CN103366009A

CN103366009A - 一种基于自适应聚类的图书推荐方法

Info

Publication number: CN103366009A
Application number: CN2013103141558A
Authority: CN
Inventors: 廖建新; 李曲; 刘红明; 崔晓茹; 赵贝尔
Original assignee: Hangzhou Dongxin Beiyou Information Technology Co Ltd
Current assignee: Hangzhou Dongxin Beiyou Information Technology Co Ltd
Priority date: 2013-07-24
Filing date: 2013-07-24
Publication date: 2013-10-23
Anticipated expiration: 2033-07-24
Also published as: CN103366009B

Abstract

一种基于自适应聚类的图书推荐方法，包括：步骤一、根据图书的访问数据，分别将图书划分到若干个图书聚类中；步骤二、根据图书聚类中所有图书的评分，计算每个图书聚类的图书平均分；步骤三、根据不同图书聚类的图书平均分的差值、不同图书聚类的共同用户数、和用户对每个图书聚类中已阅读图书的评分的平均值，计算用户对每个图书聚类的评分；步骤四、根据每本图书的评分与其所属图书聚类的图书平均分的差值、以及用户对每个图书聚类的评分，计算用户对图书聚类中未阅读图书的评分，并据此向用户推荐图书。本发明属于网络通信技术领域，能为用户推荐更多个性化的长尾图书。

Description

一种基于自适应聚类的图书推荐方法

技术领域

本发明涉及一种基于自适应聚类的图书推荐方法，属于网络通信技术领域。

背景技术

在移动阅读日益发展并为广大用户逐渐接受的当下，如何准确把握用户的阅读偏好、快速将符合用户喜好的信息以直线距离推送到用户面前显得尤为重要。

虽然理论上所有的图书都会有人购买，但图书的购买和推荐都会偏向于热门图书。对于热门图书，用户可以通过很多其他的方式接触到（例如排行榜等），而长尾图书由于订购量和访问量相对较少，因而很难被推荐给用户。同时，各个平台会因为价格战等原因而相互比拼热门图书的价格，从而导致热门图书的利润逐渐降低，但长尾图书受价格战的影响相对较少，平台的定价自主权较高，因而长尾图书的利润率也相对较高，长尾图书的访问量增加会带来图书阅读的整体收入增高。因此对长尾图书进行推荐很有必要，而且还会带来很好的收益。

现有的图书推荐中，主要采用协同过滤和SlopeOne算法，其中基于用户的推荐是通过计算用户相似度来进行推荐，基于项目的推荐是通过计算图书相似度来进行推荐。但是由于长尾图书相对冷门，普通的协同过滤和SlopeOne算法很难为用户推荐出符合其个性化的长尾图书。

因此，如何为用户推荐更多个性化的长尾图书，仍是一个未解决的技术问题。

发明内容

有鉴于此，本发明的目的是提供一种基于自适应聚类的图书推荐方法，能为用户推荐更多个性化的长尾图书。

为了达到上述目的，本发明提供了一种基于自适应聚类的图书推荐方法，包括有：

步骤一、根据图书的访问数据，分别将图书划分到若干个图书聚类中；

步骤二、根据图书聚类中所有图书的评分，计算每个图书聚类的图书平均分；

步骤三、根据不同图书聚类的图书平均分的差值、不同图书聚类的共同用户数、和用户对每个图书聚类中已阅读图书的评分的平均值，计算用户对每个图书聚类的评分；

步骤四、根据每本图书的评分与其所属图书聚类的图书平均分的差值、以及用户对每个图书聚类的评分，计算用户对图书聚类中未阅读图书的评分，并据此向用户推荐图书。

与现有技术相比，本发明的有益效果是：本发明可以使更多的长尾图书获得推荐，从而提升整体的图书访问量、增加图书阅读的整体收入；图书可以根据图书的订购用户数、阅读用户数和用户评分等访问数据进行聚类，为了保证长尾图书有更多的被推荐机会，本发明设置一个用户数阈值，大于用户数阈值的图书不参与聚类，而小于用户数阈值的图书才参与聚类；由于图书不采用传统的基于类别或用户相似性的聚类方法，同一图书聚类中的图书可能不是分类相同的图书，因而所推荐图书更具有多样性；本发明可以应用在移动网和互联网的图书阅读平台中

附图说明

图1是本发明一种基于自适应聚类的图书推荐方法流程图。

图2是图1步骤一的具体操作流程图。

图3是图1步骤四的具体操作流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

如图1所示，本发明一种基于自适应聚类的图书推荐方法，包括有：

所述步骤一中，图书的访问数据可以包括但不限于图书的订购用户数、阅读用户数或用户评分等数据。

如图2所示，所述步骤一进一步包括有：

步骤11、构建若干个图书聚类，并为每个图书聚类随机选取一本订购（或阅读）用户数小于用户数阈值的图书作为所述图书聚类的种子图书，同时将所有图书聚类构成一个初始的聚类组；

步骤12、从图书阅读平台中选取一本未划分到图书聚类的图书，并提取所述图书的订购用户数、阅读用户数和用户评分等访问数据；

步骤13、判断所述图书的订购（或阅读）用户数是否大于用户数阈值？如果是，则新构建1个图书聚类，并将所述订购或者阅读用户数大于用户数阈值的图书划分到新构建的图书聚类中，然后转向步骤12；如果否，则继续步骤14；

步骤14、采用欧式距离公式，顺序计算所述图书与聚类组中的每个图书聚类的种子图书的距离：

dis \tan ce (x, y) = \sqrt{Σ_{i = 1}^{N} {(book (x, i) - book (y, i))}^{2}},

其中，x、y分别表示所述图书、图书聚类的种子图书，N是图书的访问数据类型总数，book(x,i)、book(y,i)分别是图书x、y的第i种访问数据类型所对应的值，所述访问数据类型可以包括图书的订购用户数、阅读用户数或用户评分，并判断所述图书与所述图书聚类的种子图书的距离是否小于距离阈值？如果是，则将所述图书划分到所述图书聚类中，继续步骤15；如果否，则继续顺序计算所述图书与下一个图书聚类的种子图书的距离，转向步骤14；

步骤15、判断所述图书聚类中的所有图书的订购（或阅读）用户数是否大于用户数阈值？如果是，则将所述图书聚类从聚类组中移出，即所述图书聚类中不再增加图书，然后继续下一步；如果否，则继续下一步；

步骤16、判断是否图书阅读平台还有未划分到图书聚类的图书、且聚类组中还存在有图书聚类？如果是，则转向步骤12；如果否，则本流程结束。

在实际应用时，可根据业务特征设定用户数阈值和距离阈值，例如当用户数阈值为1000，即订购（或阅读）用户数不小于1000的图书不参与聚类，并由所述图书单独构成一个图书聚类，订购（或阅读）用户数小于1000的图书参与聚类，当图书聚类中所有图书的订购（或阅读）用户数之和小于1000时，该图书聚类可继续增加图书，当该图书聚类中所有图书的订购（或阅读）用户数之和大于1000时，该图书聚类中不继续增加图书，即从聚类组中移出。这样，当步骤一完成后，所有的图书聚类包括有聚类组中的图书聚类、从聚类组中移出的图书聚类和由订购（或阅读）用户数不小于1000的图书所单独构成的图书聚类。

所述步骤二中，每个图书聚类的图书平均分的计算公式如下：

avg_bookscore_j = \frac{Σ_{i = 1}^{cluster_j} bookscore_i}{cluster_j},

其中，avg_bookscore_j是第ｊ个图书聚类的图书平均分，cluster_j是第ｊ个图书聚类的图书总数，bookscore_i是第ｊ个图书聚类中的第ｉ本图书的评分。

每个用户根据其订购以及对图书的访问深度，对应一个用户对该图书的评分，我们可以根据图书的用户数和用户对图书的评分来计算图书的评分，既bookscore_i是所有用户对第ｊ个图书聚类中第ｉ本图书评分的平均值。例如，ABCDE用户分别对第ｉ本图书的评分是：1、3、4、5、3分，则bookscore_i是：(1+3+4+5+3)/5=3.2分。

所述步骤三中，不同图书聚类的图书平均分的差值的计算公式如下：avg_bs_dev(m,n)=avg_bookscore_m-avg_bookscore_n，其中，avg_bs_dev(m,n)是第ｍ个图书聚类和第ｎ个图书聚类的图书平均分的差值，avg_bookscore_m、avg_bookscore_n分别是第ｍ个图书聚类、第ｎ个图书聚类的图书平均分。

用户对每个图书聚类的评分的计算公式如下：

u_clu_pre_j = \frac{Σ_{t = 1}^{| M |} ((avg_bs_dev (j, t) + u_clus_t) * CommonU (j, t))}{Σ_{t = 1}^{| M |} CommonU (j, t) |},

其中，u_clu_pre_j是用户对第ｊ个图书聚类的评分，avg_bs_dev(j,t)是第ｊ个图书聚类和第ｔ个图书聚类的图书平均分的差值，u_clus_t是用户对第ｔ个图书聚类中已阅读图书的评分的平均值，Ｍ是除第ｊ个图书聚类之外的其他所有图书聚类的集合，|Ｍ|是除第ｊ个图书聚类之外的其他所有图书聚类的总数，CommonU(j,t)是第ｊ个图书聚类和第ｔ个图书聚类中所有图书的共同订购（或阅读）用户数，例如第ｊ个图书聚类中所有图书的订购（或阅读）用户集合是：Ｕ1、Ｕ2、Ｕ3、Ｕ5、Ｕ8、Ｕ9，第ｔ个图书聚类中所有图书的订购（或阅读）用户集合是：Ｕ2、Ｕ4、Ｕ5、Ｕ6、Ｕ7、Ｕ8、Ｕ9，则CommonU(j,t)=4。

用户对第ｔ个图书聚类中已阅读图书的评分的平均值的计算公式如下：

u_clus_t = \frac{Σ_{q = 1}^{Q} user_bookscore_q}{Q},

其中，user_bookscore_q是用户对第ｔ个图书聚类中第q本已阅读图书的评分，Q是用户对第ｔ个图书聚类中已阅读的图书数。

如图3所示，所述步骤四进一步包括有：

步骤41、计算用户对所有图书聚类中的所有图书的评分：u_b_pre(b，j)＝bookscore_dev(b，j)+u_elu_pre_j，其中，u_b_pre(b，j)是用户对第j个图书聚类中第b本图书的评分，bookscore_dev(b，j)是第b本图书与其所属第j个图书聚类的图书平均分的差值，u_clu_pre_j是用户对第j个图书聚类的评分，bookscore_dev(b，j)的计算公式如下：bookscore_dev(b，j)＝bookscore_b-avg_bookscore_j，其中，bookscore_b是第j个图书聚类中的第b本图书的评分，avg_bookscore_j是第j个图书聚类的图书平均分；

步骤42、将用户对所有图书聚类中的所有图书的评分进行降序排列，并从中过滤掉用户已订购和已阅读的图书，然后生成用户的图书推荐列表，最后将排在图书推荐列表前面的若干本图书向用户推荐。

申请人通过提取实际的图书访问数据和真实的目标用户，对本发明进行了验证和推荐效果评估。共有6923本图书，被划分到923个图书聚类中。根据推荐结果统计了每个用户的推荐图书数、图书所属聚类数、图书所属类别数、每类别推荐图书数、图书平均用户数、图书最大用户数、图书最小用户数这几个指标来作为推荐效果的评估指标。从下表可以看出，活跃用户推荐的图书数量较多，图书所属聚类数、图书所属类别数、每类别图书数都较多，最大用户数相同表明多个用户被推荐过同一本热门图书，用户数最小值表明推荐出的冷门图书的用户数最小值。通过验证，本发明能够解决现有技术的不足，实现了发明目的和较好的技术效果。

用户编号	推荐图书数	图书聚类数	图书类别数	每类别图书数	用户平均数	用户数最大	用户数最小
								000001	257	57	29	8.8621	14870	710024	28
000002	221	50	30	7.3667	10063	710024	22
								000003	211	39	32	6.5938	3199	77524	5
000004	160	41	32	5	18086	710024	101
								000005	144	25	31	4.6452	4156	111660	5
000006	134	47	25	5.36	24383	710024	81
								000007	74	11	23	3.2174	3506	123950	81
000008	37	9	20	1.85	13547	331138	130
								000009	32	7	18	1.7778	4946	74195	101
000010	30	12	11	2.7273	50401	389317	381
								000011	27	7	16	1.6875	6209	68592	68
000012	13	9	8	1.625	66861	389317	1113
								000013	7	2	6	1.1667	49194	331138	1130
000014	6	2	4	1.5	3921	7133	2249
								000015	4	4	3	1.3333	354229	710024	79913

上述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims

1.一种基于自适应聚类的图书推荐方法，其特征在于，包括有：

2.根据权利要求1所述的方法，其特征在于，步骤一进一步包括有：

步骤11、构建若干个图书聚类，并为每个图书聚类随机选取一本订购或阅读用户数小于用户数阈值的图书作为所述图书聚类的种子图书，同时将所有图书聚类构成一个初始的聚类组；

步骤12、从图书阅读平台中选取一本未划分到图书聚类的图书，并提取所述图书的访问数据；

步骤13、采用欧式距离公式，顺序计算所述图书与聚类组中的每个图书聚类的种子图书的距离：

dis \tan ce (x, y) = \sqrt{Σ_{i = 1}^{N} {(book (x, i) - book (y, i))}^{2}},

其中，x、y分别表示所述图书、图书聚类的种子图书，N是图书的访问数据类型总数，book(x,i)、book(y,i)分别是图书x、y的第i种访问数据类型所对应的值，并判断所述图书与所述图书聚类的种子图书的距离是否小于距离阈值，如果是，则将所述图书划分到所述图书聚类中；如果否，则继续顺序计算所述图书与下一个图书聚类的种子图书的距离，转向步骤13。

3.根据权利要求2所述的方法，其特征在于，步骤12和步骤13之间还包括有：

判断所述图书的订购或阅读用户数是否大于用户数阈值，如果是，则新构建1个图书聚类，并将所述订购或者阅读用户数大于用户数阈值的图书划分到新构建的图书聚类中，然后转向步骤12；如果否，则继续步骤13。

4.根据权利要求2所述的方法，其特征在于，步骤13中，将所述图书划分到所述图书聚类中后，还包括有：

步骤131、判断所述图书聚类中的所有图书的订购或阅读用户数是否大于用户数阈值，如果是，则将所述图书聚类从聚类组中移出，然后继续下一步；如果否，则继续下一步；

步骤132、判断是否图书阅读平台还有未划分到图书聚类的图书、且聚类组中还存在有图书聚类，如果是，则转向步骤12；如果否，则本流程结束。

5.根据权利要求2所述的方法，其特征在于，所述访问数据类型可以包括但不限于图书的订购用户数、阅读用户数、用户评分。

6.根据权利要求1所述的方法，其特征在于，所述步骤二中，每个图书聚类的图书平均分的计算公式如下：

avg_bookscore_j = \frac{Σ_{i = 1}^{cluster_j} bookscore_i}{cluster_j},

7.根据权利要求6所述的方法，其特征在于，根据图书的用户数和用户对图书的评分来计算图书的评分，既bookscore_i是所有用户对第ｊ个图书聚类中第ｉ本图书评分的平均值。

8.根据权利要求1所述的方法，其特征在于，所述步骤三中，不同图书聚类的图书平均分的差值的计算公式如下：avg_bs_dev(m,n)=avg_bookscore_m-avg_bookscore_n，其中，avg_bs_dev(m,n)是第ｍ个图书聚类和第ｎ个图书聚类的图书平均分的差值，avg_bookscore_m、avg_bookscore_n分别是第ｍ个图书聚类、第ｎ个图书聚类的图书平均分。

9.根据权利要求1所述的方法，其特征在于，所述步骤三中，用户对每个图书聚类的评分的计算公式如下：

u_clu_pre_j = \frac{Σ_{t = 1}^{| M |} ((avg_bs_dev (j, t) + u_clus_t) * CommonU (j, t))}{Σ_{t = 1}^{| M |} CommonU (j, t) |},

其中，u_clu_pre_j是用户对第ｊ个图书聚类的评分，avg_bs_dev(j,t)是第ｊ个图书聚类和第ｔ个图书聚类的图书平均分的差值，u_clus_t是用户对第ｔ个图书聚类中已阅读图书的评分的平均值，Ｍ是除第ｊ个图书聚类之外的其他所有图书聚类的集合，|Ｍ|是除第ｊ个图书聚类之外的其他所有图书聚类的总数，CommonU(j,t)是第ｊ个图书聚类和第ｔ个图书聚类中所有图书的共同订购或阅读用户数。

10.根据权利要求9所述的方法，其特征在于，所述步骤三中，用户对第ｔ个图书聚类中已阅读图书的评分的平均值的计算公式如下：

u_clus_t = \frac{Σ_{q = 1}^{Q} user_bookscore_q}{Q},

11.根据权利要求1所述的方法，其特征在于，步骤四进一步包括有：

步骤41、计算用户对所有图书聚类中的所有图书的评分：u_b_pre(b，j)=bookscore_dev(b，j)+u_clu_pre_j，其中，u_b_pre(b，j)是用户对第j个图书聚类中第b本图书的评分，bookscore_dev(b，j)是第b本图书与其所属第j个图书聚类的图书平均分的差值，u_clu_pre_j是用户对第ｊ个图书聚类的评分；

12.根据权利要求11所述的方法，其特征在于，第b本图书与其所属第j个图书聚类的图书平均分的差值的计算公式如下：bookscore_dev(b，j)=bookscore_b-avg_bookscore_j，其中，bookscore_b是第ｊ个图书聚类中的第b本图书的评分，avg_bookscore_j是第ｊ个图书聚类的图书平均分。