CN102542489A - 一种基于用户兴趣关联的推荐方法 - Google Patents
一种基于用户兴趣关联的推荐方法 Download PDFInfo
- Publication number
- CN102542489A CN102542489A CN2011104478697A CN201110447869A CN102542489A CN 102542489 A CN102542489 A CN 102542489A CN 2011104478697 A CN2011104478697 A CN 2011104478697A CN 201110447869 A CN201110447869 A CN 201110447869A CN 102542489 A CN102542489 A CN 102542489A
- Authority
- CN
- China
- Prior art keywords
- interest
- point
- user
- commodity
- cur
- 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.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用户兴趣关联的推荐方法,主要包括以下步骤:建立用户兴趣模型;基于用户兴趣模型计算不同用户间对同一个兴趣点的相关性;基于用户兴趣模型计算用户的各个兴趣点之间的相关性;计算用户在当前兴趣点下其他拥有同样兴趣的用户的相关兴趣点推荐值;对上述推荐值进行排名,取排名靠前的n个兴趣点做推荐。本发明充分运用了兴趣点之间的关联性,把局部最优的结果推荐给用户。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及到基于内容的图书推荐方法。
背景技术
近年来,随着计算机与网络技术的进步,电子商务得到了快速发展。用户通过网络能够采购到各类商品。为了帮助客户尽快找到合适的商品,同时也为了做商品推广,电子商务网站都会集成一个推荐系统自动为客户生成商品推荐。在商品推荐系统中,为了能更多地鼓励用户购买商品,推荐系统需要针对用户的兴趣特征,有针对性地做商品推荐,尽量发掘用户的潜在需求,最终形成订单。
目前,大多数的推荐系统都仅仅根据用户的购买历史和浏览历史来做简单的商品推荐。特别是用户的兴趣点上,一般只做简单的集合推导来做推荐,比如用户A对商品{a,b,c}感兴趣,用户B对商品{b,d,e}感兴趣,推荐系统则简单地将商品{d,e}推荐给A。这样的推荐并没有深度发掘A和B的兴趣特点,最终的推荐效果往往不尽如人意。
发明内容
有鉴于此,一种能反映用户兴趣特点,特别是能考虑到兴趣点间关联性的推荐方法是十分有益的。
为了解决上述问题,本发明提供了一种不仅能够关联不同用户之间的兴趣共同点,同时也能关联同一用户不同兴趣点之间相关程度的推荐方法,其技术方案包括:
1)建立用户的兴趣模型,用户兴趣模型表示为:
P={(W0,IP0),(W1,IP1),...,(Wn,IPn)}
其中,Wi代表用户访问兴趣点的总次数,IPi描述的是用户兴趣点,
其中包含兴趣点中每个商品的兴趣矢量,其表达式为:
IPi=[w0,w1,...,wm]
其中,wj代表用户对兴趣点IPi中商品j的兴趣度;
2)假定当前用户Ucur正在访问兴趣点IPi,Uk是Ucur的邻居用户,SIM(Ucur,Uk,IPi)是用户Ucur和Uk在兴趣点IPi的相似度,是用户Uk在兴趣点IPi上的访问次数,Corrk(IPi,IPj)是用户Uk的兴趣点IPi和IPj之间的相关度,则兴趣点IPj对用户Ucur的推荐值(IPj)计算公式为:
其中,n代表用户Ucur的所有邻居用户数;
本发明还可以通过下述方法来增强推荐效果:
计算用户x、y在同一兴趣点上的相似性公式为:
其中,xIPi表示用户x在兴趣点IPi上的值,yIPi表示用户y在兴趣点IPi上的值,Cov()计算x、y在IPi兴趣点上的协方差,Var()计算x、y在IPi兴趣点上的方差。
描述用户在不同兴趣点之间的相关性计算公式为:
其中IPx,IPy代表两个不同的兴趣点,P(IPx,IPy)代表用户的会话同时包含兴趣点IPx和IPy的概率,P(IPx)代表用户的会话包含兴趣点IPx的概率,P(IPy)代表用户的会话包含兴趣点IPy的概率。
用户对兴趣点中商品的兴趣度w的计算方法如下:
其中,CNT(j)代表用户对兴趣点中商品j的访问次数,PU代表该商品所属兴趣点所拥有的用户总数,IPUj代表该商品所拥有的用户总数。
兴趣点IP指的是电子商务网站商品分类目录结构的最后一级目录,一个兴趣点包含该目录下的所有商品页面。
上述基于用户兴趣关联的推荐方法首次将用户兴趣之间的关联性应用于推荐系统。传统的推荐方法一般只能根据商品-商品之间内容联系或用户-用户之间购买同一商品的联系来做推荐,没有考虑到用户在商品兴趣点之间的联系,更没有考虑到不同用户在同一类商品上的兴趣相似性。本发明充分利用了不同用户的兴趣相似性和同一用户的不同兴趣点相关性来做商品推荐,在推荐商品的准确性和广度上具有巨大的优势。
附图说明
图1示出了基于用户兴趣关联的推荐流程;
具体实施方式
下面结合附图与具体实施方式对本发明做进一步详细描述:
图1示出了基于用户兴趣关联的推荐方法步骤,主要包括:
步骤S100,建立用户兴趣模型。用户兴趣模型表示为:
P={(W0,IP0),(W1,IP1),...,(Wn,IPn)}
其中,Wi代表用户访问兴趣点的总次数,IPi描述的是用户兴趣点,兴趣点指的是电子商务网站商品分类目录结构的最后一级目录,一个兴趣点包含该目录下的所有商品页面。IPi包含兴趣点中每个商品的兴趣矢量,其表达式为:
IPi=[w0,w1,...,wm]
其中,wj代表用户对兴趣点IPi中商品j的兴趣度,w的计算方法如下:
CNT(j)代表用户对兴趣点中商品j的访问次数,PU代表该商品所属兴趣点所拥有的用户总数,IPUj代表该商品所拥有的用户总数。
步骤S101,记录用户当前所访问的兴趣点。
步骤S102,查找当前用户的邻居用户,邻居用户通常是与当前用户具有共同兴趣点的其他用户。
步骤S103,计算邻居用户其他兴趣点对当前兴趣点的推荐值。其计算方法如下:
假定当前用户Ucur正在访问兴趣点IPi,Uk是Ucuf的邻居用户,SIM(Ucur,Uk,IPi)是用户Ucuf和Uk在兴趣点IPi的相似度,是用户Uk在兴趣点IPi上的访问次数,Corrk(IPi,IPj)是用户Uk的兴趣点IPi和IPj之间的相关度,则兴趣点IPj对用户Ucuf的推荐值(IPj)计算公式为:
其中,n代表用户Ucuf的所有邻居用户数。
计算用户x、y在同一兴趣点上的相似性公式为:
其中,xIPi表示用户x在兴趣点IPi上的值,yIPi表示用户y在兴趣点IPi上的值,Cov()计算x、y在IPi兴趣点上的协方差,Var()计算x、y在IPi兴趣点上的方差。
计算用户在不同兴趣点之间的相关性计算公式为:
其中IPx,IPy代表两个不同的兴趣点,P(IPx,IPy)代表用户的会话同时包含兴趣点IPx和IPy的概率,P(IPx)代表用户的会话包含兴趣点IPx的概率,P(IPy)代表用户的会话包含兴趣点IPy的概率。
步骤S104,查找下一个邻居用户,如存在下一个邻居用户,则重复步骤S103,如果不存在下一个邻居用户,则执行步骤S105。
步骤S105,在遍历完所有邻居用户的其他兴趣点后,对其他兴趣点的推荐值进行排名,将前n个兴趣点形成推荐列表推荐给用户。
Claims (5)
1.一种基于用户兴趣关联的推荐方法,其特征在于,包括如下步骤:
1)建立用户的兴趣模型,用户兴趣模型表示为:
P={(W0,IP0),(W1,IP1),...,(Wn,IPn)}
其中,Wi代表用户访问兴趣点的总次数,IPi描述的是用户兴趣点,其中包含兴趣点中每个商品的兴趣矢量,其表达式为:
IPi=[w0,w1,...,wm]
其中,wj代表用户对兴趣点IPi中商品j的兴趣度;
2)假定当前用户Ucur正在访问兴趣点IPi,Uk是Ucur的邻居用户,SIM(Ucur,Uk,IPi)是用户Ucur和Uk在兴趣点IPi的相似度,是用户Uk在兴趣点IPi上的访问次数,Corrk(IPi,IPj)是用户Uk的兴趣点IPi和IPj之间的相关度,则兴趣点IPj对用户Ucur的推荐值(IPj)计算公式为:
其中,n代表用户Ucur的所有邻居用户数;
3)针对不同的兴趣点IPj计算其推荐值(IPj),对推荐值进行
排名,将前n个兴趣点形成推荐列表推荐给用户。
2.根据权利要求1所述的方法,其特征在于,计算用户x、y在同一兴趣点上的相似性公式为:
其中,xIPi表示用户x在兴趣点IPi上的值,yIPi表示用户y在兴趣点IPi上的值,Cov()计算x、y在IPi兴趣点上的协方差,Var()计算x、y在IPi兴趣点上的方差。
3.根据权利要求1所述的方法,其特征在于,描述用户在不同兴趣点之间的相关性计算公式为:
IPx,IPy代表两个不同的兴趣点,P(IPx,IPy)代表用户的会话同时包含兴趣点IPx和IPy的概率,P(IPx)代表用户的会话包含兴趣点IPx的概率,P(IPy)代表用户的会话包含兴趣点IPy的概率。
4.根据权利要求1所述的方法,其特征在于,用户对兴趣点中商品的兴趣度w的计算方法如下:
其中,CNT(j)代表用户对兴趣点中商品j的访问次数,PU代表该商品所属兴趣点所拥有的用户总数,IPUj代表该商品所拥有的用户总数。
5.根据权利要求1或2所述的方法,其特征在于,兴趣点IP指的是电子商务网站商品分类目录结构的最后一级目录,一个兴趣点包含该目录下的所有商品页面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110447869.7A CN102542489B (zh) | 2011-12-27 | 2011-12-27 | 一种基于用户兴趣关联的推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110447869.7A CN102542489B (zh) | 2011-12-27 | 2011-12-27 | 一种基于用户兴趣关联的推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102542489A true CN102542489A (zh) | 2012-07-04 |
CN102542489B CN102542489B (zh) | 2018-05-04 |
Family
ID=46349319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110447869.7A Active CN102542489B (zh) | 2011-12-27 | 2011-12-27 | 一种基于用户兴趣关联的推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102542489B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929959A (zh) * | 2012-10-10 | 2013-02-13 | 杭州东信北邮信息技术有限公司 | 一种基于用户行为的图书推荐方法 |
CN103297853A (zh) * | 2013-06-07 | 2013-09-11 | 华东师范大学 | 一种基于多用户上下文识别的iptv节目推荐方法 |
CN104391853A (zh) * | 2014-09-25 | 2015-03-04 | 深圳大学 | Poi推荐方法、poi信息处理方法及服务器 |
CN106339502A (zh) * | 2016-09-18 | 2017-01-18 | 电子科技大学 | 一种基于用户行为数据分片聚类的建模推荐方法 |
WO2017124874A1 (zh) * | 2016-01-19 | 2017-07-27 | 华为技术有限公司 | 一种网络资源推荐方法及计算机设备 |
CN107220312A (zh) * | 2017-05-12 | 2017-09-29 | 华中科技大学 | 一种基于共现图的兴趣点推荐方法及系统 |
CN108228642A (zh) * | 2016-12-21 | 2018-06-29 | 华为技术有限公司 | 一种基于忆阻器的项目推荐以及装置 |
CN108491425A (zh) * | 2018-02-07 | 2018-09-04 | 中山大学 | 一种对长尾兴趣点进行扩展的模型构建方法 |
CN108648010A (zh) * | 2012-09-18 | 2018-10-12 | 北京点网聚科技有限公司 | 用于向用户提供内容的方法、系统及相应介质 |
CN109117445A (zh) * | 2017-06-23 | 2019-01-01 | 杭州美界科技有限公司 | 一种美容信息推荐处理过程中的信息关联方法 |
CN110119475A (zh) * | 2019-01-29 | 2019-08-13 | 成都信息工程大学 | 一种poi推荐方法及推荐系统 |
CN110297967A (zh) * | 2019-05-14 | 2019-10-01 | 北京百度网讯科技有限公司 | 兴趣点确定方法、装置、设备及计算机可读存储介质 |
CN112422660A (zh) * | 2020-11-06 | 2021-02-26 | 周欢 | 一种智慧养老用户管理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102214169A (zh) * | 2010-04-02 | 2011-10-12 | 阿里巴巴集团控股有限公司 | 关键词信息与目标信息的提供方法及装置 |
-
2011
- 2011-12-27 CN CN201110447869.7A patent/CN102542489B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102214169A (zh) * | 2010-04-02 | 2011-10-12 | 阿里巴巴集团控股有限公司 | 关键词信息与目标信息的提供方法及装置 |
Non-Patent Citations (3)
Title |
---|
赵永梅 等: ""用动态贝叶斯网络构建协同过滤推荐的新方法"", 《科学技术与工程》 * |
钟青燕 等: ""基于层次聚类和语义的标签推荐研究"", 《微计算机信息》 * |
陈莉莉 等: ""基于贝叶斯网络和互信息的检索用户模型"", 《计算机工程与设计》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648010A (zh) * | 2012-09-18 | 2018-10-12 | 北京点网聚科技有限公司 | 用于向用户提供内容的方法、系统及相应介质 |
CN102929959A (zh) * | 2012-10-10 | 2013-02-13 | 杭州东信北邮信息技术有限公司 | 一种基于用户行为的图书推荐方法 |
CN102929959B (zh) * | 2012-10-10 | 2016-02-17 | 杭州东信北邮信息技术有限公司 | 一种基于用户行为的图书推荐方法 |
CN103297853A (zh) * | 2013-06-07 | 2013-09-11 | 华东师范大学 | 一种基于多用户上下文识别的iptv节目推荐方法 |
CN103297853B (zh) * | 2013-06-07 | 2016-04-06 | 华东师范大学 | 一种基于多用户上下文识别的iptv节目推荐方法 |
CN104391853B (zh) * | 2014-09-25 | 2018-09-04 | 深圳大学 | Poi推荐方法、poi信息处理方法及服务器 |
CN104391853A (zh) * | 2014-09-25 | 2015-03-04 | 深圳大学 | Poi推荐方法、poi信息处理方法及服务器 |
WO2017124874A1 (zh) * | 2016-01-19 | 2017-07-27 | 华为技术有限公司 | 一种网络资源推荐方法及计算机设备 |
US10839032B2 (en) | 2016-01-19 | 2020-11-17 | Huawei Technologies Co., Ltd. | Network resource recommendation method and computer device |
CN106339502A (zh) * | 2016-09-18 | 2017-01-18 | 电子科技大学 | 一种基于用户行为数据分片聚类的建模推荐方法 |
CN108228642A (zh) * | 2016-12-21 | 2018-06-29 | 华为技术有限公司 | 一种基于忆阻器的项目推荐以及装置 |
CN107220312A (zh) * | 2017-05-12 | 2017-09-29 | 华中科技大学 | 一种基于共现图的兴趣点推荐方法及系统 |
CN107220312B (zh) * | 2017-05-12 | 2020-08-14 | 华中科技大学 | 一种基于共现图的兴趣点推荐方法及系统 |
CN109117445A (zh) * | 2017-06-23 | 2019-01-01 | 杭州美界科技有限公司 | 一种美容信息推荐处理过程中的信息关联方法 |
CN109117445B (zh) * | 2017-06-23 | 2021-07-23 | 杭州美界科技有限公司 | 一种美容信息推荐处理过程中的信息关联方法 |
CN108491425A (zh) * | 2018-02-07 | 2018-09-04 | 中山大学 | 一种对长尾兴趣点进行扩展的模型构建方法 |
CN108491425B (zh) * | 2018-02-07 | 2020-10-27 | 中山大学 | 一种对长尾兴趣点进行扩展的模型构建方法 |
CN110119475B (zh) * | 2019-01-29 | 2020-01-07 | 成都信息工程大学 | 一种poi推荐方法及推荐系统 |
CN110119475A (zh) * | 2019-01-29 | 2019-08-13 | 成都信息工程大学 | 一种poi推荐方法及推荐系统 |
CN110297967A (zh) * | 2019-05-14 | 2019-10-01 | 北京百度网讯科技有限公司 | 兴趣点确定方法、装置、设备及计算机可读存储介质 |
CN110297967B (zh) * | 2019-05-14 | 2022-04-12 | 北京百度网讯科技有限公司 | 兴趣点确定方法、装置、设备及计算机可读存储介质 |
CN112422660A (zh) * | 2020-11-06 | 2021-02-26 | 周欢 | 一种智慧养老用户管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102542489B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102542489A (zh) | 一种基于用户兴趣关联的推荐方法 | |
CN102332006B (zh) | 一种信息推送控制方法及装置 | |
CN102760124B (zh) | 一种推荐数据的推送方法及系统 | |
CN102629257B (zh) | 一种基于关键字的电子商务网站商品推荐方法 | |
CN103617540B (zh) | 一种追踪用户兴趣变化的电子商务推荐方法 | |
CN103412948B (zh) | 基于聚类的协同过滤的商品推荐方法及系统 | |
CN102542490A (zh) | 基于模型匹配的商品推荐方法 | |
CN102609533B (zh) | 一种基于核方法的协同过滤推荐系统及方法 | |
Lai et al. | Novel personal and group-based trust models in collaborative filtering for document recommendation | |
CN102479366A (zh) | 一种商品推荐方法及系统 | |
CN102402766B (zh) | 一种基于网页浏览的用户兴趣建模方法 | |
CN105574216A (zh) | 基于概率模型和用户行为分析的个性化推荐方法、系统 | |
CN103886487A (zh) | 基于分布式的b2b平台的个性化推荐方法与系统 | |
CN103473354A (zh) | 基于电子商务平台的保险推荐系统框架及保险推荐方法 | |
CN102682001A (zh) | 一种确定推荐词的方法及设备 | |
CN101853463A (zh) | 基于客户特征的协同过滤推荐方法和系统 | |
CN107295107A (zh) | 推荐方法、推荐装置以及移动终端 | |
CN103729359A (zh) | 一种推荐搜索词的方法及系统 | |
CN106062743A (zh) | 用于关键字建议的系统和方法 | |
CN102542046A (zh) | 一种基于图书内容的图书推荐方法 | |
Hasan et al. | Query suggestion for e-commerce sites | |
CN112612951B (zh) | 一种面向收益提升的无偏学习排序方法 | |
CN105095476A (zh) | 基于Jaccard均衡距离的协同过滤推荐方法 | |
CN103839167A (zh) | 一种商品候选集推荐方法 | |
CN103365842B (zh) | 一种页面浏览推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160920 Address after: East Building 11, 100195 Beijing city Haidian District xingshikou Road No. 65 west Shan creative garden district 1-4 four layer of 1-4 layer Applicant after: Beijing Jingdong Shangke Information Technology Co., Ltd. Address before: 201203 Shanghai city Pudong New Area Zu Road No. 295 Room 102 Applicant before: Niuhai Information Technology (Shanghai) Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |