CN101755283A

CN101755283A - 利用混合算法推荐信息的方法和设备

Info

Publication number: CN101755283A
Application number: CN200880100043A
Authority: CN
Inventors: 任成彬; 洪世潾
Original assignee: Samsung Electronics Co Ltd
Current assignee: Samsung Electronics Co Ltd
Priority date: 2007-07-24
Filing date: 2008-04-14
Publication date: 2010-06-23
Anticipated expiration: 2028-04-14
Also published as: JP5379135B2; EP2181430A1; JP2010534370A; KR101415022B1; US20110035388A1; EP2181430A4; WO2009014300A1; KR20090010866A; CN101755283B

Abstract

提供一种推荐信息的方法和设备。当客户机访问服务器并请求必要信息时，服务器确定客户机是否包括在有意义集(MS)中，并基于客户机的访问历史或者基于客户机直接输入的附加信息来生成客户机的第一偏好信息。然后，服务器选择包括偏好与客户机的偏好相似的客户机的数量为M的邻近组，生成关于邻近组的客户机所偏好的N个项目的第一项目信息并将其发送给客户机。客户机通过基于第二偏好信息再次过滤第一项目信息，来提取将推荐给用户的第二项目信息。服务器和客户机分别使用不同的算法对信息进行过滤。因此，可提高信息推荐的精确度和速度。

Description

利用混合算法推荐信息的方法和设备

技术领域

本发明涉及一种推荐信息的方法和设备，更具体地讲，涉及一种利用混合算法来推荐信息的方法和设备，所述方法和设备能够通过反映用户的类别(category)偏好来精确并快速地推荐信息。

背景技术

由于互联网技术的发展，可搜索大量信息，因此需要一种方法从通过互联网能够搜索到的大量信息中快速提取适合于用户的信息。作为过滤适合于用户的信息的方法的典型算法，属性可知(attribute-aware，AA)算法和协同过滤(collaborative filtering，CF)算法用于搜索信息。在用户通过互联网搜索诸如书籍、音乐、电影等项目的情况下，使用前述算法来提供适合于用户的搜索结果。

AA算法表示通过分析用户的属性以及项目的属性来过滤项目信息的方法。对属性与该用户的属性相似的用户的搜索结果进行分析。搜索由具有相似属性的许多用户选择的项目或者评价较高的项目。将关于所述项目的信息提供给用户。

CF算法表示这样一种被广泛使用的方法，该方法基于用户过去的项目搜索结果来分析该用户的偏好，并搜索由偏好与该用户的偏好相似的用户组选择的项目。选择由属于所述组的许多用户选择的项目或者分配了高评价分数的项目，并将关于所述项目的信息提供给用户。

由于CF算法使用用户过去的项目搜索结果，所以对于没有与过去的项目搜索结果有关的数据的初始用户，难以利用这一方法精确地推荐信息(首次用户问题)。另外，在项目的数量远大于用户的数量的情况下，缺少对具有相似偏好的组进行区分的数据，降低了过滤精确度(稀疏性问题)。

因此，尽管已提出通过将这两种算法结合而获得的混合算法，但是利用该混合算法过滤信息的大多数方法具有这样的缺点：过滤速度非常慢，并且难以实现混合方法。如果利用属性数据将AA算法应用于数据以检查用户的偏好，以便应用CF算法，则数据量过大，并且过滤速度降低。因此，需要一种推荐信息的方法和设备。

发明内容

技术方案

本发明提供一种利用混合算法来推荐信息的方法和设备以及包含有执行所述信息推荐方法的计算机程序的计算机可读记录介质，所述方法和设备能够通过反映用户的个人偏好来过滤信息，而不降低过滤信息的速度。

有益效果

因此，由于服务器和客户机利用不同的信息过滤算法执行过滤处理，所以信息过滤速度提高。由于通过在两个过滤处理中反映用户的个人偏好来执行过滤处理，所以可为用户推荐精确的信息。

附图说明

通过参照附图对本发明示例性实施例进行详细描述，本发明的上述和其他特点和优点将变得更明显，其中：

图1是根据本发明实施例的利用服务器来推荐信息的方法的流程图；

图2是根据本发明实施例的生成第一偏好信息的方法的流程图；

图3是根据本发明实施例的利用客户机来推荐信息的方法的流程图；

图4示出项目偏好分数、类别偏好分数和加权分数；

图5A和图5B示出根据本发明实施例的用于推荐信息的服务器和客户机。

最佳方式

根据本发明的一方面，提供一种通过服务器推荐信息的方法，所述方法包括以下操作：从客户机接收推荐关于服务器的项目中的至少一个项目的信息的请求；通过分析客户机的项目偏好生成第一偏好信息；基于第一偏好信息选择邻近组，所述邻近组包括偏好与客户机的偏好相似的客户机；将关于服务器的项目中的邻近组的客户机所偏好的至少一个项目的第一项目信息发送给客户机，其中，客户机接收第一项目信息，并通过基于第二偏好信息再次过滤第一项目信息来提取将推荐给用户的第二项目信息，其中，所述第二偏好信息表示客户机的项目偏好。

根据本发明的另一方面，提供一种通过客户机接收信息的推荐的方法，所述方法包括以下操作：请求服务器推荐关于服务器的项目中的至少一个项目的信息；从服务器接收关于邻近组的客户机所偏好的项目的第一项目信息，其中，所述邻近组是基于表示客户机的项目偏好的第一偏好信息而选择的；通过基于第二偏好信息过滤接收的第一项目信息来生成将推荐给用户的关于项目的第二项目信息，其中，所述第二偏好信息表示客户机的项目偏好，其中，所述邻近组是偏好与对应于第一偏好信息的偏好相似的一组客户机。

第二偏好信息可以是关于第一项目信息中所包括的项目的类别的偏好的信息，其中，基于客户机过去对服务器的项目的访问结果生成所述第一项目信息。

根据本发明的另一方面，提供一种用于推荐信息的服务器装置，该服务器装置包括：请求接收单元，从客户机接收推荐关于服务器的项目中的至少一个项目的信息的请求；偏好生成单元，通过分析客户机的项目偏好生成第一偏好信息；组选择单元，基于第一偏好信息选择邻近组，所述邻近组包括偏好与客户机的偏好相似的客户机；信息生成单元，将关于服务器的项目中的邻近组的客户机所偏好的至少一个项目的第一项目信息发送给客户机，其中，客户机接收第一项目信息，并通过基于第二偏好信息过滤第一项目信息来提取将推荐给用户的第二项目信息，其中，所述第二偏好信息表示客户机的项目偏好。

根据本发明的另一方面，提供一种用于接收推荐信息的客户机装置，所述客户机装置包括：请求发送单元，请求服务器推荐关于服务器的项目中的至少一个项目的信息；信息接收单元，从服务器接收关于邻近组的客户机所偏好的项目的第一项目信息，其中，所述邻近组是基于表示客户机的项目偏好的第一偏好信息而选择的；偏好生成单元，生成表示客户机的项目偏好的第二偏好信息；信息生成单元，通过基于第二偏好信息过滤接收的第一项目信息来生成关于将推荐给用户的项目的第二项目信息，其中，所述邻近组是偏好与对应于第一偏好信息的偏好相似的一组客户机。

根据本发明的另一方面，提供一种推荐信息的方法，所述方法包括以下操作：通过使服务器利用第一信息过滤算法过滤信息，来生成首次推荐信息；通过使客户机利用第二信息过滤算法过滤首次推荐信息，来生成第二次推荐信息。

第一信息过滤算法可以是协同过滤(CC)算法，第二信息过滤算法可以是属性已知(AA)算法。

根据本发明的另一方面，提供一种记录有执行所述信息过滤方法的程序的计算机可读记录介质。

具体实施方式

以下，将通过参照附图解释本发明的示例性实施例来详细描述本发明。

图1是根据本发明实施例的利用服务器来推荐信息的方法的流程图。如上面参照传统技术所描述的，将属性已知(AA)算法与协同过滤(CF)算法结合而获得的混合算法的缺点在于信息过滤速度低。因此，在根据实施例的信息推荐方法中，服务器利用第一信息过滤算法(优选地，CF算法)对将推荐给用户的信息进行首次过滤。客户机利用第二信息过滤算法(优选地，AA算法)对从该过滤结果获得的首次推荐信息进行第二次过滤，以生成最终推荐的信息。

图1是两个过滤处理中由服务器执行的首次过滤方法的流程图。在图1所示的信息推荐方法中，基于CF算法对信息进行过滤。然而，利用有意义集(meaningful set，MS)对信息进行过滤，以解决首次用户问题和稀疏性问题，其中，首次用户问题指初始访问信息的用户不能使用CF算法的问题，稀疏性问题指在项目的数量远大于用户的数量的情况下，由于对具有相似偏好的组进行相互区分的数据的缺乏，过滤精确度变差的问题。

在操作110，请求根据实施例的服务器推荐关于服务器的项目中的至少一个项目的信息。服务器从客户机接收请求推荐特定类型的项目的消息，或者从客户机接收请求任何类型的项目的消息。客户机通过利用分配给客户机的用户的ID登录服务器，来请求服务器推荐关于服务器中所包括的项目中的至少一个项目的信息。

这里，服务器的项目可直接包括在服务器中，或者可包括在能够将服务器所搜索的项目提供给客户机的另一服务器中。服务器的项目可以是诸如书籍、音乐、电影和文档的内容项目。这里，文档可以是电子文档和web文档。

在操作120，根据实施例的服务器通过分析客户机的项目偏好来生成第一偏好信息。基于客户机过去的访问结果或者由客户机生成并发送的附加信息，来分析客户机的项目偏好。作为分析结果，生成第一偏好信息。这将参照图2进行详细的描述。

图2是根据本发明实施例的生成第一偏好信息的方法的流程图。

参照图2，在操作210，服务器确定请求推荐信息的客户机是否包括在有意义集中。如上所述，根据实施例的信息推荐方法使用有意义集(MS)以解决首次用户问题和稀疏性问题。MS表示对服务器的项目的访问次数等于或大于预定次数的客户机的集合。对服务器的项目的访问次数少于所述预定次数的客户机过去的访问结果不用于过滤信息。具体地讲，当在操作110中请求推荐信息的客户机对服务器的项目的访问次数少于所述预定次数时，该客户机过去的访问结果不用于过滤信息。因此，服务器通过在操作210中确定请求推荐信息的客户机是否包括在MS中来利用不同的方法生成第一偏好信息。

在操作220，当在操作210中确定客户机不包括在MS中时，即，当对服务器的项目的访问次数少于预定次数时，服务器请求客户机发送生成客户机的第一偏好信息所需的附加信息，并接收作为对该请求的响应的附加信息。

所述附加信息包括关于客户机的用户的属性的信息以及关于偏好项目的属性的信息。用户的属性可包括关于年龄、职业等的信息。项目的属性可包括关于项目类型(如书籍、电影、音乐等)的一般属性的信息。这些属性不同于在利用客户机推荐信息的方法中使用的生成第二偏好信息所基于的项目的属性。将参照图3详细描述这些属性。所述附加信息可包括关于用户直接输入的偏好的信息以及关于到目前为止利用客户机对服务器的项目进行搜索和购买的历史的信息。所述附加信息是用于对这样的客户机的第一偏好信息进行分析的临时伪数据，所述客户机对服务器的项目的访问次数少于预定次数。

在操作230，服务器生成客户机的第一偏好信息。当过去对服务器的项目的访问次数等于或大于预定次数的客户机包括在MS中时，基于过去利用客户机访问服务器的项目的结果来生成第一偏好信息。生成项目的类型、对所述类型的项目的访问次数等作为第一偏好信息。

在具有访问项目的次数的客户机不包括在MS中的情况下，基于在操作220中从客户机接收的附加信息来生成第一偏好信息。

返回到图1，当在操作120中生成第一偏好信息时，在操作130，服务器选择邻近组(neighborhood group)，其中，所述邻近组包括偏好与对应于生成的第一偏好信息的偏好相似的其它客户机。通过将第一偏好信息与访问服务器的项目的其它客户机的偏好信息进行比较，来选择偏好与对应于在操作110中请求推荐信息的客户机的第一偏好信息的偏好相似的客户机组。选择这样的邻近组，该邻近组包括偏好与该客户机的偏好相似的M个客户机。在操作140，服务器生成关于在操作130中生成的邻近组的客户机所偏好的至少一个项目的第一项目信息，并将第一项目信息发送给在操作110中请求推荐信息的客户机。

服务器通过分析关于邻近组的客户机访问服务器的次数的信息以及关于邻近组的客户机在访问服务器的项目时所评价的分数的信息，来生成服务器的项目的偏好分数。偏好分数是通过由邻近组的客户机将项目的偏好转换为数值而获得的值。在邻近组的客户机的访问次数较大的情况下或者在访问项目时评价的分数较高的情况下，偏好分数高。反之，偏好分数低。

当计算出关于服务器的项目的偏好分数时，服务器收集关于具有较高偏好的N个项目的信息，以生成第一项目信息。生成的第一项目信息被发送给在操作110中请求推荐信息的客户机。在根据实施例的信息推荐方法中，由服务器推荐的信息不是按原样被使用，而是通过反映用户的个人偏好被再次过滤。因此，在操作140中生成的第一项目信息仅是首次推荐的信息。

图3是根据本发明实施例的利用客户机推荐信息的方法的流程图。

图3是在根据实施例的信息推荐方法中执行的两个过滤处理中由客户机执行的第二次过滤方法的流程图。在图3所示的客户机的信息推荐方法中，基于AA算法对信息进行过滤。当服务器通过利用CF算法过滤信息来生成对应于邻近组的偏好的第一项目信息时，客户机利用AA算法过滤信息并通过反映客户机的用户的个人偏好来生成第二项目信息。首先，通过CF算法过滤信息以生成第一项目信息。由于通过AA算法对生成的第一项目信息进行过滤，所以解决了根据传统技术的数据量增加的问题。由于分别由服务器和客户机过滤信息，所以可使服务器的负载最小化。因此，可提高过滤信息的速度。

在操作310，客户机请求服务器推荐关于服务器的项目中的至少一个项目的信息。操作310对应于图1所示的操作110。客户机利用分配给客户机的用户的ID来登录服务器，并请求服务器推荐关于服务器的项目中的至少一个项目的信息。

在操作320，客户机从服务器接收第一项目信息。服务器接收的第一项目信息是关于N个项目的信息，其中，由服务器利用前述图1所示的信息推荐方法执行信息的首次过滤而生成所述第一项目信息。第一项目信息包括关于项目的偏好分数。当确定客户机不包括在MS中时，从服务器接收的第一项目信息可以是将最终按原样推荐给客户机的信息。

在操作330，客户机生成第二偏好信息。当确定客户机包括在MS中时，基于过去通过客户机访问服务器的项目的结果来生成第二偏好信息。通过比第一偏好信息更精确地反映用户的偏好来获得第二偏好信息。生成关于这样的类别的偏好的信息作为第二偏好信息，其中，所述类别包含第一项目信息中所包括的项目。

第一偏好信息用于选择邻近组。第一偏好信息是基于诸如项目类型的上层属性生成的信息。另一方面，客户机参照这样的属性来生成第二偏好信息，所述属性比生成第一偏好信息时作为标准的属性更具体，从而通过充分反映用户的个人偏好来过滤信息。例如，如果服务器参照诸如内容的类型(即，书籍、电影和音乐)的上层属性生成第一偏好信息，该第一偏好信息是关于每一项目的偏好的信息，则客户机利用诸如流派、作者、导演和作曲家的下层属性来生成第二偏好信息，该第二偏好信息是关于每一类别的偏好的信息。

即，服务器参照用于设置邻近组的一般属性来生成第一偏好信息，而不考虑诸如流派或导演的具体属性信息。客户机参照诸如流派或导演的更具体的属性来生成第二偏好信息，以通过考虑对每一流派或每一导演的偏好再次过滤第一项目信息来生成第二项目信息。

在操作340，客户机基于在操作330生成的第二偏好信息生成第二项目信息。将参照图4描述这一操作。

图4示出项目偏好分数、类别偏好分数和加权分数。

参照图4，根据实施例的第一项目信息包括基于邻近组的偏好计算的每一项目的偏好分数。另一方面，第二项目信息包括类别的偏好分数，所述类别包含第一项目信息中所包括的项目。

尽管邻近组的项目#1的偏好分数为100，但是包含项目#1的类别#2的偏好分数为90。另一方面，尽管邻近组的项目#3的偏好分数为80，但是类别#1的偏好分数为100。

客户机通过应用权重计算使服务器执行第一过滤处理而生成的项目的偏好分数以及包含所述项目的类别的偏好分数，来计算最终加权分数。如果包括在第一项目信息中的项目的偏好分数的权重(1-λ)为0.4，并且如果类别的偏好分数的权重(λ)为0.6，则项目#1的加权分数为94，项目#3的加权分数为92。

参考通过应用权重计算项目偏好分数和类别偏好分数而获得的加权分数，来选择提供给用户的第二项目信息。在图4所示的项目#1至项目#5中，选择具有高加权分数的一些项目。将关于所述项目的信息提供给用户。

客户机将第二项目信息提供给用户。用户从第二项目信息中选择一个。客户机访问选择的项目。将访问结果存储在客户机中，以用于下一次信息推荐。对选择的项目的访问次数加一。当用户输入评价分数时，评价分数被存储。接下来，客户机可将访问结果发送给服务器，以使服务器可以基于所述访问结果针对下一次信息推荐生成第一偏好信息。在对项目的访问次数等于或小于预定次数时，仅客户机存储访问结果。通过在访问次数等于或大于预定次数时将访问结果发送给服务器，可以减小在服务器中用于过滤信息的材料。

在图1至图4所示的信息推荐方法中，存在三个参数。这三个参数包括邻近组中所包括的客户机的数量M、服务器首次推荐的项目的数量N以及用于计算权重的λ，其中，所述权重用于生成第二项目信息。根据实施例，通过控制三个参数，可快速精确地推荐信息。

根据实验结果，如果λ接近1，则在服务器方执行的信息推荐结果没有任何改变地被推荐给用户。这样做不是优选的。

另外，因为由服务器首次推荐的项目的数量N的增加几乎不影响推荐精确度，所以数量N不必要太大。

当包括在邻近组中的客户机的数量M太大时，信息推荐速度降低。因此，数量M不必要太大。基于推荐的项目的类型、服务器的项目的数量等来确定最佳数量M。

在根据实施例的信息推荐方法中，经实验验证，这三个参数不会对信息推荐速度产生很大影响，但是会影响信息推荐的精确度。可控制这三个参数以提高信息推荐的精确度。

通过略微调整这三个参数来进行多次信息推荐。每次推荐信息，测量信息推荐的速度和精确度，以搜索这三个参数的值的最佳组合。

参照图5A，根据实施例的服务器装置510包括请求接收单元512、偏好生成单元514、组选择单元516和信息生成单元518。

客户机520请求请求接收单元512推荐关于服务器510的项目中的至少一个项目的信息。如上所述，所述项目可以直接包括在服务器510中，或者可包括在能够将服务器所搜索的项目提供给客户机的另一服务器中。

偏好生成单元514通过分析客户机的项目偏好来生成第一偏好信息。偏好生成单元514确定客户机是否包括在访问次数等于或大于预定次数的MS中。当确定客户机包括在MS中时，基于过去的访问结果来生成第一偏好信息。

当确定客户机不包括在MS中时，偏好生成单元514请求客户机520提供用于生成第一偏好信息的附加信息，并接收作为对该请求的响应的附加信息。基于接收的附加信息生成第一偏好信息。附加信息包括关于客户机的用户的属性的信息以及关于偏好项目的属性的信息。如上所述，用户属性可包括关于年龄、职业等的信息。项目的属性可包括关于项目类型(如书籍、电影、音乐等)的一般属性的信息。附加信息可包括关于用户直接输入的偏好的信息以及关于用户过去搜索和购买服务器的项目的历史的信息，作为伪数据。

组选择单元516基于由偏好生成单元514生成的第一偏好信息选择邻近组。选择偏好与对应于第一偏好信息的偏好相似的一组M个客户机。

信息生成单元518生成关于邻近组的客户机所偏好的至少一个项目的信息(即，第一项目信息)并将其发送给客户机。计算邻近组的客户机所偏好的项目的偏好分数。生成关于偏好分数较高的N个项目的信息并将其发送给客户机。

参照图5B，根据实施例的客户机装置520包括请求发送单元522、信息接收单元524、偏好生成单元526和信息生成单元528。

请求发送单元522请求服务器推荐关于服务器510的项目中的至少一个项目的信息。

信息接收单元524接收通过使服务器510执行第一信息过滤处理而生成的第一项目信息。通过使服务器510基于第一偏好信息选择包括M个客户机的邻近组并提取关于包括在邻近组中的客户机所偏好的N个项目的信息，来生成第一项目信息，其中，所述第一偏好信息代表客户机520的项目偏好。

偏好生成单元526生成第二偏好信息，其中，第二偏好信息代表客户机520的项目偏好。第二偏好信息涉及过去使客户机520访问服务器510的项目而生成的项目的类别。基于不同于服务器510选择邻近组时所使用的第一偏好信息的更具体的属性来生成第二偏好信息。

信息生成单元528利用偏好生成单元526所生成的第二偏好信息来过滤第一项目信息。通过应用权重计算包括在第一项目信息中的项目的偏好分数以及基于第二偏好信息计算的项目类别的偏好分数，来计算加权分数。基于生成的加权分数生成将推荐给用户的第二项目信息。

尽管已经参照本发明的示例性实施例具体地显示和描述了本发明，但是本领域技术人员应该理解的是，在不脱离权利要求所限定的本发明的精神和范围的情况下，可在其中进行各种形式和细节上的改变。示例性实施例应该仅按描述性理解，而并非出于限制性目的。因此，本发明的范围不由本发明的详细描述限定，而是由权利要求限定，该范围内的所有不同均将被解释为包括在本发明内。根据本发明实施例的系统还可被实施为计算机可读记录介质上的记录可读代码。计算机可读记录介质是能够存储可在随后被计算机系统读取的数据的任何数据存储装置。计算机可读记录介质的例子包括只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘、光学存储装置和载波(例如通过互联网的数据传输)。计算机可读记录介质还可分布于联网的计算机系统上，以使得计算机可读代码以分布式方式被存储和执行。

Claims

1.一种通过服务器推荐信息的方法，所述方法包括：

从客户机接收推荐关于服务器的项目中的至少一个项目的信息的请求；

通过分析客户机的项目偏好生成第一偏好信息；

基于第一偏好信息选择邻近组，所述邻近组包括偏好与所述客户机的偏好相似的客户机；

将关于服务器的项目中的邻近组的客户机所偏好的至少一个项目的第一项目信息发送给客户机，

其中，客户机接收第一项目信息，并通过基于第二偏好信息再次过滤第一项目信息来提取将推荐给用户的第二项目信息，其中，所述第二偏好信息表示客户机的项目偏好。

2.根据权利要求1所述的方法，其中，第一项目信息包括项目的偏好分数，其中，基于邻近组的客户机对服务器的项目的访问次数和分配给服务器的项目的评价分数中的至少一个来生成项目的偏好分数。

3.根据权利要求2所述的方法，其中，生成第一偏好信息的步骤包括：

确定客户机过去对服务器的项目的访问次数是否等于或大于预定次数；

当确定过去的访问次数小于所述预定次数时，请求客户机提供用于生成第一偏好信息的附加信息，并接收客户机响应于所述请求而发送的附加信息；

参考接收的附加信息生成第一偏好信息。

4.根据权利要求2所述的方法，其中，生成第一偏好信息的步骤包括：

当确定过去的访问次数等于或大于所述预定次数时，基于对服务器的项目的访问次数或者分配给服务器的项目的评价分数，来生成第一偏好信息。

5.根据权利要求1所述的方法，其中，所述项目涉及书籍、音乐、电影和文档中的至少一种。

6.一种通过客户机接收信息的推荐的方法，所述方法包括：

请求服务器推荐关于服务器的项目中的至少一个项目的信息；

从服务器接收关于邻近组的客户机所偏好的项目的第一项目信息，其中，所述邻近组是基于表示客户机的项目偏好的第一偏好信息而选择的；

通过基于第二偏好信息过滤接收的第一项目信息来生成将推荐给用户的关于项目的第二项目信息，其中，所述第二偏好信息表示客户机的项目偏好，

其中，所述邻近组是偏好与对应于第一偏好信息的偏好相似的一组客户机。

7.根据权利要求6所述的方法，其中，第二偏好信息是关于第一项目信息中所包括的项目的类别的偏好的信息，其中，基于客户机过去对服务器的项目的访问结果生成所述第一项目信息。

8.根据权利要求7所述的方法，其中，生成第二项目信息的步骤包括：通过应用权重计算包括在第一项目信息中的项目的偏好分数以及对应于类别偏好的偏好分数，来生成将推荐给用户的第二项目信息。

9.一种用于推荐信息的服务器装置，该服务器装置包括：

请求接收单元，从客户机接收推荐关于服务器的项目中的至少一个项目的信息的请求；

偏好生成单元，通过分析客户机的项目偏好生成第一偏好信息；

组选择单元，基于第一偏好信息选择邻近组，所述邻近组包括偏好与客户机的偏好相似的客户机；

信息生成单元，将关于服务器的项目中的邻近组的客户机所偏好的至少一个项目的第一项目信息发送给客户机，

其中，客户机接收第一项目信息，并通过基于第二偏好信息过滤第一项目信息来提取将推荐给用户的第二项目信息，其中，所述第二偏好信息表示客户机的项目偏好。

10.根据权利要求9所述的服务器装置，其中，第一项目信息包括项目的偏好分数，其中，基于邻近组的客户机对服务器的项目的访问次数和分配给服务器的项目的评价分数中的至少一个来生成项目的偏好分数。

11.根据权利要求10所述的服务器装置，其中，偏好生成单元确定客户机过去对服务器的项目的访问次数是否等于或大于预定次数，当确定过去的访问次数小于所述预定次数时，偏好生成单元请求客户机提供用于生成第一偏好信息的附加信息，并参考接收的响应于所述请求的附加信息生成第一偏好信息。

12.根据权利要求10所述的服务器装置，其中，偏好生成单元确定客户机过去对服务器的项目的访问次数是否等于或大于预定次数，当确定过去的访问次数等于或大于所述预定次数时，偏好生成单元基于对服务器的项目的访问次数或者分配给服务器的项目的评价分数，来生成第一偏好信息。

13.根据权利要求9所述的服务器装置，其中，所述项目涉及书籍、音乐、电影和文档中的至少一种。

14.一种用于接收推荐信息的客户机装置，所述客户机装置包括：

请求发送单元，请求服务器推荐关于服务器的项目中的至少一个项目的信息；

信息接收单元，从服务器接收关于邻近组的客户机所偏好的项目的第一项目信息，其中，所述邻近组是基于表示客户机的项目偏好的第一偏好信息而选择的；

偏好生成单元，生成表示客户机的项目偏好的第二偏好信息；

信息生成单元，通过基于第二偏好信息过滤接收的第一项目信息来生成关于将推荐给用户的项目的第二项目信息，

15.根据权利要求14所述的客户机装置，其中，第二偏好信息是关于第一项目信息中所包括的项目的类别的偏好的信息，其中，基于客户机过去对服务器的项目的访问结果生成所述第一项目信息。

16.根据权利要求15所述的客户机装置，其中，信息生成单元通过应用权重计算包括在第一项目信息中的项目的偏好分数以及对应于类别偏好的偏好分数，来生成将推荐给用户的第二项目信息。

17.一种推荐信息的方法，所述方法包括：

通过使服务器利用第一信息过滤算法过滤信息，来生成首次推荐信息；

通过使客户机利用第二信息过滤算法过滤首次推荐信息，来生成第二次推荐信息。

18.根据权利要求17所述的方法，其中，第一信息过滤算法是CC(协同过滤)算法，第二信息过滤算法是AA(属性已知)算法。

19.一种包含有执行根据权利要求1所述的方法的计算机程序的计算机可读记录介质。

20.一种包含有执行根据权利要求6所述的方法的计算机程序的计算机可读记录介质。

21.一种包含有执行根据权利要求17所述的方法的计算机程序的计算机可读记录介质。