CN105183726A - 用户相似度确定方法及系统 - Google Patents

Abstract

一种用户相似度确定方法及系统，该方法包括步骤：获取用户信息，并将各用户信息分别设置为维度为预设第一数目的线性空间的一个向量，并将该向量映射到维度为第二预设数目的线性子空间；计算所述线性子空间的各维度的前第二预设数目的特征函数和特征值；采用预定阈值对最小的前第二预设数目个特征值对应的特征函数进行二值化处理，得到各用户信息对应的二进制编码；根据各用户信息的二进制编码确定与该用户信息相对应的用户之间的相似度。本发明大大提高了确定相似度的效率，并进而进一步提高了信息推荐的实时性。

Description

用户相似度确定方法及系统

技术领域

本发明涉及信息处理技术领域，特别涉及一种用户相似度确定方法、一种用户相似度确定系统。

背景技术

随着信息技术的日益发展，通过确定用户之间的相似度并进而执行相应的应用，例如信息推荐，已经成为信息技术领域中的一项重要内容。以信息推荐为例，在目前进行信息推荐的方案中，通常是采用推荐系统算法来计算出需要向用户进行推荐的信息，常用的推荐系统算法包括基于用户的协同过滤算法、基于物品的协同过滤算法、基于内容的推荐算法、基于模型的推荐算法(如矩阵分解、随机游走等)等。其中基于用户的协同过滤算法首先计算与被推荐用户行为最相近的用户，然后将这些用户喜欢的物品推荐给被推荐用户。由于该算法实现简单、解释性强，因此在推荐系统中被广泛采用。该算法的核心是计算用户之间的相似度。然而，由于信息推荐有着很高的实时性要求在，而在真实的推荐系统中，用户量大、用户的特征维度高，从而导致这种计算相似度的方式效率低下，不能满足实时进行信息推荐的实际需求。

发明内容

基于此，针对上述现有技术中存在的问题，本发明的其中一个目的在于提供一种用户相似度确定方法，本发明的另一目的在于提供一种用户相似度确定系统，其可以提高用户相似度确定过程的效率，进而提高信息推荐的实时性。

为达到上述目的，本发明实施例采用以下技术方案：

一种用户相似度确定方法，包括步骤：

获取用户信息，并将各用户信息分别设置为维度为预设第一数目的线性空间的一个向量，并将该向量映射到维度为第二预设数目的线性子空间；

计算所述线性子空间的各维度的前第二预设数目的特征函数和特征值；

采用预定阈值对最小的前第二预设数目个特征值对应的特征函数进行二值化处理，得到各用户信息对应的二进制编码；

根据各用户信息的二进制编码确定与该用户信息相对应的用户之间的相似度。

一种用户相似度确定系统，包括：

向量映射模块，用于获取用户信息，并将各用户信息分别设置为维度为预设第一数目的线性空间的一个向量，并将该向量映射到维度为第二预设数目的线性子空间；

特征计算模块，用于计算所述线性子空间的各维度的前第二预设数目的特征函数和特征值；

二值化模块，用于采用预定阈值对最小的前第二预设数目个特征值对应的特征函数进行二值化处理，得到各用户信息对应的二进制编码；

相似度确定模块，用于根据各用户信息的二进制编码确定与该用户信息相对应的用户之间的相似度。

根据上述本发明实施例的方案，其是将各用户信息设置为维度为预设第一数目的线性空间的一个向量后，将其压缩为二进制编码，并直接基于二进制编码确定相似度，由于将原来的用户信息压缩为二进制编码后，数据量大大减小，而基于二进制编码确定相似度的方式相对比较简单，所耗费的时间很短，因而大大提高了确定相似度的效率，并进而进一步提高了信息推荐的实时性。

附图说明

图1为本发明的用户相似度确定方法实施例的流程示意图；

图2为本发明的一个具体示例中基于本发明方案确定相似度的示意图；

图3是本发明的用户相似度确定系统实施例的结构示意图；

图4是基于本发明提供的终端的部分框图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

步骤S101：获取用户信息，并将各用户信息分别设置为维度为第一预设数目的线性空间的一个向量，并将该向量映射到维度为第二预设数目的线性子空间；

步骤S102：计算所述线性子空间的各维度的前第二预设数目的特征函数和特征值；

步骤S103：采用预定阈值对最小的前第二预设数目个特征值对应的特征函数进行二值化处理，得到各用户信息对应的二进制编码；

步骤S104：根据各用户信息的二进制编码确定与该用户信息相对应的用户之间的相似度。

根据上述本发明实施例的方法，其是将各用户信息设置为维度为预设第一数目的线性空间的一个向量后，将其压缩为二进制编码，并直接基于二进制编码确定相似度，由于将原来的用户信息压缩为二进制编码后，数据量大大减小，而基于二进制编码确定相似度的方式相对比较简单，所耗费的时间很短，因而大大提高了确定相似度的效率，并进而进一步提高了信息推荐的实时性。

基于上述本发明实施例中的方法，以下结合其中一个具体示例进行详细说明。

首先获取用户信息，并将每个待推荐的用户表示为在d(上述第一预设数目)维线性空间Rd的一个向量。

然后将每一个用户对应的向量由维度为d的线性空间R^d映射到维度为k(上述第二预设数目)的线性子空间R^k，其中，k的值可以根据实际应用需要进行设定。具体映射时，可以采用采用主成分(PrincipleComponentAnalysis)分析方式进行映射，采用主成分分析方式进行映射的具体过程，可以与目前已有的以及以后可能的改进后的方式相同，在此不予详加赘述。

然后，对于线性子空间R^k中的每一个维度i＝1,…,k，计算对应于该维度的前k个特征函数和特征。在其中一个具体示例中，可以采用公式 计算特征函数，采用公式计算特征值。

其中，在这两个公式中，Φ_i(x)表示第i维对应的特征函数，λ_i表示第i维对应的特征值，x表示用户对应向量在子空间R^k中第i维对应的值，k表示所述第二预设数目，b表示所有用户对应向量在该维度的最大值，a表示所有用户对应向量在该维度的最小值。

通过上述计算，可以得到k×k个特征值。然后对这k×k个特征值进行排序，并选择前k个最小的特征值所对应的特征函数,对其进行二值化。在进行二值化时，由于特征函数的形式是正弦函数，为奇函数，因此可以选择0为上述预定阈值对该特征值函数进行二值化，具体二值化函数可以为：

y_i(x)＝sign(Φ_i(x))

即当Φ_i(x)为正时，该位对应的二值化后的值为1，反之则为0。

根据以上步骤，可以将数据从原始空间压缩为长度为k的二进制编码。

在计算两个用户间的相似度时，基于上述二进制编码，可以直接计算与该用户相对应的二进制编码之间的海明距离(HammingDistance)即可，即比较两串二进制编码中相同比特位、且该比特位的值也相同的数目。

图2中示出了基于本发明方案的一个具体示例中的示意图。如图2所示，假设每个用户包含有三个特征，即包含3中用户信息，例如图2中所示的特征1、特征2、特征3。经过上述本发明方案的处理后，用户1对应的二值化编码表示为01010101，用户2对应的二值化编码表示为01100110，对这两个二值化编码进行比较，共有四个比特位对应的值相同，因此他们之间的距离为4。

在得到各用户之间的相似度之后，即可根据该相似度进行后续的各种应用，例如根据各用户之间的相似来确定需要向该用户进行推荐的信息的待推荐列表，在此不予展开和详细叙述。

根据与上述本发明的用户相似度确定方法相同的思想，本发明实施例还提供一种用户相似度确定系统。图3中示出了本发明的用户相似度确定系统实施例的结构示意图。

如图3所示，本实施例中的用户相似度确定系统包括有：

向量映射模块301，用于获取用户信息，并将各用户信息分别设置为维度为第一预设数目的线性空间的一个向量，并将该向量映射到维度为第二预设数目的线性子空间；

特征计算模块302，用于计算所述线性子空间的各维度的前第二预设数目的特征函数和特征值；

二值化模块303，用于采用预定阈值对最小的前第二预设数目个特征值对应的特征函数进行二值化处理，得到各用户信息对应的二进制编码；

相似度确定模块304，用于根据各用户信息的二进制编码确定与该用户信息相对应的用户之间的相似度。

根据上述本发明实施例的系统，其是将各用户信息设置为维度为预设第一数目的线性空间的一个向量后，将其压缩为二进制编码，并直接基于二进制编码确定相似度，由于将原来的用户信息压缩为二进制编码后，数据量大大减小，而基于二进制编码确定相似度的方式相对比较简单，所耗费的时间很短，因而大大提高了确定相似度的效率，并进而进一步提高了信息推荐的实时性。

其中，向量映射模块301在将所述向量映射到维度为第二预设数目的线性子空间时，可以采用主成分分析方式进行映射。采用主成分分析方式进行映射的具体方式可以采用目前已有的以及以后可能出现的任何方式进行，在此不予详加赘述。

此外，特征计算模块302在计算特征函数和特征值时，可以采用 ${\mathrm{\Φ}}_i\left(x\right)=\sin (\frac{\mathrm{\π}}{2}+\frac{\mathrm{i\π}}{b-a}x)$ 计算特征函数，采用 ${\mathrm{\λ}}_i=1-e^{-\frac{{\∈}^2}{2}{\left|\frac{\mathrm{i\π}}{b-a}\right|}^2}$ 计算特征值。

其中，Φ_i(x)表示第i维对应的特征函数，λ_i表示第i维对应的特征值，x表示用户对应向量在子空间R^k中第i维对应的值，k表示所述第二预设数目，b表示所有用户对应向量在该维度的最大值，a表示所有用户对应向量在该维度的最小值。

由于该特征函数的形式是正弦函数，为奇函数，因此上述二值化模块303可以选择0为上述预定阈值对该特征值函数进行二值化。

在二值化模块303进行二值化得到对应的二值化编码后，相似度确定模块304，在计算相似度时，基于上述二进制编码，可以直接计算与该用户相对应的二进制编码之间的海明距离(HammingDistance)即可，即比较两串二进制编码中相同比特位、且该比特位的值也相同的数目，将两个用户信息的二进制编码中相同比特位的值相同的数目确定为两个用户之间的相似度。

基于上述本发明的用户相似度确定方法和系统，在一个实际运用环境中进行了测试应用，通过实际测试运用发现，对于1.5T的数据，通过上述本发明方案可以压缩为4G的二进制编码，完全可以在内存中完成存储和计算。在速度上，对于4千万条UGC(UserGeneratedContent，用户生成内容)数据，利用上述本发明方案进行压缩后进行相似度计算，所需时间由直接遍历所需的10分钟变为了0.5秒，速度提升1200倍。而在精确度上，在上述高效的同时，仍然保持了较高的精确度，与原始的相似度计算结果相比，所返回结果的准确度稳定在90％以上，具有很高的准确度和稳定性。

本领域普通技术人员可以理解的是，实现上述本发明实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。因此，根据上述本发明实施例方案，本发明还提供一种包含计算机可读程序的存储介质，当该存储介质中的计算机可读程序执行时，可以实现上述任何一种方式中的本发明的用户相似度确定方法。

如上所述的本发明实施例的方法，可以以软件的形式安装于相应的机器设备上，并在该软件运行时通过控制相关的处理设备来完成上述的用户相似度确定的过程。相应地，上述用户相似度确定系统可以是设置安装在相应的终端设备上，也可以是相应的终端设备本身，这里的终端设备可以是手机、平板电脑、PDA(PersonalDigitalAssistant，个人数字助理)、车载电脑等任意终端设备。

据此，基于上述本发明的方案，本发明还提供一种终端设备，该终端设备可以是手机、平板电脑、PDA(PersonalDigitalAssistant，个人数字助理)、车载电脑等任意一种终端设备。

据此，以下以其中一种终端设备为例，图4中示出了该终端设备的部分结构框图。参考图4，该终端设备包括：存储器410、输入单元420、显示单元430、处理器440、通信模块450等部件。本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明实施例方案相关的部分结构的框图，并不构成对应用在本发明方案中的终端设备的限定，具体的终端设备可以包括比图示中更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图4对该终端设备的各个构成部件进行具体的介绍。

存储器410可用于存储软件程序以及模块，处理器440通过运行存储在存储器410的软件程序以及模块，从而执行与该终端设备相关的各种功能应用以及数据处理。存储器410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元420可用于接收输入的数字、字符或者其他信息，以及产生与终端设备的用户设置以及功能控制有关的键信号输入。

具体地，以终端设备为手机为例，该输入单元420可包括触控面板以及其他输入设备。触控面板，也称为触摸屏，可收集目标对象在其上或附近的触摸操作(比如目标对象使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测目标对象的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器440，并能接收处理器440发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板。除了触控面板，输入单元420还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元430可用于显示由用户输入的信息或提供给用户的信息以及各种菜单。显示单元430可包括显示面板，可选的，可以采用液晶显示器(LiquidCrystalDisplay，LCD)、有机发光二极管(OrganicLight-EmittingDiode,OLED)等形式来配置显示面板。

终端设备通过通信模块450可以实现与其他设备之间的通信，该通信模块450可以采用任何可能的方式实现，例如WiFi模块、蓝牙通信、光纤通信等等，通过通信模块450实现了终端设备与其他设备之间的通信。

处理器440是终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储器410内的软件程序和/或模块，以及调用存储在存储器410内的数据，执行终端设备的各种功能和数据处理，从而对终端设备进行整体监控。可选的，处理器440可包括一个或多个处理单元。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种用户相似度确定方法，其特征在于，包括步骤：

获取用户信息，并将各用户信息分别设置为维度为第一预设数目的线性空间的一个向量，并将该向量映射到维度为第二预设数目的线性子空间；

计算所述线性子空间的各维度的前第二预设数目的特征函数和特征值；

采用预定阈值对最小的前第二预设数目个特征值对应的特征函数进行二值化处理，得到各用户信息对应的二进制编码；

根据各用户信息的二进制编码确定与该用户信息相对应的用户之间的相似度。

2.根据权利要求1所述的用户相似度确定方法，其特征在于，将两个用户信息的二进制编码中相同比特位的值相同的数目确定为两个用户之间的相似度。

3.根据权利要求1所述的用户相似度确定方法，其特征在于，所述预定阈值为0。

4.根据权利要求1所述的用户相似度确定方法，其特征在于，采用 ${\mathrm{\Φ}}_i\left(x\right)=\sin (\frac{\mathrm{\π}}{2}+\frac{\mathrm{i\π}}{b-a}x)$ 计算特征函数，采用 ${\mathrm{\λ}}_i=1-e^{-\frac{{\∈}^2}{2}{\left|\frac{\mathrm{i\π}}{b-a}\right|}^2}$ 计算特征值，

其中，Φ_i(x)表示分别对应第i维对应的特征函数，λ_i表示第i维对应的特征值，x表示用户对应向量在子空间R^k中第i维对应的值，k表示所述第二预设数目，b表示所有用户对应向量在该维度的最大值，a表示所有用户对应向量在该维度的最小值。

5.根据权利要求1所述的用户相似度确定方法，其特征在于，采用主成分分析方式将所述向量映射到维度为第二预设数目的线性子空间。

6.一种用户相似度确定系统，其特征在于，包括：

向量映射模块，用于获取用户信息，并将各用户信息分别设置为维度为第一预设数目的线性空间的一个向量，并将该向量映射到维度为第二预设数目的线性子空间；

特征计算模块，用于计算所述线性子空间的各维度的前第二预设数目的特征函数和特征值；

二值化模块，用于采用预定阈值对最小的前第二预设数目个特征值对应的特征函数进行二值化处理，得到各用户信息对应的二进制编码；

相似度确定模块，用于根据各用户信息的二进制编码确定与该用户信息相对应的用户之间的相似度。

7.根据权利要求6所述的用户相似度确定系统，其特征在于，所述相似度确定模块将两个用户信息的二进制编码中相同比特位的值相同的数目确定为两个用户之间的相似度。

8.根据权利要求6所述的用户相似度确定系统，其特征在于，所述预定阈值为0。

9.根据权利要求6所述的用户相似度确定系统，其特征在于，所述特征计算模块采用计算特征函数，采用计算特征值，

其中，Φ_i(x)表示第i维对应的特征函数，λ_i表示第i维对应的特征值，x表示用户对应向量在子空间R^k中第i维对应的值，k表示所述第二预设数目，b表示所有用户对应向量在该维度的最大值，a表示所有用户对应向量在该维度的最小值。

10.根据权利要求6所述的用户相似度确定系统，其特征在于，所述向量映射模块采用主成分分析方式将所述向量映射到维度为第二预设数目的线性子空间。