服務(wù)推薦處理的方法和裝置制造方法
【專利摘要】本發(fā)明提供一種服務(wù)推薦處理的方法和裝置，其中，該方法包括：獲取活動(dòng)用戶和歷史用戶的服務(wù)評(píng)分?jǐn)?shù)據(jù)，所述服務(wù)評(píng)分?jǐn)?shù)據(jù)為活動(dòng)用戶和歷史用戶分別對(duì)待推薦服務(wù)集中各個(gè)服務(wù)的評(píng)分值；從所述歷史用戶中選取與所述活動(dòng)用戶具有相似排序偏好的用戶作為所述活動(dòng)用戶的相似用戶；根據(jù)所述活動(dòng)用戶及其相似用戶的服務(wù)評(píng)分?jǐn)?shù)據(jù)構(gòu)建各個(gè)待推薦的服務(wù)間的偏序關(guān)系模型；利用所述偏序關(guān)系模型給出服務(wù)推薦排序列表；根據(jù)各個(gè)服務(wù)在所述服務(wù)推薦排序列表中的順序，向所述活動(dòng)用戶推薦服務(wù)。通過(guò)本發(fā)明提供的服務(wù)推薦處理的方法和裝置，依據(jù)服務(wù)間的排序偏好、采用貪心算法給出服務(wù)推薦排序列表，提高服務(wù)推薦結(jié)果的準(zhǔn)確性。
【專利說(shuō)明】服務(wù)推薦處理的方法和裝置

【技術(shù)領(lǐng)域】
[0001]本發(fā)明實(shí)施例涉及通信領(lǐng)域，尤其涉及一種服務(wù)推薦處理的方法和裝置。

【背景技術(shù)】
[0002]現(xiàn)有技術(shù)中，用戶通常利用關(guān)鍵詞通過(guò)搜索引擎在網(wǎng)上搜索自己需要的服務(wù)，而搜索引擎會(huì)針對(duì)用戶輸入的關(guān)鍵詞形成服務(wù)推薦排序列表向用戶推薦服務(wù)?，F(xiàn)有形成服務(wù)推薦排序列表的方式包括采用肯德爾相關(guān)系數(shù)(Kendall Rank Correlat1nCoefficient,簡(jiǎn)稱為KRCC)計(jì)算用戶間的相似性，融合相似用戶的偏好直接產(chǎn)生針對(duì)活動(dòng)用戶的服務(wù)推薦排序列表。
[0003]上述方法中，通常先利用現(xiàn)有服務(wù)評(píng)分?jǐn)?shù)據(jù)集構(gòu)造稀疏評(píng)分矩陣，然后將針對(duì)稀疏矩陣中活動(dòng)用戶的預(yù)測(cè)服務(wù)推薦排序列表，與按照原服務(wù)評(píng)分矩陣中的服務(wù)真實(shí)評(píng)分值生成的服務(wù)推薦排序列表進(jìn)行對(duì)比，仍使用KRCC來(lái)度量服務(wù)推薦排序列表的預(yù)測(cè)準(zhǔn)確性。KRCC越大，表示算法的服務(wù)推薦排序列表預(yù)測(cè)準(zhǔn)確性越高。
[0004]研究表明，排序位置越靠前的搜索結(jié)果，受到的用戶關(guān)注度越高，多數(shù)互聯(lián)網(wǎng)用戶僅關(guān)注搜索結(jié)果第一頁(yè)的內(nèi)容。因此，保證服務(wù)推薦排序列表前端服務(wù)排序位置的一致性尤為重要。但是上述方法卻忽略了用戶對(duì)服務(wù)排序位置的關(guān)注度。如在現(xiàn)有服務(wù)評(píng)分?jǐn)?shù)據(jù)集中，服務(wù)si, s2,..., s8按照真實(shí)評(píng)分值生成的服務(wù)推薦排序列表為(I,2,3,4, 5,6,7,8),用戶得到的預(yù)測(cè)服務(wù)推薦排序列表分別可能為Rl (4，3，2，1，5，6，7，8)和R2 (1,2,3,4,8,7，6，5)，用戶得到的兩個(gè)預(yù)測(cè)服務(wù)推薦排序列表與按照服務(wù)真實(shí)評(píng)分值生成的推薦排序列表KRCC相似性相同(均為22/28)。但是從服務(wù)推薦排序列表Rl和R2中能夠看出，服務(wù)推薦排序列表R2中前端服務(wù)的排序與按照服務(wù)真實(shí)評(píng)分值生成的服務(wù)推薦排序列表(1，2，3，4，5，6，7，8)—致；顯然服務(wù)推薦排序列表R2比Rl更符合用戶的期望。但是利用KRCC計(jì)算的結(jié)果卻看不出這種差異，這降低了向用戶推薦服務(wù)的有效性和準(zhǔn)確性。


【發(fā)明內(nèi)容】

[0005]為克服上述缺陷，本發(fā)明實(shí)施例提供一種服務(wù)推薦處理的方法和裝置。
[0006]第一方面，本發(fā)明實(shí)施例提供一種服務(wù)推薦處理的方法，其包括:
[0007]獲取用戶集中各用戶對(duì)待推薦服務(wù)集中各服務(wù)的評(píng)分值，所述用戶集包括活動(dòng)用戶和歷史用戶，所述待推薦服務(wù)集包括多個(gè)待推薦給用戶的服務(wù)；
[0008]根據(jù)所述活動(dòng)用戶與各歷史用戶共同評(píng)價(jià)過(guò)的服務(wù)的數(shù)量和評(píng)分值，獲取所述活動(dòng)用戶的相似用戶，所述相似用戶是指對(duì)所述待推薦服務(wù)集中的各服務(wù)與所述活動(dòng)用戶具有相似排序偏好的歷史用戶；
[0009]根據(jù)所述活動(dòng)用戶和所述相似用戶對(duì)所述待推薦服務(wù)集中各服務(wù)的評(píng)分值，構(gòu)建各服務(wù)間的偏序關(guān)系模型矩陣；
[0010]根據(jù)所述偏序關(guān)系模型矩陣，應(yīng)用貪心算法獲取服務(wù)推薦排序列表；
[0011]根據(jù)所述活動(dòng)用戶評(píng)價(jià)過(guò)的服務(wù)的排序?qū)λ龇?wù)推薦排序列表進(jìn)行修正。
[0012]在第一方面的第一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述活動(dòng)用戶與各歷史用戶共同評(píng)價(jià)過(guò)的服務(wù)的數(shù)量和評(píng)分值，獲取所述活動(dòng)用戶的相似用戶，包括:
[0013]根據(jù)公式

【權(quán)利要求】
1.一種服務(wù)推薦處理的方法，其特征在于，包括: 獲取用戶集中各用戶對(duì)待推薦服務(wù)集中各服務(wù)的評(píng)分值，所述用戶集包括活動(dòng)用戶和歷史用戶，所述待推薦服務(wù)集包括多個(gè)待推薦給用戶的服務(wù)； 根據(jù)所述活動(dòng)用戶與各歷史用戶共同評(píng)價(jià)過(guò)的服務(wù)的數(shù)量和評(píng)分值，獲取所述活動(dòng)用戶的相似用戶，所述相似用戶是指對(duì)所述待推薦服務(wù)集中的各服務(wù)與所述活動(dòng)用戶具有相似排序偏好的歷史用戶； 根據(jù)所述活動(dòng)用戶和所述相似用戶對(duì)所述待推薦服務(wù)集中各服務(wù)的評(píng)分值，構(gòu)建各服務(wù)間的偏序關(guān)系模型矩陣； 根據(jù)所述偏序關(guān)系模型矩陣，應(yīng)用貪心算法獲取服務(wù)推薦排序列表； 根據(jù)所述活動(dòng)用戶評(píng)價(jià)過(guò)的服務(wù)的排序?qū)λ龇?wù)推薦排序列表進(jìn)行修正。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述活動(dòng)用戶與各歷史用戶共同評(píng)價(jià)過(guò)的服務(wù)的數(shù)量和評(píng)分值，獲取所述活動(dòng)用戶的相似用戶，包括:
根據(jù)公式
計(jì)算隨機(jī)試驗(yàn)期望值，再根據(jù)公式sim(u, v) =2p-l計(jì)算
平均精度相關(guān)系數(shù)，選取所述平均精度相關(guān)系數(shù)滿足預(yù)設(shè)條件的歷史用戶作為所述相似用戶；其中，C (i)表示在所述活動(dòng)用戶u和所述歷史用戶V各自所對(duì)應(yīng)的排序列表中共同位于所述活動(dòng)用戶u對(duì)應(yīng)的排序列表中的第i個(gè)服務(wù)前面的服務(wù)的數(shù)量，N表示所述活動(dòng)用戶u和所述歷史用戶V共同評(píng)價(jià)過(guò)的服務(wù)個(gè)數(shù)，所述排序列表中所述共同給出評(píng)分的服務(wù)按照各自對(duì)應(yīng)的評(píng)分值由大到小排序。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述活動(dòng)用戶和所述相似用戶對(duì)所述待推薦服務(wù)集中各服務(wù)的評(píng)分值，構(gòu)建所述活動(dòng)用戶各服務(wù)間的偏序關(guān)系模型矩陣，包括: 獲取所述活動(dòng)用戶u各服務(wù)間的偏好關(guān)系值v(i，j)，其中，j ^ i，i, j e S;所述Ψ (i, j)表示服務(wù)Si和服務(wù)間的偏好關(guān)系值；S表示待推薦服務(wù)集； 若所述活動(dòng)用戶u對(duì)服務(wù)Si和所述服務(wù)均有評(píng)分，則Ψ (i，j)=ru,^ru,為所述活動(dòng)用戶u對(duì)服務(wù)Si的評(píng)分值，ru,j為所述活動(dòng)用戶u對(duì)服務(wù)~的評(píng)分值； 若所述活動(dòng)用戶u對(duì)服務(wù)Si和所述服務(wù)至少有一個(gè)沒有評(píng)分，則根據(jù)相似用戶集計(jì)算服務(wù)Si和服務(wù)間的偏好關(guān)系值Ψ (i, j)，具體地，
，其中，所述相似用戶集包括所述活動(dòng)用戶u的所有相 似用戶中同時(shí)評(píng)價(jià)過(guò)服務(wù)i和j的各個(gè)相似用戶V，rv，i為所述歷史用戶u對(duì)服務(wù)Si的評(píng)分值，rv,j為所述歷史用戶V對(duì)服務(wù)的評(píng)分值，
若 j=i，貝丨J Ψ (i, j)=0 ； 根據(jù)所述活動(dòng)用戶u各服務(wù)間的偏好關(guān)系值Ψ (i, j)構(gòu)建所述偏序關(guān)系模型矩陣。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述偏序關(guān)系模型，應(yīng)用貪心算法獲取服務(wù)推薦排序列表，包括:獲取服務(wù)Si的優(yōu)先值
選取優(yōu)先值最大的服務(wù)St并給予所述服務(wù)St


在所述服務(wù)推薦排序列表的排序值為1，并從所述待推薦服務(wù)集S中將服務(wù)St移除； 根據(jù)公式η (I) = Ji (i)-2v(i,t)調(diào)整所述待推薦服務(wù)集S中除服務(wù)st之外的其他所有服務(wù)Si的優(yōu)先值π (i)，再次選取優(yōu)先值最大的服務(wù)\并給予所述服務(wù)\在所述服務(wù)推薦排序列表的排序值為2，并從所述待推薦服務(wù)集S中將服務(wù)\移除； 重復(fù)上述步驟，直至所述待推薦服務(wù)集中所有的服務(wù)在所述服務(wù)推薦排序列表中具有各自對(duì)應(yīng)的排序值。
5.根據(jù)權(quán)利要求2-4任一所述的方 法，其特征在于，所述預(yù)設(shè)條件為所述平均精度相關(guān)系值在(0.5,1]的范圍內(nèi)。
6.一種服務(wù)推薦處理裝置，其特征在于，包括: 第一獲取模塊，用于獲取用戶集中各用戶對(duì)待推薦服務(wù)集中各服務(wù)的評(píng)分值，所述用戶集包括活動(dòng)用戶和歷史用戶，所述待推薦服務(wù)集包括多個(gè)待推薦給用戶的服務(wù)； 第二獲取模塊，用于根據(jù)所述活動(dòng)用戶與各歷史用戶共同評(píng)價(jià)過(guò)的服務(wù)的數(shù)量和評(píng)分值，獲取所述活動(dòng)用戶的相似用戶，所述相似用戶是指對(duì)所述待推薦服務(wù)集中的各服務(wù)與所述活動(dòng)用戶具有相似排序偏好的歷史用戶； 構(gòu)建模塊，用于根據(jù)所述活動(dòng)用戶和所述相似用戶對(duì)所述待推薦服務(wù)集中各服務(wù)的評(píng)分值，構(gòu)建各服務(wù)間的偏序關(guān)系模型矩陣； 推薦模塊，用于根據(jù)所述偏序關(guān)系模型矩陣，應(yīng)用貪心算法獲取服務(wù)推薦排序列表； 修正模塊，用于根據(jù)所述活動(dòng)用戶評(píng)價(jià)過(guò)的服務(wù)的排序?qū)λ龇?wù)推薦排序列表進(jìn)行修正。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第二獲取模塊具體用于:根據(jù)公式
,計(jì)算隨機(jī)試驗(yàn)期望值，再根據(jù)公式sim(U，V) =2ρ-1計(jì)算平均精度相關(guān)系數(shù)，選取所述平均精度相關(guān)系數(shù)滿足預(yù)設(shè)條件的歷史用戶作為所述相似用戶；其中，C (i)表示在所述活動(dòng)用戶u和所述歷史用戶V各自所對(duì)應(yīng)的排序列表中共同位于所述活動(dòng)用戶u對(duì)應(yīng)的排序列表中的第i個(gè)服務(wù)前面的服務(wù)的數(shù)量，N表示所述活動(dòng)用戶u和所述歷史用戶V共同評(píng)價(jià)過(guò)的服務(wù)個(gè)數(shù)，所述排序列表中所述共同給出評(píng)分的服務(wù)按照各自對(duì)應(yīng)的評(píng)分值由大到小排序。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述構(gòu)建模塊具體用于: 獲取所述活動(dòng)用戶u各服務(wù)間的偏好關(guān)系值V(i，j)，其中，j ^ i，i, j e S;所述Ψ (i, j)表示服務(wù)Si和服務(wù)間的偏好關(guān)系值；S表示待推薦服務(wù)集； 若所述活動(dòng)用戶u對(duì)服務(wù)Si和所述服務(wù)均有評(píng)分，則Ψ (i，j)=ru,^ru,為所述活動(dòng)用戶u對(duì)服務(wù)Si的評(píng)分值，ru,j為所述活動(dòng)用戶u對(duì)服務(wù)~的評(píng)分值； 若所述活動(dòng)用戶u對(duì)服務(wù)Si和所述服務(wù)至少有一個(gè)沒有評(píng)分，則根據(jù)相似用戶集計(jì)算服務(wù)Si和服務(wù)間的偏好關(guān)系值Ψ (i, j)，具體地，
其中，所述相似用戶集包括所述活動(dòng)用戶u的所有相似用戶中同時(shí)評(píng)價(jià)過(guò)服務(wù)i和j的各個(gè)相似用戶V，IVi為所述歷史用戶u對(duì)服務(wù)Si的評(píng)分值，rv,j為所述歷史用戶V對(duì)服務(wù)的評(píng)分值，
若 j=i，貝丨J Ψ (i, j)=0 ； 根據(jù)所述活動(dòng)用戶u各服務(wù)間的偏好關(guān)系值Ψ (i, j)構(gòu)建所述偏序關(guān)系模型矩陣。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述推薦模塊具體用于:獲取服務(wù)Si的優(yōu)先值
選取優(yōu)先值最大的服務(wù)St并給予所述服務(wù)St在所述服務(wù)推薦排序列表的排序值為1，并從所述待推薦服務(wù)集S中將服務(wù)St移除； 根據(jù)公式η (I) = Ji (i)-2v(i,t)調(diào)整所述待推薦服務(wù)集S中除服務(wù)st之外的其他所有服務(wù)Si的優(yōu)先值π (i)，再次選取優(yōu)先值最大的服務(wù)\并給予所述服務(wù)\在所述服務(wù)推薦排序列表的排序值為2，并從所述待推薦服務(wù)集S中將服務(wù)\移除； 重復(fù)上述步驟，直至所述待推薦服務(wù)集中所有的服務(wù)在所述服務(wù)推薦排序列表中具有各自對(duì)應(yīng)的排序值。
【文檔編號(hào)】G06F17/30GK104182392SQ201310188202
【公開日】2014年12月3日 申請(qǐng)日期:2013年5月20日 優(yōu)先權(quán)日:2013年5月20日
【發(fā)明者】孟琳琳 申請(qǐng)人:中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司