CN104794635A - 基于协同过滤推荐算法的机型推荐系统 - Google Patents

Abstract

基于协同过滤推荐算法的手机机型推荐方法，利用协同过滤推荐算法的框架，结合机型生命周期模型和相应的打分函数来为用户精确推荐机型，包括如下步骤，包括最近邻计算阶段和机型推荐阶段：数据预处理，清除噪声和异常数据，排除不符合要求的用户和机型，从用户数据库中抽取目前正在使用的用户的个人信息和历史消费信息，从机型数据库中抽取用户目前使用机型的相关属性；利用预处理后的数据将相应的信息抽取出来为每个用户构建对应的用户向量，并使用本系统设计的方法计算用户间的相似度；计算目标用户与其他用户的相似度取相似度最大的前N个作为目标用户的最近邻居。

Description

基于协同过滤推荐算法的机型推荐系统

技术领域

本发明涉及建立一个基于运营商数据的机型推荐系统，该系统利用协同过滤推荐算法的框架，结合机型生命周期模型来和相应的打分函数来为用户推荐机型。

背景技术

伴随着数据库技术的迅速发展和数据库管理系统的广泛应用，数据积累得越来越多。面对激增的数据，人们希望能够挖掘出隐藏在背后的许多重要的信息，从而可以更好地利用这些数据为人们服务。运营商拥有大量的和用户有关的个人信息和历史消费数据，如何利用这些数据创造新的效益是运营商面临的问题，而利用这些数据向用户进行手机机型推荐就是这样一个典型的应用。

推荐系统的推荐方法主要有基于内容的过滤方法和协同过滤方法。其中，在信息检索领域主要应用的是基于内容的过滤。基于内容的过滤需要分析文件资源的描述，并分析每个用户的兴趣和偏好，从而建立起用户偏好模型。通过用户兴趣偏好模型向用户提供推荐服务，但是它具有一定的局限性的。正所谓“近朱者赤，近墨者黑”，身边其他人会影响一个人的行为思想。协同过滤推荐技术主要有两个假设：1)那些与目标用户有相同兴趣与偏好的人对某个信息的喜爱程度可以用来衡量目标用户对该信息的偏好；2)用户的喜好具有持续性，即现在会喜欢过去喜爱的信息的相似信息。因此，基于这两个假设，在网络信息服务中向用户推荐信息时，可以利用其他用户的信息或者目标用户自身的信息对某些信息产生评价，选取评价最高的几项信息推荐给目标用户。

协同过滤推荐方法主要有两种：基于用户的协同过滤和基于项目的协同过滤。基于用户的协同过滤：首先求与目标用户有相同或相似兴趣和爱好的N个最近邻居用户；然后计算出这K个用户对目标项目I的打分值；最后根据这些打分和N个最近邻居用户与目标用户的相似度预测出目标用户对目标项目I的打分值。基于项目的协同过滤：首先找出目标项目I的相似目标，其中，这些相似项目都是用户所感兴趣的项目，然后查询出用户对这些项目的打分值，最后根据相似项目与目标项目之间的相似度和打分可以预测出目标用户对目标项目的打分值。

本发明所使用的基于混合信息的协同过滤算法综合考虑了两方面的信息：用户自身的特征和项目特征。其中，用户的特征是指用户自身的属性，比如有年龄、性别、消费信息等等。项目特征是指目标用户所使用的机型属性，比如价格、品牌、机型、性能等等。

发明内容

发明目的：本发明所要解决的问题是为目标用户推荐合适的手机机型，尤其是基于协同过滤推荐算法的机型推荐。

为解决上述问题，本发明技术方案是：基于协同过滤推荐算法的机型推荐方法，利用协同过滤推荐算法的框架，结合机型生命周期模型和相应的打分函数来为用户精确推荐机型，包括如下步骤：

1)最近邻计算阶段：

b)数据预处理，清除噪声和异常数据，排除不符合要求的用户和机型，从用户数据库中抽取目前正在使用的用户的个人信息和历史消费信息，从机型数据库中抽取用户目前使用机型的相关属性；

c)利用预处理后的数据将相应的信息抽取出来为每个用户构建对应的用户向量，并使用本系统设计的方法计算用户间的相似度；

d)计算目标用户与其他用户的相似度取相似度最大的前N个作为目标用户的最近邻居；

具体过程如下：

(1)数据预处理，对于正在使用的用户，清理掉山寨机用户和刚入网不到半年的用户，得到正常用户集合A。山寨机用户的清理方法是如果有同一串号对应多个手机则是山寨机，入网不到半年的用户则是通过入网时间距离当前月份大于六个月来筛选；

(2)对A中的用户建立用户向量集合U，用户向量加入U中，包含三类信息，分别是用户本身属性，消费信息和当前使用机型信息；

(3)将用户u_i的性别、年龄、入网时长信息加入用户向量

(4)将用户u_i的消费信息，包括平均通话时长、短信、消费、流量等信息加入到用户向量

(5)将用户u_i当前的用机信息，包括机型所对应的价格、制式、品牌、操作系统、是否是智能机、是否支持TD、是否支持摄像头、是否支持GPRS、尺寸等信息加入到用户向量

(6)计算用户u_i与所有其他用户的相似度，得到相似度矩阵，相似度计算如下：

$\mathrm{sim}(u_i,u_j)=\cos ({\stackrel{\→}{u}}_i,{\stackrel{\→}{u}}_j)+{\mathrm{sim}}_{\mathrm{type}}(u_i,u_j)=\frac{{\stackrel{\→}{u}}_i\·{\stackrel{\→}{u}}_j}{\left|\right|{\stackrel{\→}{u}}_i\left|\right|\·\left|\right|{\stackrel{\→}{u}}_j\left|\right|}+{\mathrm{sim}}_{\mathrm{type}}(u_i,u_j)$

其中和表示用户u_i，u_j所对应的用户向量。余弦部分计算的是用户向量中用户本身信息和消费信息部分的相似度，由于这部分数据属性是混合属性，而余弦度量要求向量中的每个属性必须是实数，所以需要对分类属性进行量化。性别分别用0和1表示。sim_type(u_i,u_j)计算的则是用户u_i和u_j当前使用机型的相似度，同一品牌同一机型相似度为1，同一品牌不同机型相似度为0.5，不同品牌的相似度为0；

(7)取相似度最大的前N个用户构成目标用户u_i的最近邻居集合N_i；

(8)结束。

e)结束。

2)机型推荐阶段：

a)构建所有机型的生命周期模型并计算出处于成熟期以及之前阶段的机型集合；

b)使用目标用户的最近邻为所有机型进行打分，之后向目标用户推荐；

具体过程如下：

(1)查询用户集合U中的所有用户当前使用的机型并构造机型集合P；

(2)建立一个集合MATURE用于存放处于成熟期以及之前阶段的机型；

(3)查询P中的每个机型p_i自上市以来每个月的使用量增量数据得到向量increment_i中的第d维元素表示机型p_i上市后第d月的使用量增量；

(4)对P中的每个机型p_i分别构造生命周期模型m_i，方法是采用三次多项式拟合increment_i中的增量数据，多项式方程为：Y(t)＝a₀+a₁t+a₂t²+a₃t³。拟合后得到相应的参数值a₀，a₁，a₂，a₃，其中Y(t)表示机型p_i上市后第t月的使用量增量；

(5)确定机型p_i所处的生命阶段。计算

$t_1=\frac{{-2a}_2+\sqrt{{\left({2a}_2\right)}^2-{4a}_1\·{3a}_3}}{2\·{3a}_3}=\frac{{-a}_2+\sqrt{a_2^2-{3a}_1{a}_3}}{{3a}_3},t_2=-\frac{a_2}{{3a}_3},$ $t_3=\frac{{-2a}_2-\sqrt{{\left({2a}_2\right)}^2-{4a}_1\·{3a}_3}}{2\·{3a}_3}=\frac{{-a}_2-\sqrt{a_2^2-{3a}_1{a}_3}}{{3a}_3}.$ 令当前月份是机型p_i上市的第t_cur月，如果t_cur∈(t₀,t₁)，则处在引入期；如果t_cur∈(t₁,t₂)，则处在成长期；如果t_cur∈(t₂,t₃)，则处在成熟期；如果t_cur＞t₃，则进入衰退期，销量逐渐减少，即将退出市场，不参与机型推荐；

(6)将P中处在成熟期以及之前阶段的所有机型加入到集合MATURE中；

(7)为MATURE中的每个机型q_k打分，打分的方法是

其中N_i是目标用户u_i的最近邻居集合；

(8)对打分结果进行降序排序，取最高的N个机型推荐给目标用户u_i，将结果保存到文件中；

(9)将推荐结果交由营销人员进行营销；

(10)结束。

c)结束。

本发明的有益效果是：本发明基于广泛应用的协同过滤推荐算法的框架，使用改进的相似度函数度量用户相似性，利用机型生命周期模型来筛选有价值的机型，最后使用相应的机型评估函数来为用户进行有效的机型推荐。

附图说明：

图1为本发明的主体部分的流程图

图2为本发明的基于混合信息协同过滤算法的机型推荐流程图

图3为图2中步骤2的构造用户向量集合并计算相似度矩阵的流程图

图4为图2中步骤4的计算处于成熟期以及之前阶段机型的流程图

图5为图2中步骤5的对目标机型打分并向用户推荐的流程图

具体实施方式

下面结合附图对本发明进行详细说明。

如图1所示，推荐系统通过查询数据库提取所需要的用户信息和机型信息数据，经数据规范化、格式化等预处理后，首先计算目标用户最近邻，然后通过最近邻对机型进行打分，最后产生推荐结果并向目标用户进行推荐。

本发明的基于混合信息协同过滤算法的机型推荐系统的流程图如图2所示。

步骤0为本发明的起始步骤；

在最近邻计算阶段(步骤1-3)，步骤1是从数据库中抽取用户信息和机型信息进行规范化、剔除异常值，以及排除不符合要求的用户和机型如新入网用户和山寨机用户及对应机型，将预处理完毕的数据存入数据库中；

步骤2是利用预处理后的数据将相应的信息抽取出来为每个用户构建对应的用户向量，并使用本系统设计的方法计算用户间的相似度，由于两个用户之间的相似度是对称的，所以所有用户间的相似度构成一个对称矩阵；

步骤3是利用目标用户与其他用户的相似度选取相似度最大的前N个作为目标用户的最近邻居，并将最近邻居保存起来；

在机型推荐阶段(步骤4-5)，步骤4构建所有机型的生命周期模型并计算出处于成熟期及之前阶段的机型集合；

步骤5使用步骤3计算的目标用户的最近邻为所有机型进行打分，之后向目标用户推荐；

步骤6为本发明的结束步骤。

图3是对图2中步骤2的详细描述。

步骤20为起始步骤；

步骤21建立一个集合U用于存放所有的用户向量，建立一个相似度矩阵M用于存放计算出来的相似度，U和M都是以数据库中表的形式存在；

步骤22为每个用户u_i设立一个向量用于存放相关信息，这些向量存放在集合U中；

步骤23将用户u_i本身的信息，包括性别、年龄、入网时长信息加入用户向量

步骤24将用户u_i的消费信息，包括平均通话时长、短信、消费、流量等信息加入到用户向量

步骤25将用户u_i当前的用机信息，包括机型所对应的价格、制式、品牌、操作系统、是否是智能机、是否支持TD、是否支持摄像头、是否支持GPRS、尺寸等信息加入到用户向量

步骤26计算每个用户u_i与所有其他用户的相似度，得到相似度矩阵，相似度计算如下：

$\mathrm{sim}(u_i,u_j)=\cos ({\stackrel{\→}{u}}_i,{\stackrel{\→}{u}}_j)+{\mathrm{sim}}_{\mathrm{type}}(u_i,u_j)=\frac{{\stackrel{\→}{u}}_i\·{\stackrel{\→}{u}}_j}{\left|\right|{\stackrel{\→}{u}}_i\left|\right|\·\left|\right|{\stackrel{\→}{u}}_j\left|\right|}+{\mathrm{sim}}_{\mathrm{type}}(u_i,u_j)$

其中和表示用户u_i，u_j所对应的用户向量。余弦部分计算的是用户向量中用户本身信息和消费信息部分的相似度，由于这部分数据属性是混合属性，而余弦度量要求向量中的每个属性是实数，所以需要对分类属性进行量化。性别分别用0和1表示。sim_type(u_i,u_j)计算的则是用户当前使用机型的相似度，同一品牌同一机型相似度为1，同一品牌不同机型相似度为0.5，不同品牌的相似度为0；

步骤27将计算保存计算结果到M中的(i,j)位置中；

步骤28为结束步骤。

图4是对图2中步骤4的详细描述。

步骤40是起始步骤；

步骤41查询数据库得到集合U中所有用户当前使用的机型去重之后存入集合P；

步骤42建立一个集合MATURE用于存放处于成熟期以及之前阶段的机型，MATURE是以一张数据表的形式存在的；

步骤43对应P中的每个机型p_i均执行一遍步骤44以及以后的步骤，以下对一次迭代进行描述；

步骤44查询机型p_i自上市以来每个月的使用量增量数据构成向量increment_i，其中increment_i中的第d维元素表示机型p_i上市后第w月的使用量增量；

步骤45使用向量increment_i构造机型p_i的周期模型，方法是采用三次多项式拟合向量increment_i中的数据，多项式方程为：Y(t)＝a₀+a₁t+a₂t²+a₃t³，其中Y(t)表示机型p_i上市后第t月的使用量增量。拟合后得到相应的参数值a₀，a₁，a₂，a₃。

步骤46确定机型p_i所处的生命阶段。计算 $t_1=\frac{{-2a}_2+\sqrt{{\left({2a}_2\right)}^2-{4a}_1\·{3a}_3}}{2\·{3a}_3}=\frac{{-a}_2+\sqrt{a_2^2-{3a}_1{a}_3}}{{3a}_3},t_2=-\frac{a_2}{{3a}_3},$ $t_3=\frac{{-2a}_2-\sqrt{{\left({2a}_2\right)}^2-{4a}_1\·{3a}_3}}{2\·{3a}_3}=\frac{{-a}_2-\sqrt{a_2^2-{3a}_1{a}_3}}{{3a}_3}.$ 令当前月份是机型p_i上市的第t_cur月，如果t_cur∈(t₀,t₁)，则处在引入期；如果t_cur∈(t₁,t₂)，则处在成长期；如果t_cur∈(t₂,t₃)，则处在成熟期；如果t_cur＞t₃，则进入衰退期，销量逐渐减少，即将退出市场，不参与机型推荐。因此，如果t_cur≤t₃，执行步骤47，否则执行步骤48；

步骤47将机型p_i加入MATURE；

步骤48处理下一机型；

步骤49为结束步骤。

图5是对图2中步骤5的详细描述。

步骤50为起始步骤；

步骤51为用户u_i建立集合SCORE_i用于存放其最近邻对MATURE中机型的得分；

步骤52为MATURE中的每个机型q_k执行步骤52至步骤56；

步骤53计算机型q_k的得分，计算方法为

其中N_i是目标用户u_i的最近邻居集合。将机型type和得分score存入SCORE_i中；

步骤54对集合SCORE_i中的元素按照得分降序排序取前N个机型构成集合result_i；

步骤55将result_i中的机型交由营销人员推荐给用户；

步骤56为结束步骤。

Claims (1)

1.基于协同过滤推荐算法的手机机型推荐方法，其特征是利用协同过滤推荐算法的框架，结合机型生命周期模型和相应的打分函数来为用户精确推荐机型，包括如下步骤：

1)最近邻计算阶段：

a)数据预处理，清除噪声和异常数据，排除不符合要求的用户和机型，从用户数据库中抽取目前正在使用的用户的个人信息和历史消费信息，从机型数据库中抽取用户目前使用机型的相关属性；

b)利用预处理后的数据将相应的信息抽取出来为每个用户构建对应的用户向量，并使用本系统设计的方法计算用户间的相似度；

c)计算目标用户与其他用户的相似度取相似度最大的前N个作为目标用户的最近邻居；

具体过程如下：

(1)数据预处理，对于正在使用的用户，清理掉山寨机用户和刚入网不到半年的用户，得到正常用户集合A。山寨机用户的清理方法是如果有同一串号对应多个手机则是山寨机，入网不到半年的用户则是通过入网时间距离当前月份大于六个月来筛选；

(2)对A中的用户建立用户向量集合U，用户向量加入U中，包含三类信息，分别是用户本身属性，消费信息和当前使用机型信息；

(3)将用户u_i的性别、年龄、入网时长信息加入用户向量u_i。

(4)将用户u_i的消费信息，包括平均通话时长、短信、消费、流量等信息加入到用户向量u_i；

(5)将用户u_i当前的用机信息，包括机型所对应的价格、制式、品牌、操作系统、是否是智能机、是否支持TD、是否支持摄像头、是否支持GPRS、尺寸等信息加入到用户向量

(6)计算用户u_i与所有其他用户的相似度，得到相似度矩阵，相似度的计算如下：

$\mathrm{sim}(u_i,u_j)=\cos ({\stackrel{\→}{u}}_i,{\stackrel{\→}{u}}_j)+{\mathrm{sim}}_{\mathrm{type}}(u_i,u_j)=\frac{{\stackrel{\→}{u}}_i\·{\stackrel{\→}{u}}_j}{\left|\right|{\stackrel{\→}{u}}_i\left|\right|\·\left|\right|{\stackrel{\→}{u}}_j\left|\right|}+{\mathrm{sim}}_{\mathrm{type}}(u_i,u_j)$

其中和表示用户u_i，u_j所对应的用户向量。余弦部分计算的是用户向量中用户本身信息和消费信息部分的相似度，由于这部分数据属性是混合属性，而余弦度量要求向量中的每个属性必须是实数，所以需要对分类属性进行量化。性别分别用0和1表示。sim_type(u_i,u_j)计算的则是用户u_i和u_j当前使用机型的相似度，同一品牌同一机型相似度为1，同一品牌不同机型相似度为0.5，不同品牌的相似度为0；

(7)取相似度最大的前N个用户构成目标用户u_i的最近邻居集合N_i；

(8)结束；

a)结束；

2)机型推荐阶段：

a)构建所有机型的生命周期模型并计算出处于成熟期及之前阶段的机型集合；

b)使用目标用户的最近邻为所有机型进行打分，之后向目标用户推荐；

具体过程如下：

(1)查询用户集合U中的所有用户当前使用的机型并构造机型集合P；

(2)建立一个集合MATURE用于存放处于成熟期及之前阶段的机型；

(3)查询P中的每个机型p_i自上市以来每个月的使用量增量数据得到向量increment_i中的第d维元素表示机型p_i上市后第d月的使用量增量；

(4)对P中的每个机型p_i分别构造生命周期模型m_i，方法是采用三次多项式拟合increment_i中的增量数据，多项式方程为：Y(t)＝a₀+a₁t+a₂t²+a₃t³。拟合后得到相应的参数值a₀，a₁，a₂，a₃，其中Y(t)表示机型p_i上市后第t月的使用量增量；

(5)确定机型p_i所处的生命阶段。计算 $t_1=\frac{-2a_2+\sqrt{{\left(2a_2\right)}^2-4a_1\·3a_3}}{2\·{3a}_3}=\frac{-a_2+\sqrt{a_2^2-3a_1{a}_3}}{3a_3},$ $t_2=-\frac{a_2}{3a_3},$ $t_3=\frac{-2a_2-\sqrt{{\left(2a_2\right)}^2-4a_1\·{3a}_3}}{2\·{3a}_3}=\frac{-a_2-\sqrt{a_2^2-3a_1{a}_3}}{3a_3}.$ 令当前月份是机型p_i上市的第t_cur月，如果t_cur∈(t₀,t₁)，则处在引入期；如果t_cur∈(t₁,t₂)，则处在成长期；如果t_cur∈(t₂,t₃)，则处在成熟期；如果t_cur＞t₃，则进入衰退期，销量逐渐减少，即将退出市场，不参与机型推荐；

(6)将P中处在成熟期以及之前阶段的所有机型加入到集合MATURE中；

(7)为MATURE中的每个机型q_k打分，打分的方法是

$p(u_i,q_k)=\frac{\underset{u_j\∈N_i}{\mathrm{\Σ}}\mathrm{sim}(u_i,u_j)\·\mathrm{\δ}(u_j,q_k)}{\underset{u_j\∈N_i}{\mathrm{\Σ}}\mathrm{sim}(u_i,u_j)},$

其中N_i是目标用户u_i的最近邻居集合；

(8)对打分结果进行降序排序，取最高的N个机型推荐给目标用户u_i，将结果保存到文件中；

(9)将推荐结果交由营销人员进行营销；

(10)结束；

c)结束；

结束。