[发明专利]商品在线推荐方法和系统

说明书

本发明公开了商品在线推荐方法和系统，根据用户关系建立用户间动态影响力矩阵，在一轮推荐中根据选定用户对于推荐的商品反馈，以及被推荐商品的特征向量对该用户潜在偏好向量的推测进行更新，根据本轮推荐的准确程度，更新动态影响力矩阵，最后基于该动态影响力矩阵更新对其余用户潜在偏好向量的预测。进入下一轮推荐。该方法能够充分利用不同用户被推荐次数不同所产生的重尾特性，根据推荐系统对于用户偏好向量掌握的准确程度不同，更新不同用户的影响力，使针对单个用户的推荐能够有效更新其他用户的潜在偏好向量，从而实现推荐资源的高效利用。

技术领域

本发明涉及一种商品在线推荐方法和系统，属于推荐系统技术领 域。

背景技术

在互联网技术高速发展的今天，大量的广告推送信息被呈现给用 户。不符合用户需求或与用户潜在喜好无关的广告或推送一方面使商 户得不到回报，另一方面也耗费了用户的时间和精力，人们的注意力 被各类推送信息高度碎片化。长此以往地推送无用信息，将会导致网 页或软件客户端用户的大量流失。因而，向用户推送其目前感兴趣或 未来可能感兴趣的优质内容是极其重要的环节，而在线推荐系统是当 下解决这一问题的有效方法。

推荐系统利用用户的历史信息对其偏好进行评估并预测用户可 能的选择。在很多情况下，推荐系统的目标用户可以组成一个社交网 络。已知的社交网络关系能够提供重要的附加信息，例如用户之间的 共同偏好等。对于用户共同偏好的有效利用能够使推荐的质量大幅提 升。而目前利用用户社会关系网络的推荐系统通常只利用简单的用户 关联而不考虑用户相互间的影响力。通常情况下，用户对于推荐系统 的参与程度呈现出重尾特性，因此系统对于不同用户潜在偏好掌握的 精确程度是不同的，单一地只考虑用户关系会导致推荐资源利用效率 的降低。

发明内容

本发明旨在针对目前推荐系统单一地只考虑用户关系而不考虑 用户相互间的影响力所带来的问题，本发明采用以下技术方案。

提供一种商品在线推荐方法，包括：根据已知的用户关系建立用 户间动态影响力矩阵并进行初始化；针对各用户根据每个商品的特征 向量和该用户最新的潜在偏好向量确定期待收益，并选取期待收益最 大的相应商品推荐给各用户；

获取选定用户针对推荐商品反馈的回报值，根据实际推荐给该选 定用户的商品的特征向量和用户反馈的回报值对该选定用户的潜在 偏好向量进行更新，得到该选定用户最新的潜在偏好向量；

根据推荐给选定用户商品的准确程度更新所述用户间动态影响 力矩阵；由更新后的用户间动态影响力矩阵、本轮推荐的商品特征向 量和选定用户反馈的回报值更新除去选定用户的其余所有用户的潜 在偏好向量，得到其余所有用户最新的潜在偏好向量。

进一步地，根据已知的用户关系建立用户间动态影响力矩阵并进 行初始化具体包括：

利用用户之间邻接关系矩阵表示用户间动态影响力矩阵，表示为：

其中，L表示用户间动态影响力矩阵，Z表示用户数，L_u，v表示矩阵L中， 第u行第v列的元素。

再进一步地，初始化所述用户之间邻接关系矩阵的方法如下：

当u＝v时，L_u，u等于与用户u有邻接关系的所有用户的数量，

当u≠v时，若用户u与用户v有邻接关系，则L_u，v＝-1；若用户u与 用户v没有邻接关系，则L_u，v＝0。

进一步地，其特征在于，选取期待收益最大的相应商品推荐给各 用户表示如下：其中i_t表示第t轮推荐给用户的商品，表示第t-1轮更新得到的 用户u的用户偏好向量的转置矩阵，q_i表示第i个商品的特征向量， CB_t(q_i)表示第t轮推荐第i个商品的特征向量的置信区间。