息集合中触发尽可能多的正确结果,排序阶段则将召回阶段得到的候选集进行精准排序,推荐给用户。

推荐系统里召回阶段应用最广泛的是协同过滤技术,主要包括基于用户的协同过滤、 基于物品的协同过滤、基于模型的协同过滤,这三类方法均针对表示用户和物品之间关系的二维矩阵进行分析计算。

其中基于用户的协同过滤方法根据用户对物品的历史行为计算用户之间的相似度,然后收集和分析相似用户的感兴趣的物品作为目标用户的候选集。基于物品的协同过滤方法根据用户对物品的行为计算物品之间的相似度,根据物品的相似度和用户历史行为为用户生成召回候选集。基于模型的协同过滤方法利用矩阵分解或机器学习从历史行为数据中提取特征,计算用户和物品的向量化表示,根据用户和物品向量的点积计算用户和物品间的相关性,根据相关性高低为用户生成召回候选集。

基于图的推荐算法中,用户和物品的关系被表示为二部图的形式,通过诸如随机游走方法计算目标用户与图中所有节点的相关性,将其与物品间的相关性表示目标用户对物品的感兴趣程度,据此构造推荐物品候选集。

由于协同过滤技术和基于图的推荐技术都是根据用户的历史行为和兴趣预测用户未来的行为和兴趣,大量的用户行为数据就成为推荐系统的重要组成部分和先决条件。对于个性化推荐系统来说,新的系统、新的用户、新的内容对推荐系统来说,需要通过累计一定的曝光量和互动量来收集相关基础数据。这个从零开始积累基础数据的过程就是冷启动,其效果的好坏关系到产品新用户的留存和转化,因此冷启动问题是推荐系统研究开发过程中备受关注的问题。

针对相关技术中的问题,目前尚未提出有效的解决方案。

发明内容

针对相关技术中的上述技术问题,本发明提出一种基于异质信息网络的推荐方法及装置,能够解决上述问题。

为实现上述技术目的,本发明的技术方案是这样实现的:

一种基于异质信息网络的推荐方法,包括步骤:

S1获取用户数据、物品数据、用户对物品的行为数据、物品对用户的曝光数据;

S2据用户对物品的行为数据、物品对用户的曝光数据、用户数据构造异质信息网络;

S3通过预设算法对有历史行为的用户和没有历史行为的用户分别计算获取推荐候选物品集;

S4在推荐候选物品集的基础上使用分类学习算法来预测用户对物品的偏好程度,然后将用户对物品按照偏好程度从大到小依次排列,选出用户最有可能感兴趣的物品;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航天云路有限公司,未经北京航天云路有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011507696.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top