CN105069653A - 一种针对推荐系统解释的交互方法 - Google Patents
一种针对推荐系统解释的交互方法 Download PDFInfo
- Publication number
- CN105069653A CN105069653A CN201510483282.XA CN201510483282A CN105069653A CN 105069653 A CN105069653 A CN 105069653A CN 201510483282 A CN201510483282 A CN 201510483282A CN 105069653 A CN105069653 A CN 105069653A
- Authority
- CN
- China
- Prior art keywords
- user
- recommendation
- explanation
- commending system
- recommendation results
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种针对推荐系统解释的交互方法,在针对推荐系统推荐结果的解释中,增加用户介入的过程,在对推荐结果进行解释的模块中,用户介入过程采用文本输入或标签选择方式,方便后台对以用户-物品为数据结构的浏览或购买记录进行分类,使推荐系统在不同分类下的推荐结果获得更高的转换率。本发明改进了现有推荐系统解释机制的弊端,使推荐系统的内部逻辑更为透明,不再被用户当作“黑匣子”,让推荐结果有据可依;同时,推荐系统与用户交互可以达到数据清洗的目的,可减轻系统的计算负担,使推荐结果更为准确,从而增加用户对系统的信任,有利于推荐系统快速准确的捕捉到用户的兴趣特征,减少用户查找信息的时间开销。
Description
技术领域
本发明涉及推荐系统技术领域,尤其涉及一种针对推荐系统解释的交互方法。
背景技术
互联网的出现和推广给用户带来了大量的信息,满足了用户在信息时代对信息的需求。但是随着网络的迅速发展而带来的网上信息量的大幅增长,使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息,对信息的使用效率反而降低了,这就是所谓的信息超载问题。
推荐系统是解决信息超载问题的一个极具潜力的途径,尤其在电子商务中得到了大规模应用,它根据用户的信息需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户。
推荐系统根据用户过往的浏览或购买记录进行推荐,其中对每个推荐结果说明推荐原因,即推荐系统解释。
本发明中涉及到基于物品的协同推荐,它是推荐系统中一种常用的推荐方法,通过计算物品之间的相似度,并根据物品的相似度和用户的历史行为生成推荐结果列表。但是当物品数量过大时,计算物品相似度矩阵的代价也更加大。
现有的推荐系统大多缺少对应的解释机制,或者已有的解释机制还不完善。多数用户无法理解推荐系统的推荐原理,也没办法获得关于推荐结果的附加信息。从用户的角度看,缺乏适当解释说明或者解释说明不合理的推荐系统,并不能获得用户的信任。在推荐系统解释机制中,增加与用户交互功能是取得用户信任的一个可行方法。
发明内容
本发明目的就是为了弥补已有技术的缺陷,提供一种针对推荐系统解释的交互方法。
本发明是通过以下技术方案实现的:
一种针对推荐系统解释的交互方法,在针对推荐系统推荐结果的解释中,增加用户介入的过程,在对推荐结果进行解释的模块中,用户介入过程采用文本输入或标签选择方式,方便后台对以用户-物品为数据结构的浏览或购买记录进行分类,使推荐系统在不同分类下的推荐结果获得更高的转换率。
所述的用户介入过程所采用的文本输入或标签选择等方式,具体步骤如下:
(1)系统有基本的场景分类通过标签选择的方式提供给用户,同时也向用户提供文本输入的窗口;
(2)已建立的标签由系统根据用户使用热度进行排序供用户选择;
(3)通过文本相似性对文本输入的内容进行处理,建立新的标签;
(4)通过用户介入方式对推荐结果进行分类,方便推荐系统后台对记录进行分类,在分类相对应的场景下,实现推荐结果获得更高的转化率。
在现有的推荐系统中,加入一个系统与用户交互模块。在该交互模块中,用户可以通过文本输入或点击标签的方式对已经购买过的商品加以解释,比如“买给自己”、“买给Alice”、“买给Bob”等。推荐系统根据用户的解释,对用户已经购买过的物品进行更详细的分类,将物品矩阵分解成较小矩阵。系统根据与用户交互得到的信息,建立单用户与多物品之间的关联。当用户上线时,推荐系统首先对用户进行场景判断,然后根据用户与物品之间的关联,推荐相关物品给用户。
本发明的优点是:本发明改进了现有推荐系统解释机制的弊端,使推荐系统的内部逻辑更为透明,不再被用户当作“黑匣子”,让推荐结果有据可依;同时,推荐系统与用户交互可以达到数据清洗的目的,可减轻系统的计算负担,使推荐结果更为准确,从而增加用户对系统的信任,有利于推荐系统快速准确的捕捉到用户的兴趣特征,减少用户查找信息的时间开销。
附图说明
图1为系统根据收集的用户信息对用户已购买物品分类。
图2为单用户与多物品的关联图。
图3为系统与用户交互的界面。
具体实施方式
一种针对推荐系统解释的交互方法,在针对推荐系统推荐结果的解释中,增加用户介入的过程,在对推荐结果进行解释的模块中,用户介入过程采用文本输入或标签选择方式,方便后台对以用户-物品为数据结构的浏览或购买记录进行分类,使推荐系统在不同分类下的推荐结果获得更高的转换率。
所述的用户介入过程所采用的文本输入或标签选择等方式,具体步骤如下:
(1)系统有基本的场景分类通过标签选择的方式提供给用户,同时也向用户提供文本输入的窗口;
(2)已建立的标签由系统根据用户使用热度进行排序供用户选择;
(3)通过文本相似性对文本输入的内容进行处理,建立新的标签;
(4)通过用户介入方式对推荐结果进行分类,方便推荐系统后台对记录进行分类,在分类相对应的场景下,实现推荐结果获得更高的转化率。
在现有的推荐系统中,加入系统与用户交互功能。所述功能具体实现步骤如下:
①用户初次上线时,系统采用现有的推荐算法产生推荐结果;
②用户可通过文本输入和点击标签的形式与系统进行交互,如图3所示;
③推荐系统根据与用户交互得到的信息,对用户已购买物品进行更为精确地分类,如图1所示;
④推荐系统建立单用户和多物品的关联,如图2所示;
⑤推荐系统根据与用户交互得到的信息,按照用户使用热度生成标签,标签可帮助用户对已购买物品进行解释,如图3所示;
用户下次上线时,推荐系统首先分析用户的应用场景,然后根据用户与物品之间的关联,给用户重新推荐。
Claims (2)
1.一种针对推荐系统解释的交互方法,其特征在于:在针对推荐系统推荐结果的解释中,增加用户介入的过程,在对推荐结果进行解释的模块中,用户介入过程采用文本输入或标签选择方式,方便后台对以用户-物品为数据结构的浏览或购买记录进行分类,使推荐系统在不同分类下的推荐结果获得更高的转换率。
2.根据权利要求1所述的一种针对推荐系统解释的交互方法,其特征在于:所述的用户介入过程所采用的文本输入或标签选择等方式,具体步骤如下:
(1)系统有基本的场景分类通过标签选择的方式提供给用户,同时也向用户提供文本输入的窗口;
(2)已建立的标签由系统根据用户使用热度进行排序供用户选择;
(3)通过文本相似性对文本输入的内容进行处理,建立新的标签;
(4)通过用户介入方式对推荐结果进行分类,方便推荐系统后台对记录进行分类,在分类相对应的场景下,实现推荐结果获得更高的转化率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510483282.XA CN105069653A (zh) | 2015-08-07 | 2015-08-07 | 一种针对推荐系统解释的交互方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510483282.XA CN105069653A (zh) | 2015-08-07 | 2015-08-07 | 一种针对推荐系统解释的交互方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105069653A true CN105069653A (zh) | 2015-11-18 |
Family
ID=54499012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510483282.XA Pending CN105069653A (zh) | 2015-08-07 | 2015-08-07 | 一种针对推荐系统解释的交互方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105069653A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071119A (zh) * | 2022-08-16 | 2023-05-05 | 电子科技大学 | 一种基于多行为推荐模型的模型不可知反事实解释方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1600022A (zh) * | 2001-11-30 | 2005-03-23 | 皇家飞利浦电子股份有限公司 | 向用户介绍推荐理由的媒体推荐器 |
CN103646092A (zh) * | 2013-12-18 | 2014-03-19 | 孙燕群 | 基于用户参与的搜索引擎排序方法 |
CN103678635A (zh) * | 2013-12-19 | 2014-03-26 | 中国传媒大学 | 基于标签有向图的网络音乐聚合推荐方法 |
US20140280005A1 (en) * | 2013-02-13 | 2014-09-18 | Pubtap, Inc. | System and method for tag-based social networking |
CN104238951A (zh) * | 2013-06-21 | 2014-12-24 | 镇江新晔网络科技有限公司 | 一种网络标签的输入提示装置 |
-
2015
- 2015-08-07 CN CN201510483282.XA patent/CN105069653A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1600022A (zh) * | 2001-11-30 | 2005-03-23 | 皇家飞利浦电子股份有限公司 | 向用户介绍推荐理由的媒体推荐器 |
US20140280005A1 (en) * | 2013-02-13 | 2014-09-18 | Pubtap, Inc. | System and method for tag-based social networking |
CN104238951A (zh) * | 2013-06-21 | 2014-12-24 | 镇江新晔网络科技有限公司 | 一种网络标签的输入提示装置 |
CN103646092A (zh) * | 2013-12-18 | 2014-03-19 | 孙燕群 | 基于用户参与的搜索引擎排序方法 |
CN103678635A (zh) * | 2013-12-19 | 2014-03-26 | 中国传媒大学 | 基于标签有向图的网络音乐聚合推荐方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071119A (zh) * | 2022-08-16 | 2023-05-05 | 电子科技大学 | 一种基于多行为推荐模型的模型不可知反事实解释方法 |
CN116071119B (zh) * | 2022-08-16 | 2023-12-08 | 电子科技大学 | 一种基于多行为推荐模型的模型不可知反事实解释方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | User preference learning for online social recommendation | |
Yang et al. | Friend or frenemy? Predicting signed ties in social networks | |
CN107516235B (zh) | 商品偏好预估方法和装置 | |
CN110335123B (zh) | 基于社交电商平台的商品推荐方法、系统、计算机可读介质以及装置 | |
CN104317835A (zh) | 视频终端的新用户推荐方法 | |
CN109783539A (zh) | 用户挖掘及其模型构建方法、装置及计算机设备 | |
CN112989169B (zh) | 目标对象识别方法、信息推荐方法、装置、设备及介质 | |
CN106326318B (zh) | 搜索方法及装置 | |
CN109034981A (zh) | 一种电商协同过滤推荐方法 | |
Guy et al. | Will recommenders kill search? Recommender systems-an industry perspective | |
Fakhfakh et al. | Deep learning-based recommendation: Current issues and challenges | |
Singh et al. | A survey on the generation of recommender systems | |
Sharma et al. | Designing Recommendation or Suggestion Systems: looking to the future | |
Ding et al. | Computational technologies for fashion recommendation: A survey | |
CN110851694A (zh) | 基于用户记忆网络和树形结构的深度模型的个性化推荐系统 | |
Wang et al. | The application of factorization machines in user behavior prediction | |
Zhang et al. | Multi-view dynamic heterogeneous information network embedding | |
CN105069653A (zh) | 一种针对推荐系统解释的交互方法 | |
Kim et al. | Revenue maximizing itemset construction for online shopping services | |
CN111507788A (zh) | 数据推荐方法、装置、存储介质及处理器 | |
CN114861079A (zh) | 一种融合商品特征的协同过滤推荐方法和系统 | |
Zhao et al. | Probabilistic matrix factorization based on similarity propagation and trust propagation for recommendation | |
CN111144978A (zh) | 一种融合推荐的方法、系统和设备 | |
Yan et al. | Personalized POI recommendation based on subway network features and users’ historical behaviors | |
Singh et al. | Recommendation systems in big data era |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151118 |
|
RJ01 | Rejection of invention patent application after publication |