專(zhuān)利名稱(chēng)：一種基于用戶(hù)偏好評(píng)分分布的協(xié)作推薦系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別是一種基于用戶(hù)偏好評(píng)分分布的協(xié)作推 薦系統(tǒng)。
背景技術(shù)：
個(gè)性化推薦系統(tǒng)被廣泛應(yīng)用于電視節(jié)目推薦和電子商務(wù)行業(yè)，向用戶(hù)自 動(dòng)推薦感興趣的節(jié)目信息和商品資源， 一定程度上緩解了 "信息過(guò)載"問(wèn)題， 并且能夠?qū)⒕W(wǎng)上的"瀏覽者"轉(zhuǎn)變?yōu)?購(gòu)買(mǎi)者"。推薦模塊是推薦系統(tǒng)中最 核心的裝置，現(xiàn)有推薦技術(shù)主要有基于內(nèi)容過(guò)濾的推薦、基于協(xié)作過(guò)濾的推 薦及基于該兩種方法的組合推薦?；趦?nèi)容過(guò)濾的推薦效率和精度較低，而 且針對(duì)一些多媒體資源無(wú)法方便的使用?；趨f(xié)作的技術(shù)是當(dāng)前最成功的推 薦技術(shù)，其基本思想是把興趣度相似的其他用戶(hù)感興趣的項(xiàng)目推薦給自己。
該技術(shù)核心內(nèi)容是為目標(biāo)用戶(hù)尋找興趣度相似的鄰居用戶(hù)，假設(shè)對(duì)用戶(hù)A和 B，對(duì)n個(gè)項(xiàng)目資源的評(píng)價(jià)值(i [1,5]區(qū)間整數(shù)，分別表示很不喜歡，比較不
喜歡， 一般，比較喜歡，很喜歡。)可表示為兩向量a( ^,L ,氣)和6(《A,L A)， 衡量?jī)蓚€(gè)用戶(hù)興趣是否相似的標(biāo)準(zhǔn)是根據(jù)相關(guān)系數(shù)來(lái)計(jì)算評(píng)價(jià)向量"和*的 相似程度，然而，隨著用戶(hù)評(píng)價(jià)值的增多，兩個(gè)用戶(hù)所表現(xiàn)出的整體相似度 急劇降低，即兩個(gè)人絕大部分興趣都相似可能性是很小的。因此，隨著系統(tǒng)
用戶(hù)數(shù)和項(xiàng)目數(shù)的急劇增多，該方法計(jì)算目標(biāo)用戶(hù)的相似興趣鄰居用戶(hù)集 時(shí)，計(jì)算復(fù)雜度增大，準(zhǔn)確性降低，系統(tǒng)的擴(kuò)展性和推薦質(zhì)量隨之下降。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足而設(shè)計(jì)的 一種基于用戶(hù)偏好評(píng)分 分布的協(xié)作推薦系統(tǒng)，它能更準(zhǔn)確的描述用戶(hù)之間的相似性，提高系統(tǒng)效率和推薦精度，具有很高的通用性，適用于網(wǎng)絡(luò)電視節(jié)目的推薦、電子商務(wù)網(wǎng) 站購(gòu)物推薦。
本發(fā)明的目的是這樣實(shí)現(xiàn)的 一種基于用戶(hù)偏好評(píng)分分布的協(xié)作推薦系 統(tǒng)，特點(diǎn)包括數(shù)據(jù)引擎裝置、項(xiàng)目屬性類(lèi)別分類(lèi)器、用戶(hù)興趣存儲(chǔ)裝置、 推薦模塊裝置、用戶(hù)交互裝置，數(shù)據(jù)引擎裝置的兩輸出端分別連接項(xiàng)目屬性 類(lèi)別分類(lèi)器和用戶(hù)興趣存儲(chǔ)裝置，項(xiàng)目屬性類(lèi)別分類(lèi)器和用戶(hù)興趣存儲(chǔ)裝置 的輸出接推薦模塊裝置，推薦模塊裝置的輸出接用戶(hù)交互裝置，用戶(hù)交互裝 置的輸出接入用戶(hù)興趣存儲(chǔ)裝置，數(shù)據(jù)引擎裝置的輸入端接數(shù)據(jù)庫(kù)。
所述推薦模塊裝置包括評(píng)分分布空間向量計(jì)算裝置、目標(biāo)用戶(hù)近鄰產(chǎn) 生裝置、協(xié)作推薦裝置。
本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)
1、 對(duì)用戶(hù)的負(fù)擔(dān)小，不需要過(guò)多的參與到系統(tǒng)反饋中，可以從有限的 反饋信息中挖掘出評(píng)分分布信息，提高系統(tǒng)效率。
2、 基于評(píng)分分布的協(xié)同過(guò)濾方法，計(jì)算用戶(hù)之間的相似度，準(zhǔn)確度高。
3、 推薦方法的精確度提高。
4、 本發(fā)明方法具有通用性，可用于網(wǎng)絡(luò)電視節(jié)目的推薦、電子商務(wù)網(wǎng) 站購(gòu)物推薦。


圖1為本發(fā)明結(jié)構(gòu)示意圖
圖2為本發(fā)明流程圖
圖3為評(píng)分分布向量計(jì)算流程圖
圖4為推薦模塊裝置結(jié)構(gòu)示意圖
具體實(shí)施方式
參閱附圖l，本發(fā)明包括數(shù)據(jù)引擎裝置、項(xiàng)目屬性類(lèi)別分類(lèi)器、用戶(hù) 興趣存儲(chǔ)裝置、推薦模塊裝置、用戶(hù)交互裝置，各裝置的具體連接為數(shù)據(jù) 引擎裝置的兩輸出端分別連接項(xiàng)目屬性類(lèi)別分類(lèi)器和用戶(hù)興趣存儲(chǔ)裝置，項(xiàng) 目屬性類(lèi)別分類(lèi)器和用戶(hù)興趣存儲(chǔ)裝置的輸出接推薦模塊裝置，推薦模塊裝 置的輸出接用戶(hù)交互裝置，用戶(hù)交互裝置的輸出接入用戶(hù)興趣存儲(chǔ)裝置，數(shù) 據(jù)弓i擎裝置的輸入端接數(shù)據(jù)庫(kù)。
將來(lái)自數(shù)據(jù)庫(kù)的信息接入數(shù)據(jù)引擎裝置，數(shù)據(jù)引擎裝置分別為項(xiàng)目屬性 類(lèi)別分類(lèi)器和用戶(hù)興趣存儲(chǔ)裝置提供結(jié)構(gòu)化的數(shù)據(jù)，項(xiàng)目屬性類(lèi)別分類(lèi)器為 推薦模塊裝置提供項(xiàng)目屬性類(lèi)別，用戶(hù)興趣存儲(chǔ)裝置為推薦模塊裝置提供用 戶(hù)_項(xiàng)目評(píng)分矩陣，推薦模塊裝置將項(xiàng)目屬性類(lèi)別和用戶(hù)-項(xiàng)目評(píng)分矩陣以各 用戶(hù)感興趣的項(xiàng)目進(jìn)行列表推薦給用戶(hù)交互裝置，用戶(hù)交互裝置對(duì)目標(biāo)用戶(hù) 進(jìn)行項(xiàng)目資源推薦，并記錄用戶(hù)的反饋信息輸入用戶(hù)興趣存儲(chǔ)裝置，更新用 戶(hù)興趣存儲(chǔ)裝置中的用戶(hù)興趣評(píng)分矩陣。
參閱附圖2，本發(fā)明按下述步驟進(jìn)行推薦
1、 提供結(jié)構(gòu)化的數(shù)據(jù)
假設(shè)有M個(gè)用戶(hù)和JV個(gè)信息項(xiàng)目，預(yù)測(cè)目標(biāo)用戶(hù)《對(duì)未評(píng)分項(xiàng)目的興趣 評(píng)分，數(shù)據(jù)引擎裝置是為項(xiàng)目屬性類(lèi)別分類(lèi)器和用戶(hù)興趣存儲(chǔ)裝置提供結(jié)構(gòu) 化的數(shù)據(jù)。
2、 建立項(xiàng)目屬性類(lèi)別
參閱附圖3，對(duì)數(shù)據(jù)引擎裝置提供的結(jié)構(gòu)化數(shù)據(jù)，由項(xiàng)目屬性類(lèi)別分類(lèi) 器進(jìn)行人工分類(lèi)或是自動(dòng)化的聚類(lèi)工作，產(chǎn)生項(xiàng)目屬性類(lèi)別，并由用戶(hù)評(píng)分 分布向量計(jì)算評(píng)分分布向量的相似度，具體計(jì)算按下述步驟進(jìn)行
a、分別利用項(xiàng)目屬性類(lèi)別和用戶(hù)評(píng)分項(xiàng)目，確定用戶(hù)的評(píng)分項(xiàng)目所屬類(lèi)別;
b、根據(jù)資源屬性類(lèi)別，利用公式/) = ，/ = 1，2......"十算目標(biāo)用戶(hù)的評(píng)
分分布向量和所有用戶(hù)的評(píng)分分布向量，D(i)為某一用戶(hù)第i種類(lèi)型 (i=l t)的評(píng)分分布比例，N是用戶(hù)評(píng)分的電影的總數(shù)，m(i)為用戶(hù)評(píng)分 的電影中第i種類(lèi)型的數(shù)量，有些項(xiàng)目可能不只屬于某一種類(lèi)型，那么用戶(hù) 的評(píng)分分布為空間向量D二 {D(1) ， .. ， D(i)，…，D(t)}。
3、建立用戶(hù)-項(xiàng)目評(píng)分矩陣
(1) 、由數(shù)據(jù)引擎裝置提供的結(jié)構(gòu)化數(shù)據(jù)經(jīng)用戶(hù)興趣存儲(chǔ)裝置計(jì)算出用 戶(hù)評(píng)分分布向量，然后建立起用戶(hù)-項(xiàng)目評(píng)分矩陣ife^^'x^M并存儲(chǔ)，矩 陣的行代表用戶(hù)，列代表了資源項(xiàng)目，矩陣的值船&眾6', i;/似7,《3《5乂 表示用戶(hù)/對(duì)項(xiàng)目y的興趣度。
例如用戶(hù)"、6對(duì)"項(xiàng)資源項(xiàng)目評(píng)分向量依次為(1:很不喜歡，2:比較
不喜歡，3: —般，4:比較喜歡，5:很喜歡)
& (1,3,5,4,5,5, 1,…，4, 5, 5) & (5， 2, 1,4， 5， 5， 5，…，1,2， 5)
(2) 、由用戶(hù)-項(xiàng)目評(píng)分矩陣船^iz f爽W計(jì)算目標(biāo)用戶(hù)a和所有的用戶(hù) 評(píng)分的相似度，計(jì)算方法如下
其中6Ya, W表示用戶(hù)a和u的相似度，r 了(^是用戶(hù)a和用戶(hù)u 共同評(píng)分的項(xiàng)目。l.表示用戶(hù)a對(duì)項(xiàng)目i的評(píng)分，^是用戶(hù)a評(píng)分的平均
分。因此，用戶(hù)a和u的相似度的值5&, W的范圍是在[O, l]之間的，5T逸", 越大，a和u的相似度越大。(3)、由用戶(hù)-項(xiàng)目評(píng)分矩陣#3^>^7^計(jì)算目標(biāo)用戶(hù)a和所有用戶(hù)的 評(píng)分分布向量相似度，計(jì)算方法如下
IHL+IL
其中，"."表示的是兩個(gè)向量的點(diǎn)運(yùn)算；|向|2表示的向量^的2范式也就是向
量&的模。
(4) 、利用公式S/m(","=《, +(1-一《 計(jì)算出加權(quán)和相似度，根據(jù) S^("，";)的值，尋找最近鄰居的集合C二^,，C2,…，C^， C,與用戶(hù)a相似性最 高，q與用戶(hù)a的相似性次之，以此類(lèi)推。
(5) 、根據(jù)近鄰用戶(hù)對(duì)項(xiàng)目*的評(píng)分來(lái)預(yù)測(cè)目標(biāo)用戶(hù)"對(duì)未評(píng)分項(xiàng)目*的評(píng) 分，假設(shè)得到目標(biāo)用戶(hù)"的近鄰為^"= {",,"2，"3,"4,"一6}，且同用戶(hù)"基于 項(xiàng)目近鄰集/Se,的相似度依次為{1,0.8,0.6,0.9,1,0.8};近鄰M"對(duì)未評(píng)分項(xiàng)目 A:的評(píng)分依次為{5,5,4， 4,5,4};近鄰tAS"各自平均評(píng)分依次為{3,4,4,4， 4,3,}，
目標(biāo)用戶(hù)"的平均評(píng)分為4;根據(jù)公式戶(hù)。,=》。+z"，& "附(:,"):K(-凡)計(jì)算
出預(yù)測(cè)目標(biāo)用戶(hù)《對(duì)未評(píng)分項(xiàng)目*的評(píng)分，依此類(lèi)推，可預(yù)測(cè)計(jì)算目標(biāo)用戶(hù)" 對(duì)其他未評(píng)分項(xiàng)目的評(píng)分值。
其中，凡,,為戶(hù)a對(duì)項(xiàng)目i的預(yù)測(cè)評(píng)分，S/m(",")為用戶(hù)a和用戶(hù)n之間 的相似性，凡，,表示用戶(hù)n對(duì)項(xiàng)目i的評(píng)分，5表示用戶(hù)n對(duì)項(xiàng)目的平均評(píng) 分A^S。為用戶(hù)a對(duì)最近鄰居的集合，》。是用戶(hù)a評(píng)分的平均分。
4、推薦項(xiàng)目列表
根據(jù)步驟2、 3提供的項(xiàng)目屬性類(lèi)別和用戶(hù)-項(xiàng)目評(píng)分矩陣，由推薦模塊
裝置根據(jù)上述預(yù)測(cè)評(píng)分產(chǎn)生推薦列表，以各用戶(hù)感興趣的項(xiàng)目進(jìn)行列表的形 式推薦給用戶(hù)。假設(shè)預(yù)測(cè)出目標(biāo)用戶(hù)"對(duì)未評(píng)分項(xiàng)目{、,&，&,、,&,、}的預(yù)測(cè)值依次為{3.1,2.5,4.9,4.6,5,2.5}，則根據(jù)預(yù)測(cè)值的高低，篩選感興趣的項(xiàng)目進(jìn) 行推薦，可得到{、 4.9,、 4.6,A:5 : 5}，四舍五入規(guī)整化為{、 5人5,A:5 : 5}，表 示伙3 :很喜歡，、很喜歡^ :很喜歡}，因此把項(xiàng)目推薦給目標(biāo)用戶(hù)"。
參閱附圖4，推薦模塊裝置包括評(píng)分分布空間向量計(jì)算裝置、目標(biāo)用戶(hù) 近鄰產(chǎn)生裝置和協(xié)作推薦裝置。評(píng)分分布空間向量計(jì)算裝置，它基于項(xiàng)目資 源類(lèi)別，計(jì)算目標(biāo)用戶(hù)和所有用戶(hù)己評(píng)分項(xiàng)目的評(píng)分分布向量；目標(biāo)用戶(hù)近 鄰產(chǎn)生裝置，是基于評(píng)分分布空間向量計(jì)算裝置產(chǎn)生的同未評(píng)分項(xiàng)目相似的 近鄰項(xiàng)目的評(píng)分來(lái)計(jì)算目標(biāo)用戶(hù)的近鄰。
推薦模塊裝置，是基于目標(biāo)用戶(hù)近鄰產(chǎn)生裝置產(chǎn)生的目標(biāo)用戶(hù)的近鄰來(lái) 計(jì)算目標(biāo)用戶(hù)對(duì)未評(píng)分項(xiàng)目的預(yù)測(cè)評(píng)分，并根據(jù)預(yù)測(cè)評(píng)分的高低來(lái)產(chǎn)生推薦 列表。
5、用戶(hù)交互
將推薦模塊裝置產(chǎn)生的推薦列表，由用戶(hù)交互裝置以界面形式展現(xiàn)給用 戶(hù)，對(duì)目標(biāo)用戶(hù)"對(duì)進(jìn)行項(xiàng)目資源推薦，并記錄用戶(hù)的反饋信息來(lái)更新用戶(hù) 興趣，即更新用戶(hù)興趣存儲(chǔ)裝置中的用戶(hù)興趣評(píng)分矩陣。
本發(fā)明可以應(yīng)用于IPTV電視節(jié)目推薦系統(tǒng)中，利用用戶(hù)觀看的電視節(jié)
目歷史記錄數(shù)據(jù)，可以得到用戶(hù)對(duì)某些節(jié)目的興趣度評(píng)分，基于這些評(píng)分?jǐn)?shù)
據(jù)結(jié)合本推薦方法，可以預(yù)測(cè)用戶(hù)將來(lái)喜歡看的電視節(jié)目資源，通過(guò)菜單的 形式推薦給用戶(hù)。本發(fā)明也可以應(yīng)用于電子商務(wù)網(wǎng)站推薦，如網(wǎng)上購(gòu)物網(wǎng)站，
通過(guò)記錄用戶(hù)購(gòu)買(mǎi)的歷史記錄，可以得到用戶(hù)對(duì)購(gòu)買(mǎi)商品的興趣度評(píng)分，利 用這些評(píng)分?jǐn)?shù)據(jù)并結(jié)合本推薦方法，可以向用戶(hù)推薦興趣度高的商品， 一方 面節(jié)約用戶(hù)尋找自己喜愛(ài)商品的時(shí)間， 一方面又可以提高購(gòu)物網(wǎng)站的效益。
權(quán)利要求
1、一種基于用戶(hù)偏好評(píng)分分布的協(xié)作推薦系統(tǒng)，其特征在于它包括一個(gè)數(shù)據(jù)引擎裝置，用于收集和分析項(xiàng)目資源的信息特征、用戶(hù)的瀏覽記錄和用戶(hù)對(duì)項(xiàng)目資源的喜好評(píng)分記錄；一個(gè)項(xiàng)目屬性類(lèi)別分類(lèi)器，用于把項(xiàng)目屬性按類(lèi)別分為若干類(lèi)；一個(gè)用戶(hù)興趣存儲(chǔ)裝置，用于記錄用戶(hù)對(duì)項(xiàng)目的評(píng)分以矩陣形式存儲(chǔ)，矩陣的列為所有項(xiàng)目資源名稱(chēng)，矩陣的行為每個(gè)用戶(hù)對(duì)項(xiàng)目資源的評(píng)分；一個(gè)推薦模塊裝置，根據(jù)用戶(hù)已有的評(píng)分矩陣來(lái)預(yù)測(cè)用戶(hù)感興趣的未評(píng)分項(xiàng)目，根據(jù)預(yù)測(cè)感興趣程度產(chǎn)生推薦列表；一個(gè)用戶(hù)交互裝置，用于記錄用戶(hù)的反饋信息、記錄用戶(hù)的瀏覽記錄、顯示和隱式的記錄用戶(hù)興趣并更新用戶(hù)的興趣。
2、 根據(jù)權(quán)利要求l所述基于用戶(hù)偏好評(píng)分分布的協(xié)作推薦系統(tǒng)，其特征在 于所述推薦模塊裝置包括a、 評(píng)分分布空間向量計(jì)算裝置，是基于項(xiàng)目屬性類(lèi)別和用戶(hù)評(píng)分矩陣，計(jì) 算得到用戶(hù)的評(píng)分分布空間向量；b、 目標(biāo)用戶(hù)近鄰產(chǎn)生裝置，是基于評(píng)分分布空間向量和項(xiàng)目評(píng)分相似度計(jì) 算目標(biāo)用戶(hù)的近鄰；c、 協(xié)作推薦裝置，是基于目標(biāo)用戶(hù)近鄰產(chǎn)生裝置所得到的目標(biāo)用戶(hù)的近鄰 及其對(duì)未評(píng)分項(xiàng)目的評(píng)分來(lái)計(jì)算目標(biāo)用戶(hù)對(duì)未評(píng)分項(xiàng)目的預(yù)測(cè)評(píng)分，并根據(jù)計(jì) 算的預(yù)測(cè)評(píng)分的高低產(chǎn)生推薦列表。
全文摘要
本發(fā)明公開(kāi)了一種基于用戶(hù)偏好評(píng)分分布的協(xié)作推薦系統(tǒng)，特點(diǎn)包括數(shù)據(jù)引擎裝置、項(xiàng)目屬性類(lèi)別分類(lèi)器、用戶(hù)興趣存儲(chǔ)裝置、推薦模塊裝置、用戶(hù)交互裝置。本發(fā)明與現(xiàn)有技術(shù)相比具有準(zhǔn)確度高、通用性強(qiáng)的優(yōu)點(diǎn)，大大提高了系統(tǒng)效率，它對(duì)用戶(hù)的負(fù)擔(dān)小，不需要過(guò)多的參與到系統(tǒng)反饋中，就可以從有限的反饋信息中挖掘出評(píng)分分布信息，可廣泛用于網(wǎng)絡(luò)電視節(jié)目的推薦、電子商務(wù)網(wǎng)站購(gòu)物推薦。
文檔編號(hào)G06F17/30GK101482884SQ20091004565
公開(kāi)日2009年7月15日 申請(qǐng)日期2009年1月21日 優(yōu)先權(quán)日2009年1月21日
發(fā)明者磊 任, 何克勤, 夏薇薇, 燕 楊, 欣 林, 樑 賀, 鄧雙義, 天 陳, 顧君忠, 馬天龍 申請(qǐng)人:華東師范大學(xué)