CN102426686A - 一种基于矩阵分解的互联网信息产品推荐方法 - Google Patents
一种基于矩阵分解的互联网信息产品推荐方法 Download PDFInfo
- Publication number
- CN102426686A CN102426686A CN2011102989946A CN201110298994A CN102426686A CN 102426686 A CN102426686 A CN 102426686A CN 2011102989946 A CN2011102989946 A CN 2011102989946A CN 201110298994 A CN201110298994 A CN 201110298994A CN 102426686 A CN102426686 A CN 102426686A
- Authority
- CN
- China
- Prior art keywords
- user
- product
- scoring
- matrix
- social
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 22
- 239000013598 vector Substances 0.000 claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 12
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims description 11
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract 1
- 239000000047 product Substances 0.000 description 184
- 244000046052 Phaseolus vulgaris Species 0.000 description 6
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 239000013066 combination product Substances 0.000 description 1
- 229940127555 combination product Drugs 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于矩阵分解的互联网信息产品推荐方法,其步骤是:1)获取用户对信息产品的评分记录;2)获取互联网用户间的社交关系记录;3)按照目标用户和目标产品类别构建评分矩阵和社交矩阵;4)采用矩阵分解技术学习用户特征向量和产品特征向量;5)根据特征向量计算目标用户对不同产品的评分,据以推荐用户喜好的产品。本发明引入对用户社交关系的分析,结合产品类别信息为目标用户提供个性化产品推荐。计算简单快速,有良好的可扩展性和适应性,适于互联网用户的高动态性以及面向海量产品的推荐。
Description
技术领域
本发明涉及互联网信息产品的推荐问题,特别针对网站系统中同时存在用户间社交信息以及用户对产品的评分信息,如何有效利用不同用户间社交关系,并根据用户对产品的历史评分数据,快速准确预测用户对其未评价产品的可能评分,为目标用户进行个性化信息产品推荐。
背景技术
互联网信息产品指互联网站上罗列的各类商品和各种电子产品,包括电影、音乐、书籍、家电以及服饰等。随着互联网的迅速发展,用户通过网络可以接触到海量的信息产品。例如在淘宝网上有数以亿计的各类商品,在豆瓣网上有数以百万计的各类电影。面对海量的产品,互联网用户往往无所适从,无法找到自己感兴趣的产品。很多网站系统和搜索引擎开始采用推荐的方式帮助用户选择合适的产品,有效提高用户体验并实现商业营销。一个高效、准确、个性化的推荐系统已经成为互联网应用领域的研发热点之一。
目前的推荐系统主要采用两类方法。其一是协同过滤方法。该方法利用互联网用户的历史评分信息计算用户之间的评分相似度。当系统为某个用户推荐产品时,首先选出与之相似度最高的若干其他用户;然后利用其他用户对产品的评价信息来预测目标用户对未评价产品的评分;最后推荐评分最高的信息产品。协同过滤方法的优点是可以借鉴相似用户的评价信息为目标用户提供推荐。其二是矩阵分解方法。该方法将用户对产品的评价信息组织为一个评分矩阵,采用奇异值分解(Singular Value Decomposition)技术,为每个用户、产品分解出一个特征向量;使得用户对产品的评分可以通过计算用户和产品特征向量的内积来获得。矩阵分解方法的优点是可以减少需要估计和学习的参数数量,提高推荐系统的性能。
互联网用户对信息产品的评价会受到其朋友或关注对象的影响,朋友关系或关注关系通过用户之间的社交关系反映。目前大多数网站系统都整合了在线社交关系网络,例如豆瓣网、淘宝网和大众点评网等都集成了社交系统。传统推荐方法没有很好考虑用户间的社交关系,不能准确的为用户提供推荐;同时还存在“冷启动”问题,不能为新加入用户和新产品提供有效推荐。
发明内容
本发明的主要目的是针对互联网海量信息产品的推荐问题,为目标用户提供准确的个性化产品推荐。该方法运用协同过滤和矩阵分解技术,引入对用户社交关系的分析,结合产品类别信息为目标用户提供个性化产品推荐;能够解决新加入用户的“冷启动”问题。计算简单,可快速为目标用户完成产品推荐,有良好的可扩展性和适应性。
为实现上述目的,本发明采用如下的步骤:
1) 获取用户对信息产品的评分记录;
2) 获取用户间社交关系记录;
3) 按照目标用户和目标产品类别构建评分矩阵和社交矩阵;
4) 采用矩阵分解技术学习用户特征向量和产品特征向量;
5) 根据特征向量计算目标用户对不同产品的评分,据以推荐用户喜好的产品。
上述步骤1) 中获取用户对信息产品评分记录的过程为:首先确定一个或多个信息收集网站,收集用户对不同信息产品的评价信息。令 表示用户,表示信息产品,表示用户对产品的评分,则一个评分记录可以表示成。然后为每个用户和产品设定唯一标识,如用户标识为,产品标识为,上述记录转换为。最后对评分做归一化处理,如下式所示:
上述步骤2) 中获取用户间社交关系记录的过程为:首先识别用户在网站系统中的社交关系:朋友关系和关注关系;朋友关系为双向关系,关注关系为单向关系。然后获取各个用户的唯一标识,如用户和用户。接下来将用户间社交关系转换为社交记录:如果用户和用户是朋友关系,则添加社交记录和;如果用户关注用户,则只添加社交记录。最后根据社交记录设定社交关系值,如下式所示:
上述步骤3) 中按照目标用户和目标产品类别构建评分矩阵和社交矩阵的过程为:首先筛选出与目标用户相似的个用户,其中参数是可选参数,例如选择网站系统中全部用户数量的50%。然后根据目标产品类别选择同类别或相似类别的个产品,参数也是可选参数,例如选择网站系统中所有的同类别产品。接下来获取用户群对产品集的所有评分记录,构建评分矩阵,矩阵中元素值()为用户对产品的评分值。如果用户未对产品评分,则设为空值。
该处理相当于去除用户评分倾向和产品综合印象。
上述步骤4) 中采用矩阵分解技术学习用户特征向量和产品特征向量的过程为:首先设定用户与产品特征向量的维度,维度属于可选参数,例如设定为15。于是用户的特征向量表示为;产品的特征向量表示为。然后设定类权向量,其中为目标产品类别中子类别的数量。
下一步采用极大似然估计方法,通过最小化评分预测和实际评分的差值学习每个用户的特征向量、每个产品的特征向量、以及类权向量。基于评分矩阵中的历史评分,以及社交矩阵,获得所有用户对所有产品评分预测的联合概率,公式如下:
通过对联合概率函数取对数,获得如下函数:
上述步骤5) 中为目标用户推荐产品的过程为:首先获得用户的特征向量。然后获取指定产品类别中用户未评分的所有产品,针对其中每一个产品,计算用户对产品的评分预测值,其中追加用户评分倾向和产品综合印象,公式如下:
本发明充分运用互联网用户间社交关系对信息产品进行个性化推荐,根据产品类别自动调整用户社交关系影响的权重。在处理用户对产品的评分信息过程中,排除用户的评分倾向以及产品的综合印象,使得用户对产品的评分服从高斯分布;修正的评分值更加真实反映用户对产品的实际喜好。考虑到互联网用户和产品数量巨大,且信息更新的频率很高等特点;本发明方法学习过程和推荐过程计算简单,能够快速为目标用户完成产品推荐,具有良好的可扩展性和适应性。
附图说明
图1是基于矩阵分解的信息产品推荐方法的总体框架;
图2是获取用户/信息产品评分记录并规范化处理的流程;
图3是获取用户社交关系记录并规范化处理的流程;
图4是用户产品评分信息、用户社交信息的关联图;
图5是按照目标用户和产品类别获取评分矩阵和社交矩阵的处理流程;
图6是计算目标用户对不同产品评分并选择推荐产品的流程。
具体实施方式
图1所示为基于矩阵分解的互联网信息产品推荐方法的总体技术框架。方法的输入是互联网上用户对信息产品的评价信息、以及用户之间的社交关系信息。方法的输出是针对目标用户和目标产品类别,根据用户喜好计算并推荐的信息产品集合。技术框架分为5个模块:获取用户对信息产品的评分记录;获取用户间社交关系记录;按照目标用户和目标产品类别构建评分矩阵和社交矩阵;采用矩阵分解技术学习用户特征向量和产品特征向量;根据特征向量计算目标用户对不同产品的评分,据以推荐用户喜好的产品。
本发明方法的第一个模块是获取用户对信息产品的评分记录。首先选定信息收集网站,如豆瓣、大众点评网等信息资源网站,淘宝网、当当网等电子商务网站等。然后收集用户在网站系统中对各种信息产品的评价信息。令表示用户,表示信息产品,表示用户对产品的评分,则一个评分记录可以表示成。例如用户“张三”对信息产品“功夫熊猫2”评分为4星,则对应的评分记录是<张三,功夫熊猫2,4星>。本发明方法一般用于单个网站系统的信息产品推荐,如果采用cookie等技术可以获取同一用户在不同网站系统中的评价信息,从而综合多个网站系统的评分记录,使得本方法可用于跨平台信息产品推荐。
图2所示为采集用户评分记录并对评分记录进行规范化处理的流程。首先需要考虑用户和信息产品的统一标识,即为不同用户和产品确定唯一标识以示区分。如将用户“张三”标记为,将产品“功夫熊猫2”标记为,将对应评分(4星)标记为;于是评分记录<张三,功夫熊猫2,4星>转换为。由于在不同网站系统中,评分的取值范围不同(如在豆瓣网中用户评分的取值范围为1~5星;而在时光网中用户评分的取值范围为1~10分);需要将归一化到相同的[0,1]区间。归一化方法由公式(1)所示(其中表示网站系统中评分的最大值,而表示网站系统中评分的最小值):
本发明方法的第二个模块是获取用户间社交关系记录。用户在不同网站系统中有不同形式的社交关系描述。例如在豆瓣网中,用户可以有两种社交关系描述:朋友关系和关注关系。朋友关系为双向关系,即如果用户为用户的朋友,则用户同时也是用户的朋友。关注关系为单向关系,用户设定自己关注或信任的其他用户;用户关注用户并不意味着用户也会关注用户。其他网站系统上也存在类似的社交关系描述,如淘宝网中有双向的朋友关系;而大众点评网中只存在单向的关注关系。本模块将收集这两种社交关系信息,对于双向关系,如用户“张三”和用户“李四”是朋友,则添加两个社交记录<张三,李四>和<李四,张三>;对于单向关系,如用户“张三”关注用户“李四”,则只添加一个社交记录<张三,李四>。
图3所示为采集用户社交信息并将用户社交记录进行规范化处理的流程。针对每一个社交记录,首先需要获取用户的唯一标识。例如对记录<张三,李四>,获取张三的标识和李四的标识,这些标识必须同评分记录中标识取得一致。然后根据社交记录设定社交关系值,由公式(2)所示:
图4所示为用户产品评分信息和用户社交信息的关联图。其中上图为社交关系图,下图为评分信息矩阵。社交关系图显示用户之间的关联关系。如图中用户和用户之间是双向的朋友关系,可分别定义社交记录和,对应关系值;而用户和用户之间是关注关系,只能定义社交记录,于是有而。
评分信息给出用户对每个信息产品的评分。用户通常不会对所有产品评分,对应图中评分矩阵的缺失元素。本发明方法的目标之一就是估计和计算评分矩阵中的缺失元素,从而为用户推荐未评价的产品。社交关系反映用户之间的相互信任关系,互相信任的用户会影响各自对同一产品的评价。例如用户“张三”对产品“功夫熊猫2”的评价很高;而用户“李四”信任用户“张三”,则“李四”有很高的几率对“功夫熊猫2”同样给予高评价。
仅根据社交关系构建的0-1矩阵尚不能反映用户之间的相似性。例如用户“李四”虽然信任用户“张三”,但他们对不同产品的喜好可能存在偏差。如“李四”更喜欢科幻片,而“张三”更喜欢动画片。两者的社交关系值需要根据各自评分记录集合的相似程度来予以调整。
本发明方法的第三个模块是按照目标用户和目标产品类别分别构建评分矩阵和社交矩阵。如图5所示,给定目标用户和准备向用户推荐的目标产品类别,在计算用户对产品的评分值前,需要筛选合适的用户/产品评分记录以及用户间社交关系记录,并组建评分矩阵和社交矩阵。
首先给定目标用户,筛选出与目标用户相似的个用户,参数是可选参数,例如选择网站系统中全部用户的50%。用户选择可以基于用户在网站上登记的身份信息,如职业、年龄和性别等,或者根据用户的访问行为和习惯,选择同目标用户最相近的个用户。然后根据目标产品类别选择同类别或相似类别的个产品。参数也是可选参数,例如选择网站系统中所有的同类别产品。
建立评分矩阵之后,接下来需要根据用户的评分信息计算社交关联用户之间的评分相似度。即根据用户群获取其中两两用户之间的社交记录,构建社交矩阵,矩阵中元素值为1表示存在社交记录,为则表示不存在该社交记录。针对每一条社交记录,调整为用户与用户的评分相似度。计算基于各用户对产品集的评分记录,代表用户对产品集喜好的相似程度,由公式(3)所示:
(5)
接下来对评分矩阵中的元素做进一步调整。计算用户群中每个用户的评分均值和产品集中每个产品的评分均值。用户评分均值反映该用户的整体评分倾向,如偏高或偏低;产品评分均值反映该产品的综合印象,如偏好或偏差。针对用户,其评分均值的计算由公式(6)所示:
(7)
(8)
然后设定类权向量,其中为产品不同子类别的数量。在方法的第三个模块中,根据目标产品类别对信息产品进行过筛选。是指目标产品类别中子类别的数量。例如目标产品类别为“电影”,则子类别可能为“剧情”、“科幻”、“动画”和“战争”等。
接下来对用户和产品,分两部分计算用户对产品的评分预测。第一部分给定用户的特征向量,及产品的特征向量,按矩阵分解技术计算用户对产品的评分估值,即用户特征向量与产品特征向量的内积。第二部分是累加用户的关联用户对产品的评分估值,由公式(9)所示:
权重反映用户在对产品评分时,是倾向于自己做决定,还是倾向于了解其他用户对该产品的意见。对于不同类别的产品,用户的倾向性会有所不同。为反映这种情况,本发明方法采用类权向量协助计算权重。给定产品,其归属的子类别用类别向量表示。是个元素组成的0-1向量,对应类别的元素为1表示产品属于类别;产品可以同时属于多个类别,例如电影“变形金刚3”同时属于“科幻”和“战争”,于是中可以有多个值为1的元素。向量可以按照网站系统对产品的分类信息直接获得。基于类权向量和向量,可以为产品计算权重,由公式(11)所示:
(11)
根据上述模型,令网站系统中一共选择了个用户和个产品,产品中包含个子类别,特征向量的维度为。则为预测用户对不同产品的评分值,需要学习每个用户的特征向量、每个产品的特征向量、以及类权向量。一共需要学习的参数数量为。
(14)
(15)
(18)
本发明方法的第五个模块是根据学习到的用户特征向量与产品特征向量,为目标用户推荐其喜好的产品。如图6所示,首先获得用户的特征向量。然后针对指定产品类别中用户未评分的所有产品,对其中的每一个产品,确定产品所属的子类别,按照公式(10)计算用户对产品的评分预测值。还需要追加用户评分倾向和产品综合印象,由公式(19)所示:
本发明方法的特点是运用了用户的社交关系对产品进行推荐,并根据产品类别自动调整用户社交关系影响的权重。在处理用户对产品的评分信息过程中,本发明方法排除了用户的评分倾向以及产品的综合印象,使得用户对产品的评分服从高斯分布;修正的评分值更加真实反映用户对产品的实际喜好。本发明方法学习过程和推荐过程计算简单,能够快速为目标用户完成个性化产品推荐,有良好的可扩展性和适应性,适于互联网用户的高动态性以及面向海量产品的推荐。
Claims (6)
1.一种基于矩阵分解的互联网信息产品推荐方法,其特征在于包含以下步骤:
1) 获取用户对信息产品的评分记录;
2) 获取用户间社交关系记录;
3) 按照目标用户和目标产品类别构建评分矩阵和社交矩阵;
4) 采用矩阵分解技术学习用户特征向量和产品特征向量;
5) 根据特征向量计算目标用户对不同产品的评分,据以推荐目标用户喜好的产品。
4.根据权利要求1或2所述的基于矩阵分解的互联网信息产品推荐方法,其特征在于步骤3) 中按照目标用户和目标产品类别构建评分矩阵和社交矩阵的流程是:首先筛选出与目标用户相似的个用户,其中参数是可选参数;然后根据目标产品类别选择同类别或相似类别的个产品,参数也是可选参数;接下来获取用户群对产品集的所有评分记录,构建评分矩阵,矩阵中元素值()为用户对产品的评分值;如果用户未对产品评分,则设为空值;
该处理相当于去除用户评分倾向和产品综合印象。
5.根据权利要求1或2所述的基于矩阵分解的互联网信息产品推荐方法,其特征在于步骤4) 中采用矩阵分解技术学习用户特征向量和产品特征向量的流程是:首先设定用户与产品特征向量的维度,维度属于可选参数;用户的特征向量表示为;产品的特征向量表示为;然后设定类权向量,其中为目标产品类别中子类别的数量;
下一步采用极大似然估计方法,通过最小化评分预测和实际评分的差值学习每个用户的特征向量、每个产品的特征向量、以及类权向量;基于评分矩阵中的历史评分,以及社交矩阵,获得所有用户对所有产品评分预测的联合概率,公式如下:
通过对联合概率函数取对数,获得如下函数:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102989946A CN102426686A (zh) | 2011-09-29 | 2011-09-29 | 一种基于矩阵分解的互联网信息产品推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102989946A CN102426686A (zh) | 2011-09-29 | 2011-09-29 | 一种基于矩阵分解的互联网信息产品推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102426686A true CN102426686A (zh) | 2012-04-25 |
Family
ID=45960665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011102989946A Pending CN102426686A (zh) | 2011-09-29 | 2011-09-29 | 一种基于矩阵分解的互联网信息产品推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102426686A (zh) |
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722838A (zh) * | 2012-05-25 | 2012-10-10 | 北京邮电大学 | 用于网站向用户推荐物品的方法和装置 |
CN102799623A (zh) * | 2012-06-21 | 2012-11-28 | 杜小勇 | 信息推送方法 |
CN103514239A (zh) * | 2012-11-26 | 2014-01-15 | Tcl美国研究所 | 一种集成用户行为和物品内容的推荐方法及系统 |
CN103530304A (zh) * | 2013-05-10 | 2014-01-22 | Tcl集团股份有限公司 | 基于自适应分布式计算的在线推荐方法、系统和移动终端 |
CN103559623A (zh) * | 2013-09-24 | 2014-02-05 | 浙江大学 | 一种基于联合非负矩阵分解的个性化产品推荐方法 |
CN103888852A (zh) * | 2014-03-24 | 2014-06-25 | 清华大学 | 用于社交电视的视频推荐方法和装置 |
CN104156436A (zh) * | 2014-08-13 | 2014-11-19 | 福州大学 | 一种社交云媒体协同过滤推荐方法 |
CN104317959A (zh) * | 2014-11-10 | 2015-01-28 | 北京字节跳动网络技术有限公司 | 基于社交平台的数据挖掘方法及装置 |
CN104699711A (zh) * | 2013-12-09 | 2015-06-10 | 华为技术有限公司 | 一种推荐方法及服务器 |
WO2015081915A1 (zh) * | 2013-12-05 | 2015-06-11 | 腾讯科技(深圳)有限公司 | 文件推荐方法和装置 |
CN104778173A (zh) * | 2014-01-10 | 2015-07-15 | 腾讯科技(深圳)有限公司 | 目标用户确定方法、装置及设备 |
CN104809132A (zh) * | 2014-01-27 | 2015-07-29 | 阿里巴巴集团控股有限公司 | 一种获取网络主体社交关系类型的方法及装置 |
CN104463630B (zh) * | 2014-12-11 | 2015-08-26 | 新一站保险代理有限公司 | 一种基于网购保险产品特性的产品推荐方法及系统 |
CN104933082A (zh) * | 2014-03-21 | 2015-09-23 | 华为技术有限公司 | 评价信息处理方法及其装置 |
CN105183867A (zh) * | 2015-09-16 | 2015-12-23 | 那彦琳 | 数据处理方法及装置 |
CN105335368A (zh) * | 2014-06-06 | 2016-02-17 | 阿里巴巴集团控股有限公司 | 一种产品聚类方法及装置 |
CN105976220A (zh) * | 2016-04-25 | 2016-09-28 | 合肥工业大学 | 基于项目使用次数的矩阵分解推荐方法 |
CN106484777A (zh) * | 2016-09-12 | 2017-03-08 | 腾讯科技(深圳)有限公司 | 一种多媒体数据处理方法以及装置 |
CN106537376A (zh) * | 2014-06-06 | 2017-03-22 | 诺基亚技术有限公司 | 通过应用有效的自适应矩阵分解进行推荐的方法和装置 |
CN106528643A (zh) * | 2016-10-13 | 2017-03-22 | 上海师范大学 | 一种基于社交网络的多维度综合推荐方法 |
CN106649657A (zh) * | 2016-12-13 | 2017-05-10 | 重庆邮电大学 | 面向社交网络基于张量分解的上下文感知推荐系统及方法 |
CN106997381A (zh) * | 2017-03-21 | 2017-08-01 | 海信集团有限公司 | 向目标用户推荐影视的方法及装置 |
CN107239993A (zh) * | 2017-05-24 | 2017-10-10 | 海南大学 | 一种基于拓展标签的矩阵分解推荐方法及系统 |
CN107563833A (zh) * | 2017-07-27 | 2018-01-09 | 广州智慧城市发展研究院 | 一种基于区块链积分服务平台的个性化推荐方法及系统 |
CN107730289A (zh) * | 2016-08-11 | 2018-02-23 | 株式会社理光 | 一种用户行为分析方法及用户行为分析装置 |
CN107767227A (zh) * | 2017-10-31 | 2018-03-06 | 深圳春沐源控股有限公司 | 网上商城的商品推荐方法、商品推荐系统 |
CN107862022A (zh) * | 2017-10-31 | 2018-03-30 | 中国科学院自动化研究所 | 文化资源推荐系统 |
CN107967627A (zh) * | 2017-12-05 | 2018-04-27 | 北京工业大学 | 一种基于内容的线性回归理财产品推荐方法 |
CN108108453A (zh) * | 2017-12-28 | 2018-06-01 | 北京奇虎科技有限公司 | 应用信息的推荐方法及装置 |
CN108139887A (zh) * | 2015-10-22 | 2018-06-08 | 国际商业机器公司 | 跨硬件加速器并行化矩阵分解 |
CN108280548A (zh) * | 2018-01-23 | 2018-07-13 | 成都信达智胜科技有限公司 | 基于网络传输的智能处理方法 |
CN108376152A (zh) * | 2018-02-02 | 2018-08-07 | 西北工业大学 | 一种基于矩阵分解的工作者推荐方法 |
CN108388554A (zh) * | 2018-01-04 | 2018-08-10 | 中国科学院自动化研究所 | 基于协同过滤注意力机制的文本情感识别系统 |
CN109034941A (zh) * | 2018-06-13 | 2018-12-18 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN109087130A (zh) * | 2018-07-17 | 2018-12-25 | 深圳先进技术研究院 | 一种基于注意力机制的推荐系统及推荐方法 |
CN109284417A (zh) * | 2018-08-27 | 2019-01-29 | 广州飞磨科技有限公司 | 视频推送方法、装置、计算机设备和存储介质 |
CN109766188A (zh) * | 2019-01-14 | 2019-05-17 | 长春理工大学 | 一种负载均衡调度方法及系统 |
CN109886787A (zh) * | 2019-02-22 | 2019-06-14 | 清华大学 | 离散社交推荐方法及系统 |
CN109934684A (zh) * | 2019-03-20 | 2019-06-25 | 上海证大喜马拉雅网络科技有限公司 | 一种商品推荐方法、装置、终端及存储介质 |
CN110059261A (zh) * | 2019-03-18 | 2019-07-26 | 智者四海(北京)技术有限公司 | 内容推荐方法及装置 |
CN110543597A (zh) * | 2019-08-30 | 2019-12-06 | 北京奇艺世纪科技有限公司 | 一种评分确定方法、装置及电子设备 |
CN110879841A (zh) * | 2018-09-05 | 2020-03-13 | 广州视源电子科技股份有限公司 | 知识条目推荐方法、装置、计算机设备和存储介质 |
CN110968771A (zh) * | 2018-09-29 | 2020-04-07 | 北京淘友天下技术有限公司 | 一种基于朋友关系的职位推荐冷启动方法及系统 |
CN111523005A (zh) * | 2019-02-02 | 2020-08-11 | 北京嘀嘀无限科技发展有限公司 | 网约用户分析方法、装置及电子设备 |
CN111681084A (zh) * | 2020-06-09 | 2020-09-18 | 南京邮电大学 | 一种基于社交关系影响因素的电商平台推荐方法 |
CN111768218A (zh) * | 2019-04-15 | 2020-10-13 | 北京沃东天骏信息技术有限公司 | 用于处理用户交互信息的方法和装置 |
CN112418956A (zh) * | 2020-12-16 | 2021-02-26 | 国网雄安金融科技集团有限公司 | 一种金融产品的推荐方法及装置 |
CN112435079A (zh) * | 2020-12-16 | 2021-03-02 | 合肥工业大学 | 一种面向纯社交平台的广告推荐方法 |
CN114581161A (zh) * | 2022-05-06 | 2022-06-03 | 深圳市明珞锋科技有限责任公司 | 一种基于深度学习的信息推送方法和系统 |
CN115841367A (zh) * | 2023-01-03 | 2023-03-24 | 四川特号商盟科技有限公司 | 一种基于用户睡眠行为的产品推荐方法 |
CN117033798A (zh) * | 2023-09-06 | 2023-11-10 | 杭州赢势通科技有限公司 | 一种音乐推荐方法和音乐播放器 |
CN111768218B (zh) * | 2019-04-15 | 2024-06-21 | 北京沃东天骏信息技术有限公司 | 用于处理用户交互信息的方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271558A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 基于上下文信息的多策略商品推荐系统 |
US20100262658A1 (en) * | 2009-04-10 | 2010-10-14 | Accenture Global Services Gmbh | System for transmitting an electronic recommendation |
CN102073717A (zh) * | 2011-01-07 | 2011-05-25 | 南京大学 | 一种面向垂直电子商务网站的首页推荐方法 |
-
2011
- 2011-09-29 CN CN2011102989946A patent/CN102426686A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271558A (zh) * | 2008-05-16 | 2008-09-24 | 华东师范大学 | 基于上下文信息的多策略商品推荐系统 |
US20100262658A1 (en) * | 2009-04-10 | 2010-10-14 | Accenture Global Services Gmbh | System for transmitting an electronic recommendation |
CN102073717A (zh) * | 2011-01-07 | 2011-05-25 | 南京大学 | 一种面向垂直电子商务网站的首页推荐方法 |
Cited By (83)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722838A (zh) * | 2012-05-25 | 2012-10-10 | 北京邮电大学 | 用于网站向用户推荐物品的方法和装置 |
CN102799623B (zh) * | 2012-06-21 | 2015-07-22 | 杜小勇 | 信息推送方法 |
CN102799623A (zh) * | 2012-06-21 | 2012-11-28 | 杜小勇 | 信息推送方法 |
CN103514239A (zh) * | 2012-11-26 | 2014-01-15 | Tcl美国研究所 | 一种集成用户行为和物品内容的推荐方法及系统 |
CN103514239B (zh) * | 2012-11-26 | 2016-12-21 | Tcl美国研究所 | 一种集成用户行为和物品内容的推荐方法及系统 |
CN103530304A (zh) * | 2013-05-10 | 2014-01-22 | Tcl集团股份有限公司 | 基于自适应分布式计算的在线推荐方法、系统和移动终端 |
CN103530304B (zh) * | 2013-05-10 | 2017-05-10 | Tcl集团股份有限公司 | 基于自适应分布式计算的在线推荐方法、系统和移动终端 |
CN103559623A (zh) * | 2013-09-24 | 2014-02-05 | 浙江大学 | 一种基于联合非负矩阵分解的个性化产品推荐方法 |
WO2015081915A1 (zh) * | 2013-12-05 | 2015-06-11 | 腾讯科技(深圳)有限公司 | 文件推荐方法和装置 |
US9930419B2 (en) | 2013-12-05 | 2018-03-27 | Tencent Technology (Shenzhen) Company Limited | File recommendation method and device |
CN104699711A (zh) * | 2013-12-09 | 2015-06-10 | 华为技术有限公司 | 一种推荐方法及服务器 |
CN104699711B (zh) * | 2013-12-09 | 2019-05-28 | 华为技术有限公司 | 一种推荐方法及服务器 |
CN104778173A (zh) * | 2014-01-10 | 2015-07-15 | 腾讯科技(深圳)有限公司 | 目标用户确定方法、装置及设备 |
WO2015103964A1 (en) * | 2014-01-10 | 2015-07-16 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus, and device for determining target user |
CN104778173B (zh) * | 2014-01-10 | 2020-01-10 | 腾讯科技(深圳)有限公司 | 目标用户确定方法、装置及设备 |
CN104809132A (zh) * | 2014-01-27 | 2015-07-29 | 阿里巴巴集团控股有限公司 | 一种获取网络主体社交关系类型的方法及装置 |
CN104809132B (zh) * | 2014-01-27 | 2018-07-31 | 阿里巴巴集团控股有限公司 | 一种获取网络主体社交关系类型的方法及装置 |
CN104933082A (zh) * | 2014-03-21 | 2015-09-23 | 华为技术有限公司 | 评价信息处理方法及其装置 |
CN104933082B (zh) * | 2014-03-21 | 2019-05-03 | 华为技术有限公司 | 评价信息处理方法及其装置 |
CN103888852B (zh) * | 2014-03-24 | 2017-05-31 | 清华大学 | 用于社交电视的视频推荐方法和装置 |
CN103888852A (zh) * | 2014-03-24 | 2014-06-25 | 清华大学 | 用于社交电视的视频推荐方法和装置 |
CN105335368B (zh) * | 2014-06-06 | 2018-11-16 | 阿里巴巴集团控股有限公司 | 一种产品聚类方法及装置 |
CN106537376A (zh) * | 2014-06-06 | 2017-03-22 | 诺基亚技术有限公司 | 通过应用有效的自适应矩阵分解进行推荐的方法和装置 |
CN105335368A (zh) * | 2014-06-06 | 2016-02-17 | 阿里巴巴集团控股有限公司 | 一种产品聚类方法及装置 |
CN104156436A (zh) * | 2014-08-13 | 2014-11-19 | 福州大学 | 一种社交云媒体协同过滤推荐方法 |
CN104156436B (zh) * | 2014-08-13 | 2017-05-10 | 福州大学 | 一种社交云媒体协同过滤推荐方法 |
CN104317959B (zh) * | 2014-11-10 | 2018-07-17 | 北京字节跳动网络技术有限公司 | 基于社交平台的数据挖掘方法及装置 |
CN104317959A (zh) * | 2014-11-10 | 2015-01-28 | 北京字节跳动网络技术有限公司 | 基于社交平台的数据挖掘方法及装置 |
US10360230B2 (en) | 2014-11-10 | 2019-07-23 | Beijing Bytedance Network Technology Co., Ltd. | Method and device for social platform-based data mining |
CN104463630B (zh) * | 2014-12-11 | 2015-08-26 | 新一站保险代理有限公司 | 一种基于网购保险产品特性的产品推荐方法及系统 |
CN105183867B (zh) * | 2015-09-16 | 2020-01-07 | 那彦琳 | 数据处理方法及装置 |
CN105183867A (zh) * | 2015-09-16 | 2015-12-23 | 那彦琳 | 数据处理方法及装置 |
CN108139887A (zh) * | 2015-10-22 | 2018-06-08 | 国际商业机器公司 | 跨硬件加速器并行化矩阵分解 |
CN105976220A (zh) * | 2016-04-25 | 2016-09-28 | 合肥工业大学 | 基于项目使用次数的矩阵分解推荐方法 |
CN105976220B (zh) * | 2016-04-25 | 2017-05-17 | 合肥工业大学 | 基于项目使用次数的矩阵分解推荐方法 |
CN107730289A (zh) * | 2016-08-11 | 2018-02-23 | 株式会社理光 | 一种用户行为分析方法及用户行为分析装置 |
CN106484777A (zh) * | 2016-09-12 | 2017-03-08 | 腾讯科技(深圳)有限公司 | 一种多媒体数据处理方法以及装置 |
CN106528643A (zh) * | 2016-10-13 | 2017-03-22 | 上海师范大学 | 一种基于社交网络的多维度综合推荐方法 |
CN106649657A (zh) * | 2016-12-13 | 2017-05-10 | 重庆邮电大学 | 面向社交网络基于张量分解的上下文感知推荐系统及方法 |
CN106649657B (zh) * | 2016-12-13 | 2020-11-17 | 重庆邮电大学 | 面向社交网络基于张量分解的上下文感知推荐系统及方法 |
CN106997381B (zh) * | 2017-03-21 | 2021-03-09 | 海信集团有限公司 | 向目标用户推荐影视的方法及装置 |
CN106997381A (zh) * | 2017-03-21 | 2017-08-01 | 海信集团有限公司 | 向目标用户推荐影视的方法及装置 |
CN107239993A (zh) * | 2017-05-24 | 2017-10-10 | 海南大学 | 一种基于拓展标签的矩阵分解推荐方法及系统 |
CN107239993B (zh) * | 2017-05-24 | 2020-11-24 | 海南大学 | 一种基于拓展标签的矩阵分解推荐方法及系统 |
CN107563833A (zh) * | 2017-07-27 | 2018-01-09 | 广州智慧城市发展研究院 | 一种基于区块链积分服务平台的个性化推荐方法及系统 |
CN107767227A (zh) * | 2017-10-31 | 2018-03-06 | 深圳春沐源控股有限公司 | 网上商城的商品推荐方法、商品推荐系统 |
CN107862022B (zh) * | 2017-10-31 | 2020-12-11 | 中国科学院自动化研究所 | 文化资源推荐系统 |
CN107862022A (zh) * | 2017-10-31 | 2018-03-30 | 中国科学院自动化研究所 | 文化资源推荐系统 |
CN107967627A (zh) * | 2017-12-05 | 2018-04-27 | 北京工业大学 | 一种基于内容的线性回归理财产品推荐方法 |
CN108108453A (zh) * | 2017-12-28 | 2018-06-01 | 北京奇虎科技有限公司 | 应用信息的推荐方法及装置 |
CN108388554B (zh) * | 2018-01-04 | 2021-09-28 | 中国科学院自动化研究所 | 基于协同过滤注意力机制的文本情感识别系统 |
CN108388554A (zh) * | 2018-01-04 | 2018-08-10 | 中国科学院自动化研究所 | 基于协同过滤注意力机制的文本情感识别系统 |
CN108280548A (zh) * | 2018-01-23 | 2018-07-13 | 成都信达智胜科技有限公司 | 基于网络传输的智能处理方法 |
CN108376152A (zh) * | 2018-02-02 | 2018-08-07 | 西北工业大学 | 一种基于矩阵分解的工作者推荐方法 |
CN109034941B (zh) * | 2018-06-13 | 2023-03-31 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
WO2019237569A1 (zh) * | 2018-06-13 | 2019-12-19 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN109034941A (zh) * | 2018-06-13 | 2018-12-18 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN109087130A (zh) * | 2018-07-17 | 2018-12-25 | 深圳先进技术研究院 | 一种基于注意力机制的推荐系统及推荐方法 |
CN109284417B (zh) * | 2018-08-27 | 2022-11-22 | 广州飞磨科技有限公司 | 视频推送方法、装置、计算机设备和存储介质 |
CN109284417A (zh) * | 2018-08-27 | 2019-01-29 | 广州飞磨科技有限公司 | 视频推送方法、装置、计算机设备和存储介质 |
CN110879841A (zh) * | 2018-09-05 | 2020-03-13 | 广州视源电子科技股份有限公司 | 知识条目推荐方法、装置、计算机设备和存储介质 |
CN110879841B (zh) * | 2018-09-05 | 2024-05-10 | 广州视源电子科技股份有限公司 | 知识条目推荐方法、装置、计算机设备和存储介质 |
CN110968771A (zh) * | 2018-09-29 | 2020-04-07 | 北京淘友天下技术有限公司 | 一种基于朋友关系的职位推荐冷启动方法及系统 |
CN110968771B (zh) * | 2018-09-29 | 2024-05-28 | 北京淘友天下技术有限公司 | 一种基于朋友关系的职位推荐冷启动方法及系统 |
CN109766188A (zh) * | 2019-01-14 | 2019-05-17 | 长春理工大学 | 一种负载均衡调度方法及系统 |
CN109766188B (zh) * | 2019-01-14 | 2020-12-08 | 长春理工大学 | 一种负载均衡调度方法及系统 |
CN111523005A (zh) * | 2019-02-02 | 2020-08-11 | 北京嘀嘀无限科技发展有限公司 | 网约用户分析方法、装置及电子设备 |
CN109886787A (zh) * | 2019-02-22 | 2019-06-14 | 清华大学 | 离散社交推荐方法及系统 |
CN110059261A (zh) * | 2019-03-18 | 2019-07-26 | 智者四海(北京)技术有限公司 | 内容推荐方法及装置 |
CN109934684A (zh) * | 2019-03-20 | 2019-06-25 | 上海证大喜马拉雅网络科技有限公司 | 一种商品推荐方法、装置、终端及存储介质 |
CN111768218A (zh) * | 2019-04-15 | 2020-10-13 | 北京沃东天骏信息技术有限公司 | 用于处理用户交互信息的方法和装置 |
CN111768218B (zh) * | 2019-04-15 | 2024-06-21 | 北京沃东天骏信息技术有限公司 | 用于处理用户交互信息的方法和装置 |
CN110543597A (zh) * | 2019-08-30 | 2019-12-06 | 北京奇艺世纪科技有限公司 | 一种评分确定方法、装置及电子设备 |
CN111681084B (zh) * | 2020-06-09 | 2022-09-06 | 南京邮电大学 | 一种基于社交关系影响因素的电商平台推荐方法 |
CN111681084A (zh) * | 2020-06-09 | 2020-09-18 | 南京邮电大学 | 一种基于社交关系影响因素的电商平台推荐方法 |
CN112418956A (zh) * | 2020-12-16 | 2021-02-26 | 国网雄安金融科技集团有限公司 | 一种金融产品的推荐方法及装置 |
CN112435079B (zh) * | 2020-12-16 | 2022-09-16 | 合肥工业大学 | 一种面向纯社交平台的广告推荐方法 |
CN112435079A (zh) * | 2020-12-16 | 2021-03-02 | 合肥工业大学 | 一种面向纯社交平台的广告推荐方法 |
CN114581161A (zh) * | 2022-05-06 | 2022-06-03 | 深圳市明珞锋科技有限责任公司 | 一种基于深度学习的信息推送方法和系统 |
CN115841367A (zh) * | 2023-01-03 | 2023-03-24 | 四川特号商盟科技有限公司 | 一种基于用户睡眠行为的产品推荐方法 |
CN115841367B (zh) * | 2023-01-03 | 2023-12-29 | 四川特号商盟科技有限公司 | 一种基于用户睡眠行为的产品推荐方法 |
CN117033798A (zh) * | 2023-09-06 | 2023-11-10 | 杭州赢势通科技有限公司 | 一种音乐推荐方法和音乐播放器 |
CN117033798B (zh) * | 2023-09-06 | 2024-01-26 | 杭州赢势通科技有限公司 | 一种音乐推荐方法和音乐播放器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102426686A (zh) | 一种基于矩阵分解的互联网信息产品推荐方法 | |
Bag et al. | An integrated recommender system for improved accuracy and aggregate diversity | |
Li et al. | A social recommender mechanism for e-commerce: Combining similarity, trust, and relationship | |
Jannach et al. | What recommenders recommend: an analysis of recommendation biases and possible countermeasures | |
Jiang et al. | Social contextual recommendation | |
Huang | Designing utility-based recommender systems for e-commerce: Evaluation of preference-elicitation methods | |
CN103678518B (zh) | 一种推荐列表调整方法和装置 | |
Zhang et al. | An improved hybrid collaborative filtering algorithm based on tags and time factor | |
Shih et al. | Hybrid recommendation approaches: collaborative filtering via valuable content information | |
Lai et al. | Novel personal and group-based trust models in collaborative filtering for document recommendation | |
US8626604B1 (en) | Aggregating product endorsement information | |
CN103745100A (zh) | 一种基于项目的混合显性隐性反馈的协同过滤推荐算法 | |
CN108595493A (zh) | 媒体内容的推送方法和装置、存储介质、电子装置 | |
CN107025311A (zh) | 一种基于k近邻的贝叶斯个性化推荐方法及装置 | |
Ambulgekar et al. | A survey on collaborative filtering: tasks, approaches and applications | |
CN109446402B (zh) | 一种搜索方法及装置 | |
CN106202151A (zh) | 一种用于提高个性化推荐系统多样性的方法 | |
CN109063120A (zh) | 一种基于聚类的协同过滤推荐方法和装置 | |
Ebrahimi et al. | Personalized recommender system based on social relations | |
CN111143700B (zh) | 一种活动推荐方法、装置、服务器及计算机存储介质 | |
Jiang et al. | Evaluation metrics for personalized recommendation systems | |
Huang et al. | Improved collaborative filtering personalized recommendation algorithm based on k-means clustering and weighted similarity on the reduced item space | |
Wang et al. | Predicting the incremental benefits of online information search for heterogeneous consumers | |
Regi et al. | A survey on recommendation techniques in E-Commerce | |
CN109522477B (zh) | 资源受限的o2o服务组合推荐方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120425 |