一種基于用戶網(wǎng)絡數(shù)據(jù)的物品信息推薦方法
【專利摘要】本發(fā)明涉及一種基于用戶網(wǎng)絡數(shù)據(jù)的物品信息推薦方法，其特征在于，包括以下步驟：1)通過用戶的網(wǎng)絡數(shù)據(jù)獲取用戶的物品需求信息，建立用戶需求特征庫；2)根據(jù)物品網(wǎng)絡數(shù)據(jù)建立物品信息特征庫；3)采用文本和語義相似度算法將用戶需求特征和物品信息特征進行匹配，計算物品信息與用戶需求之間的相似度并排序、過濾，最后產(chǎn)生推薦結(jié)果；4)將生成的推薦結(jié)果反饋回用戶需求特征庫和物品信息特征庫并且訓練更新。與現(xiàn)有技術(shù)相比，本發(fā)明具有信息全面、適應性廣等優(yōu)點。
【專利說明】一種基于用戶網(wǎng)絡數(shù)據(jù)的物品信息推薦方法

【技術(shù)領域】
[0001] 本發(fā)明涉及網(wǎng)絡【技術(shù)領域】，尤其是涉及一種基于用戶網(wǎng)絡數(shù)據(jù)的物品信息推薦方 法

【背景技術(shù)】
[0002] 隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展，人們逐漸從信息匱乏的時代走入了信息過載的時 代，海量信息同時呈現(xiàn)，無論是對于信息消費者還是信息生產(chǎn)者而言都是很大的挑戰(zhàn)：對于 信息消費者，一方面用戶很難從中發(fā)現(xiàn)自己感興趣的部分，另一方面也使得大量少人問津 的信息成為網(wǎng)絡中的"暗信息"，無法被一般用戶獲取：而對于信息生產(chǎn)者，如何讓自己生產(chǎn) 的信息脫穎而出，受到廣大用戶的關注，也是一件非常困難的事情，傳統(tǒng)的搜索算法只能呈 現(xiàn)給用戶一樣的排序結(jié)果，無法針對不同用戶的不同的興趣愛好提供相應的服務，個性化 推薦系統(tǒng)應運而生，能夠有效解決信息過載的問題，個性化推薦系統(tǒng)通過建立用戶與信息 之間的二元關系，一方面幫助用戶發(fā)現(xiàn)對自己有價值的信息，另一方面讓信息能夠展現(xiàn)在 對它感興趣的用戶面前，從而實現(xiàn)信息消費者和信息生產(chǎn)者的雙贏。
[0003] 個性化推薦系統(tǒng)的本質(zhì)是通過一定方式將用戶和物品聯(lián)系起來，聯(lián)系用戶和物品 的常用方式主要分為以下三類：
[0004] (1)社會化推薦，即利用好友給自己推薦物品；
[0005] (2)基于內(nèi)容的推薦，即通過分析用戶的歷史興趣記錄，向用戶推薦與其歷史記錄 相似度較高的物品；
[0006] (3)基于協(xié)同過濾的推薦，即分析與目標用戶的歷史興趣相似度較高的鄰居用戶， 將鄰居用戶感興趣的物品推薦給目標用戶。
[0007] 在互聯(lián)網(wǎng)的各類網(wǎng)站中都可以看到推薦系統(tǒng)的應用，而個性化推薦系統(tǒng)的主要作 用是通過分析大量用戶行為日志，給不同的用戶提供不同的個性化頁面展示，來提高網(wǎng)站 的點擊率和物品成交轉(zhuǎn)化率，廣泛利用個性化推薦系統(tǒng)的領域包括電子商務、電影和視頻、 音樂、社交網(wǎng)絡、個性化郵件和廣告等。著名的電子商務網(wǎng)站亞馬遜就是個性化推薦系統(tǒng)的 積極應用者和推廣者，亞馬遜的個性化推薦服務深入到了其各類產(chǎn)品中，其中最主要的應 用有個性化商品推薦列表和相關商品的推薦列表。
[0008] 然而，基于內(nèi)容的推薦算法和協(xié)同過濾推薦算法都各自存在不足之處，基于內(nèi)容 的推薦算法需要提取物品的特性，自動化的特征提取方法廣泛應用于文本數(shù)據(jù)，但是較難 應用于多媒體數(shù)據(jù)：并且為用戶推薦的物品僅限于與該用戶的歷史記錄相似的物品，結(jié)果 多樣性較差。對于沒有歷史記錄的新用戶難以通過基于內(nèi)容的推薦算法進行推薦，存在新 用戶的冷啟動問題，協(xié)同過濾推薦算法由于考慮用戶之間的相似度，因此可以克服自動化 程度低、推薦結(jié)果不豐富等弊端，但是，協(xié)同過濾推薦算法是基于大量歷史數(shù)據(jù)集的，因而 存在稀疏問題和冷啟動問題，對于沒有歷史記錄的新用戶和沒有被用戶有過正反饋的新物 品都難以通過協(xié)同過濾推薦算法進行推薦，另外，如何動態(tài)地從用戶社交網(wǎng)絡數(shù)據(jù)中提取 用戶的需求和偏好信息，將推薦算法結(jié)合用戶社交網(wǎng)絡數(shù)據(jù)產(chǎn)生推薦結(jié)果，為用戶解決信 息過載的問題，目前暫時還沒有相關的較為成熟的應用。


【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于用戶網(wǎng)絡 數(shù)據(jù)的物品信息推薦方法
[0010] 本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：
[0011] 一種基于用戶網(wǎng)絡數(shù)據(jù)的物品信息推薦方法，包括以下步驟：
[0012] 1)通過用戶的網(wǎng)絡數(shù)據(jù)獲取用戶的物品需求信息，建立用戶需求特征庫；
[0013] 2)根據(jù)物品網(wǎng)絡數(shù)據(jù)建立物品信息特征庫；
[0014] 3)采用文本和語義相似度算法將用戶需求特征和物品信息特征進行匹配，計算物 品信息與用戶需求之間的相似度并排序、過濾，最后產(chǎn)生推薦結(jié)果；
[0015] 4)將生成的推薦結(jié)果反饋回用戶需求特征庫和物品信息特征庫并且訓練更新。
[0016] 所述的步驟1)包括以下步驟：
[0017] 11)通過網(wǎng)絡軟件或網(wǎng)絡信息手段獲取用戶公開的網(wǎng)絡信息；
[0018] 12)從公開的信息中進行預處理后，采用TF-IDF方法提取用戶信息關鍵詞，所述 的TF-IDF提取關鍵詞的方法為計算TF-IDF關鍵詞權(quán)值 Wi,」，Wi,」的計算式為：
[0019] j = TF^ j^IDFj

【權(quán)利要求】
1. 一種基于用戶網(wǎng)絡數(shù)據(jù)的物品信息推薦方法，其特征在于，包括以下步驟： 1) 通過用戶的網(wǎng)絡數(shù)據(jù)獲取用戶的物品需求信息，建立用戶需求特征庫： 2) 根據(jù)物品網(wǎng)絡數(shù)據(jù)建立物品信息特征庫； 3) 采用文本和語義相似度算法將用戶需求特征和物品信息特征進行匹配，計算物品信 息與用戶需求之間的相似度并排序、過濾，最后產(chǎn)生推薦結(jié)果： 4) 將生成的推薦結(jié)果反饋回用戶需求特征庫和物品信息特征庫并且訓練更新。
2. 根據(jù)權(quán)利要求1所述的一種基于用戶網(wǎng)絡數(shù)據(jù)的物品信息推薦方法，其特征在于， 所述的步驟1)包括以下步驟： 11) 通過網(wǎng)絡軟件或網(wǎng)絡信息手段獲取用戶公開的網(wǎng)絡信息； 12) 從公開的信息中進行預處理后，采用TF-IDF方法提取用戶信息關鍵詞，所述的 TF-IDF提取關鍵詞的方法為計算TF-IDF關鍵詞權(quán)值Wi,」，Wi,」的計算式為： wi,j = TFi,j*IDFi
其中，nq表示詞i在文檔j中出現(xiàn)的次數(shù)，分母Σ1%./則是文檔j中所有詞出現(xiàn)的次 J k 數(shù)之和，IdI是文檔總數(shù)，分母I {chh e d} I是包含詞條&的文檔數(shù)目。 13) 將用戶信息關鍵詞作為用戶的需求特征列表參數(shù)，建立用戶需求特征庫。
3. 根據(jù)權(quán)利要求1所述的一種基于用戶網(wǎng)絡數(shù)據(jù)的物品信息推薦方法，其特征在于， 所述的步驟2)包括以下步驟： 21) 通過網(wǎng)絡軟件或網(wǎng)絡信息手段獲取物品的網(wǎng)絡信息并提取關鍵詞； 22) 通過物品信息關鍵詞建立物品信息特征庫。
4. 根據(jù)權(quán)利要求1所述的一種基于用戶網(wǎng)絡數(shù)據(jù)的物品信息推薦方法，其特征在于， 所述的步驟3)包括以下步驟： 31) 根據(jù)用戶需求特征庫和物品信息特征庫列出關鍵詞詞頻向量，通過文本相似度算 法得到關鍵詞詞頻向量的相似度cos Θ，cos Θ的計算式為：
其中，A為用戶需求特征庫關鍵詞詞頻向量，B為物品信息特征庫關鍵詞詞頻向量。 32) 基于同義詞詞林結(jié)構(gòu)，采用語義相似度算法計算用戶需求特征庫和物品信息特征 庫關鍵詞的語義相似度Sim (C，D)，Sim (C，D)的計算式為： 當C和D兩個義項不在同一棵樹上時， Sim(C, D) = f = 0. 1 當C和D兩個義項在同一棵樹上，并且在第二層分支上時，
當C和D兩個義項在第三層分支上時，
當C和D兩個義項在第四層分支上時，
當C和D兩個義項在第五層分支上時，
其中，η是分支層的節(jié)點總數(shù)，k是兩個分支間的距離； 33)根據(jù)文本相似度和語義相似度分別判斷物品和用戶特征之間是否匹配，對結(jié)果進 行計算排序，并向用戶推送結(jié)果。
【文檔編號】G06F17/30GK104156450SQ201410403849
【公開日】2014年11月19日 申請日期:2014年8月15日 優(yōu)先權(quán)日:2014年8月15日
【發(fā)明者】黃震華, 張佳雯, 方強, 向陽 申請人:同濟大學