CN105678575A - 基于用户属性知识库的个性化推荐方法和系统 - Google Patents

Abstract

本发明公开了一种个性化推荐方法和系统，所述方法包括：获取当前推荐系统向用户推荐的推荐结果序列；在推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为初次推荐结果序列；根据用户的身份信息查询是否存储用户的属性；当查询结果为是时，分别将初次推荐结果序列中的各个推荐结果与用户的属性进行匹配；根据匹配结果，按照预设原则对初次推荐结果序列中的各个推荐结果进行排序；在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果作为最终推荐结果序列；输出最终推荐结果序列。本发明提高对用户进行推荐的准确率，进而提高用户对推荐结果的采纳率，提升推荐系统对用户的价值。

Description

基于用户属性知识库的个性化推荐方法和系统

技术领域

本发明涉及推荐技术领域，特别是涉及一种基于用户属性知识库的个性化推荐方法和系统。

背景技术

随着电子商务规模的不断扩大，商品个数和种类快速增长，用户需要花费大量的时间才能找到自己想买的商品。浏览大量无关信息和产品的过程无疑会使消费者不断流失。为了解决这些问题，个性化推荐技术应运而生。个性化推荐技术是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

但是现有个性化推荐系统在用户购买商品的历史数据的分析基础上进行推荐时，可能出现错误推荐。譬如，推荐系统发现A用户和B用户的以往兴趣特点和购买行为都很类似，最近A用户购买了卫生巾，结果推荐系统就把卫生巾推荐给了B用户，这个推荐是否准确？A用户和B用户之所以在过去的时间内兴趣特点和购买行为都很类似，是因为A用户和B用户是亲姐弟，但A用户是女性，最近来月经初潮了，所以开始第一次买卫生巾，但B用户是男性，把卫生巾推荐给B用户，显然是错误的推荐。可见，现有推荐技术得到的推荐结果常常与用户想买的商品不吻合，导致错误的推荐，进而降低用户对推荐结果的采纳率，降低推荐系统对用户的价值。

发明内容

基于上述情况，本发明提出了一种个性化推荐方法和系统，提高对用户进行推荐的准确率，进而提高用户对推荐结果的采纳率，提升推荐系统对用户的价值。

为了实现上述目的，本发明技术方案的实施例为：

一种个性化推荐方法，包括以下步骤：

获取当前推荐系统向用户推荐的推荐结果序列；

在所述推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为初次推荐结果序列，所述预设第一推荐个数小于或等于所述推荐结果序列中的推荐结果总数；

根据所述用户的身份信息在用户属性知识库预先存储的用户属性表中查询是否存储所述用户的属性；

当查询结果为是时，分别将所述初次推荐结果序列中的各个推荐结果与所述用户的属性进行匹配；

根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐结果进行排序；

在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果作为最终推荐结果序列，所述预设第二推荐个数小于或等于所述预设第一推荐个数；

输出所述最终推荐结果序列。

一种个性化推荐系统，包括：

推荐结果序列获取模块，用于获取当前推荐系统向用户推荐的推荐结果序列；

初次推荐结果序列获取模块，用于在所述推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为初次推荐结果序列，所述预设第一推荐个数小于或等于所述推荐结果序列中的推荐结果总数；

属性查询模块，用于根据所述用户的身份信息在用户属性知识库预先存储的用户属性表中查询是否存储所述用户的属性；

结果匹配模块，用于当查询结果为是时，分别将所述初次推荐结果序列中的各个推荐结果与所述用户的属性进行匹配；

结果排序模块，用于根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐结果进行排序；

最终推荐结果序列获取模块，用于在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果作为最终推荐结果序列，所述预设第二推荐个数小于或等于所述预设第一推荐个数；

序列输出模块，用于输出所述最终推荐结果序列。

与现有技术相比，本发明的有益效果为：本发明个性化推荐方法和系统，基于用户属性知识库，通过将当前推荐系统向用户推荐的预设个数个推荐结果与预先存储在用户属性知识库中的用户属性进行匹配，根据匹配结果获取最终推荐结果序列，提高对用户进行推荐的准确率，满足用户的个性化推荐需要，提高用户对推荐结果的采纳率，提升推荐系统对用户的价值，适合应用。

附图说明

图1为本发明一个实施例中个性化推荐方法流程示意图；

图2为基于图1所示方法一个具体示例中个性化推荐方法流程图；

图3为本发明一个实施例中个性化推荐系统结构示意图。

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。

一个实施例中个性化推荐方法，如图1所示，包括以下步骤：

步骤S101：获取当前推荐系统向用户推荐的推荐结果序列；

其中，当前推荐系统可以是现有的各种推荐系统，也可以是新开发的推荐系统；推荐系统向用户推荐的推荐结果可以是各种类型的推荐结果，譬如，商品的推荐、衣服的推荐、图书的推荐、视频的推荐、图片的推荐、论文的推荐或好友的推荐等；

步骤S102：在所述推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为初次推荐结果序列，所述预设第一推荐个数小于或等于所述推荐结果序列中的推荐结果总数；

例如推荐系统向一个用户推荐的推荐结果数记为p，将这p个推荐结果中的前n个推荐结果作为n个第一推荐结果，得到初次推荐结果序列，其中，p可以是自然数，推荐系统会向用户推荐至少一个推荐结果，选取推荐系统向一个用户推荐的所有推荐结果中的全部或部分作为第一推荐结果；

步骤S103：根据所述用户的身份信息在用户属性知识库预先存储的用户属性表中查询是否存储所述用户的属性；

例如从用户属性知识库中的用户属性表中检索该个用户的属性，通过用户的身份信息对用户属性表进行检索，当检索到相应用户的身份信息时，则取出该用户的身份信息对应的用户的属性；可以事先采集用户的属性存储在用户属性知识库中；

步骤S104：当查询结果为是时，分别将所述初次推荐结果序列中的各个推荐结果与所述用户的属性进行匹配；

一个推荐结果与用户属性知识库中该个用户的属性的匹配度，本质上是该个推荐结果与用户属性的符合程度；从一个推荐结果与该个用户的属性的匹配度的大小，可以看出该个推荐结果与该个用户的属性的吻合度，一个推荐结果与该个用户的属性的匹配度越大，则表明该个推荐结果与该个用户的属性的吻合度越高；

步骤S105：根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐结果进行排序；

例如将n个第一推荐结果与用户属性匹配得到的n个匹配度从大到小进行排序，如果有些匹配度相同，则这些相同匹配度的推荐结果的先后顺序按照这些推荐结果原先的顺序不变，n个匹配度代表的是n个第一推荐结果与用户属性的吻合度，所以n个匹配度从大到小进行排序，本质上是n个第一推荐结果与该个用户的属性的吻合度的从大到小排序；

步骤S106：在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果作为最终推荐结果序列，所述预设第二推荐个数小于或等于所述预设第一推荐个数；

例如将n个匹配度从大到小进行排序后的前m个匹配度对应的m个第一推荐结果作为最终推荐结果的序列，序列中前m个匹配度对应的m个第一推荐结果是与所述用户属性的吻合度最大的m个第一推荐结果，且在排序得到的序列中m个第一推荐结果也是按照与所述用户属性的吻合度从大到小进行排序的，使得用户能够得到与用户属性更吻合的m个推荐结果，且越吻合的推荐结果就越能先看到，因为与用户属性越吻合的推荐结果在序列中越靠前，避免了现有推荐系统推荐了的p个推荐结果中含有大量与用户属性吻合度低甚至不吻合的推荐结果的情况；

步骤S107：输出所述最终推荐结果序列。

将最终推荐结果输出给用户的方式可以是现有推荐系统所采用的方式，也可以采用其他的信息输出方式，譬如，如网页的方式、文件的方式。

从以上描述可知，本发明个性化推荐方法，基于用户属性知识库，充分考虑了用户的属性，从而避免了未针对不同用户属性进行个性化推荐的弊端，提高了推荐结果与用户属性的匹配度，满足了用户的个性化推荐的需要，提高推荐的准确率，提高了用户对推荐结果的采纳率，提升了推荐系统对用户的价值。

此外，在一个具体示例中，所述用户的身份信息包括用户ID(身份标识号)，所述用户属性表包括用户字段和用户属性字段，所述用户字段中存储用户ID，所述用户属性字段中存储用户的属性，所述用户的属性包括用户的年龄、性别、职业、学历、专业、特长、爱好和地理位置中的任意一项或任意组合。

用户属性知识库中的用户属性表包括用户字段、用户属性字段，用户字段中存储用户ID，用户属性字段存储用户的属性。从用户属性知识库中检索出该个用户的属性，是通过用户ID对用户属性知识库进行检索，当检索到相应用户ID时，则取出该用户ID对应的用户的属性。用户的属性可以包括用户的年龄、性别、职业、学历、专业、特长、爱好和地理位置等与用户相关的信息，满足多种应用需要。

此外，在一个具体示例中，当查询结果为否时，判断所述用户是否为所述当前推荐系统的注册用户；

当判定结果为是时，从所述当前推荐系统的所述用户的注册信息中获取所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中；

当判定结果为否时，生成一个信息采集窗口，采集所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中。

例如从用户属性知识库中检索该个用户的属性，当从用户属性知识库中检索不到该个用户或该个用户的属性时，则判断用户是否为推荐系统的注册用户，当用户是注册用户，则查询用户的注册信息中的用户属性加入用户属性知识库，当用户不是注册用户，则弹出对话框询问用户，也可以是其他交互方式获取或查询方式获取该个用户的属性加入用户属性知识库，如果用户的注册信息中没有用户属性信息时，也可以通过弹出对话框询问用户或是其他交互方式获取该个用户的属性加入用户属性知识库。

此外，在一个具体示例中，分别将所述初次推荐结果序列中的各个推荐结果与所述用户的属性进行匹配的步骤包括：

分别将所述初次推荐结果序列中的各个推荐结果和所述用户的属性转化为字符串；

分别计算所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的匹配度。

初次推荐结果序列中的各个推荐结果和用户的属性都可以转化为成字符串，计算两者匹配度的可以转化为字符串匹配度或相似度的计算，从一个推荐结果与该个用户的属性的匹配度的大小可以看出该个推荐结果与该个用户的属性的吻合度，一个推荐结果与该个用户的属性的匹配度越大则表明该个推荐结果与该个用户的属性的吻合度越高。

所述匹配度的计算可以转化为字符串匹配度或相似度的计算，可以采用已有的字符串匹配度或相似度算法，譬如Edit距离法(编辑距离，就是用来计算从原串(s)转换到目标串(t)所需要的最少的插入，删除和替换的数目。显然当一个语句编辑为另一个语句所需的最少的插入，删除和替换的数目越小，则匹配度越大)、最大公共子串LCS法(显然两个语句的最大公共子串越长，则这两个语句匹配度越大)；所述匹配度的计算也可以使用新的匹配度的算法，譬如将两个字符串的公共的字符数作为匹配度的大小。

此外，在一个具体示例中，所述根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐结果进行排序的步骤包括：

分别获取所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的相同字符个数；

根据获取的相同字符个数，从大到小对所述初次推荐结果序列中的各个推荐结果进行排序。

如果相同字符个数相同，则这些相同字符个数的推荐结果的先后顺序按照这些推荐结果原先的顺序不变。相同字符个数越多，则表明所述推荐结果与用户属性的吻合度越大，上述排序根据与用户属性的吻合度从大到小进行排序，与用户属性越吻合的推荐结果在序列中越靠前，方便后续处理。

为了更好地理解上述方法，以下详细阐述一个本发明个性化推荐方法的应用实例。

如图2所示，该应用实例可以包括以下步骤：

步骤S201：获取一个购物网站的推荐系统向用户甲推荐的推荐结果序列；

步骤S202：在上述推荐结果序列中获取前11个推荐结果作为初次推荐结果序列，上述推荐结果序列中的推荐结果总数大于或等于11；所述11个推荐结果为：(1)丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g；(2)包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋；(3)中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮；(4)iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约；(5)包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包；(6)茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114；(7)森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子；(8)大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤；(9)中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服；(10)小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮；(11)韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣；

步骤S203：根据用户甲的ID在用户属性知识库预先存储的用户属性表中查询是否存储用户甲的属性；所述用户属性表包括用户字段和用户属性字段，所述用户字段中存储用户ID，所述用户属性字段中存储用户的属性，所述用户的属性包括用户的年龄和性别；用户属性知识库可以事先存储采集的用户的属性，采集方式有多种；一个实施例中用户属性表如表1所示；

表1用户属性表

步骤S204：当查询结果为是时，分别将上述11个推荐结果和用户甲的属性转化为字符串；当查询结果为否时，判断用户甲是否为上述购物网站的注册用户；当判定结果为是时，从上述购物网站的用户甲的注册信息中获取用户甲的属性，并将用户甲的属性存储在用户属性知识库中；当判定结果为否时，生成一个信息采集窗口，采集用户甲的属性，并将用户甲的属性存储在用户属性知识库中；

已知用户甲的ID是14235，可以从上述用户属性知识库预先存储的用户属性表中查询到用户甲的属性是“年轻男性”；

如果上述用户属性知识库预先存储的用户属性表中查询不到用户甲的属性时，则判断用户甲是否为上述购物网站的注册用户，当用户甲是注册用户，则查询用户的注册信息中的用户甲的属性加入用户属性知识库，当用户甲不是注册用户，则弹出对话框询问用户甲，也可以是其他交互方式获取或查询方式获取用户甲的属性加入用户属性知识库，如果用户的注册信息中没有用户甲的属性时，也可以通过弹出对话框询问用户或是其他交互方式获取用户甲的属性加入用户属性知识库；

步骤S205：分别计算上述11个推荐结果转化的字符串与用户甲的属性转化的字符串的匹配度；

所述匹配度的计算可以转化为字符串匹配度或相似度的计算，也可以将两个字符串的公共的字符数作为匹配度的大小；从一个推荐结果与该个用户的属性的匹配度的大小可以看出该个推荐结果与该个用户的属性的吻合度；一个推荐结果与该个用户的属性的匹配度越大则表明该个推荐结果与该个用户的属性的吻合度越高；

步骤S206：分别获取上述11个推荐结果转化的字符串与用户甲的属性转化的字符串的相同字符个数；

匹配度采用的计算方式：将两个字符串的相同的字符数作为匹配度的大小：

(1)丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(2)包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋年轻男性与用户甲的属性转化的字符串的相同字符个数为3；

(3)中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(4)iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约年轻男性与用户甲的属性转化的字符串的相同字符个数为1；

(5)包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包年轻男性与用户甲的属性转化的字符串的相同字符个数为4；

(6)茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(7)森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(8)大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(9)中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(10)小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(11)韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

步骤S207：根据获取的相同字符个数，从大到小对上述11个推荐结果进行排序；如果相同字符个数相同，则这些相同字符个数的推荐结果的先后顺序按照这些推荐结果原先的顺序不变；相同字符个数越多与用户属性的吻合度越大，上述排序根据与用户属性的吻合度从大到小进行排序，与用户属性越吻合的推荐结果在序列中越靠前；

(1)包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包年轻男性与用户甲的属性转化的字符串的相同字符个数为4；

(2)包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋年轻男性与用户甲的属性转化的字符串的相同字符个数为3；

(3)iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约年轻男性与用户甲的属性转化的字符串的相同字符个数为1；

(4)丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(5)中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(6)茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(7)森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(8)大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(9)中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(10)小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(11)韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

步骤S208：在排序后的上述11个推荐结果序列中获取前5个推荐结果作为最终推荐结果序列；

选出序列中前5个匹配度对应的5个推荐结果的序列，如下：

(1)包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包年轻男性与用户甲的属性转化的字符串的相同字符个数为4；

(2)包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋年轻男性与用户甲的属性转化的字符串的相同字符个数为3；

(3)iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约年轻男性与用户甲的属性转化的字符串的相同字符个数为1；

(4)丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

(5)中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮年轻男性与用户甲的属性转化的字符串的相同字符个数为0；

步骤S209：输出上述最终推荐结果序列。

将最终推荐结果输出给用户的方式可以是现有推荐系统所采用的方式，也可以采用其他的信息输出方式，譬如，如网页的方式、文件的方式。

在最终推荐结果序列中可以看到5个中4个都是跟用户甲的属性是一致的，而且越是排序靠前的与用户甲的属性吻合度越密切，本应用实例提高了推荐结果与用户属性的匹配度，满足了用户的个性化推荐的需要，提高了推荐的准确率，提高了用户对推荐结果的采纳率，提升了推荐系统对用户的价值。

一个实施例中个性化推荐系统，如图3所示，包括：

推荐结果序列获取模块301，用于获取当前推荐系统向用户推荐的推荐结果序列；

初次推荐结果序列获取模块302，用于在所述推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为初次推荐结果序列，所述预设第一推荐个数小于或等于所述推荐结果序列中的推荐结果总数；

属性查询模块303，用于根据所述用户的身份信息在用户属性知识库预先存储的用户属性表中查询是否存储所述用户的属性；

结果匹配模块304，用于当查询结果为是时，分别将所述初次推荐结果序列中的各个推荐结果与所述用户的属性进行匹配；

结果排序模块305，用于根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐结果进行排序；

最终推荐结果序列获取模块306，用于在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果作为最终推荐结果序列，所述预设第二推荐个数小于或等于所述预设第一推荐个数；

序列输出模块307，用于输出所述最终推荐结果序列。

此外，在一个具体示例中，所述用户的身份信息包括用户ID，所述用户属性表包括用户字段和用户属性字段，所述用户字段中存储用户ID，所述用户属性字段中存储用户的属性，所述用户的属性包括用户的年龄、性别、职业、学历、专业、特长、爱好和地理位置中的任意一项或任意组合。

用户属性知识库中的用户属性表包括用户字段、用户属性字段，用户字段中存储用户ID，用户属性字段存储用户的属性。从用户属性知识库中检索出该个用户的属性，是通过用户ID对用户属性知识库进行检索，当检索到相应用户ID时，则取出该用户ID对应的用户的属性。用户的属性可以包括用户的年龄、性别、职业、学历、专业、特长、爱好和地理位置等与用户相关的信息，满足多种应用需要。

如图3所示，在一个具体示例中，所述系统还包括属性获取模块308，用于当查询结果为否时，判断所述用户是否为所述当前推荐系统的注册用户；

当判定结果为是时，从所述当前推荐系统的所述用户的注册信息中获取所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中；

当判定结果为否时，生成一个信息采集窗口，采集所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中。

例如从用户属性知识库中检索该个用户的属性，当从用户属性知识库中检索不到该个用户或该个用户的属性时，则判断用户是否为推荐系统的注册用户，当用户是注册用户，则查询用户的注册信息中的用户属性加入用户属性知识库，当用户不是注册用户，则弹出对话框询问用户，也可以是其他交互方式获取或查询方式获取该个用户的属性加入用户属性知识库，如果用户的注册信息中没有用户属性信息时，也可以通过弹出对话框询问用户或是其他交互方式获取该个用户的属性加入用户属性知识库。

如图3所示，在一个具体示例中，所述结果匹配模块304包括：

转化单元3041，用于分别将所述初次推荐结果序列中的各个推荐结果和所述用户的属性转化为字符串；

匹配单元3042，用于分别计算所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的匹配度。

初次推荐结果序列中的各个推荐结果和用户的属性都可以转化为成字符串，计算两者匹配度的可以转化为字符串匹配度或相似度的计算，从一个推荐结果与该个用户的属性的匹配度的大小可以看出该个推荐结果与该个用户的属性的吻合度，一个推荐结果与该个用户的属性的匹配度越大则表明该个推荐结果与该个用户的属性的吻合度越高。

所述匹配度的计算可以转化为字符串匹配度或相似度的计算，可以采用已有的字符串匹配度或相似度算法，譬如Edit距离法(编辑距离，就是用来计算从原串(s)转换到目标串(t)所需要的最少的插入，删除和替换的数目。显然当一个语句编辑为另一个语句所需的最少的插入，删除和替换的数目越小，则匹配度越大)、最大公共子串LCS法(显然两个语句的最大公共子串越长，则这两个语句匹配度越大)；所述匹配度的计算也可以使用新的匹配度的算法，譬如将两个字符串的公共的字符数作为匹配度的大小。

如图3所示，在一个具体示例中，所述结果排序模块305包括：

获取单元3051，用于分别获取所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的相同字符个数；

排序单元3052，用于根据获取的相同字符个数，从大到小对所述初次推荐结果序列中的各个推荐结果进行排序。

如果相同字符个数相同，则这些相同字符个数的推荐结果的先后顺序按照这些推荐结果原先的顺序不变。相同字符个数越多，则表明所述推荐结果与用户属性的吻合度越大，上述排序根据与用户属性的吻合度从大到小进行排序，与用户属性越吻合的推荐结果在序列中越靠前，方便后续处理。

基于图3所示的本实施例的系统，一个具体的工作过程可以是如下所述：

首先推荐结果序列获取模块301获取当前推荐系统向用户推荐的推荐结果序列；初次推荐结果序列获取模块302在所述推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为初次推荐结果序列，所述预设第一推荐个数小于或等于所述推荐结果序列中的推荐结果总数；属性查询模块303根据所述用户的身份信息在用户属性知识库预先存储的用户属性表中查询是否存储所述用户的属性；当查询结果为是时，结果匹配模块304中的转化单元3041分别将所述初次推荐结果序列中的各个推荐结果和所述用户的属性转化为字符串；匹配单元3042分别计算所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的匹配度；当查询结果为否时，属性获取模块308判断所述用户是否为所述当前推荐系统的注册用户；当判定结果为是时，从所述当前推荐系统的所述用户的注册信息中获取所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中；当判定结果为否时，生成一个信息采集窗口，采集所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中；结果排序模块305中的获取单元3051分别获取所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的相同字符个数；排序单元3052根据获取的相同字符个数，从大到小对所述初次推荐结果序列中的各个推荐结果进行排序；最终推荐结果序列获取模块306在排序后的初次推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果作为最终推荐结果序列，所述预设第二推荐个数小于或等于所述预设第一推荐个数；最后序列输出模块307输出所述最终推荐结果序列。

从以上描述可知，本发明个性化推荐系统，基于用户属性知识库，充分考虑了用户的属性，从而避免了未针对不同用户属性进行个性化推荐的弊端，提高了推荐结果与用户属性的匹配度，满足了用户的个性化推荐的需要，提高推荐的准确率，提高了用户对推荐结果的采纳率，提升了推荐系统对用户的价值。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

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)

1.一种个性化推荐方法，其特征在于，包括以下步骤：

获取当前推荐系统向用户推荐的推荐结果序列；

在所述推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为初次推荐结果序列，所述预设第一推荐个数小于或等于所述推荐结果序列中的推荐结果总数；

根据所述用户的身份信息在用户属性知识库预先存储的用户属性表中查询是否存储所述用户的属性；

当查询结果为是时，分别将所述初次推荐结果序列中的各个推荐结果与所述用户的属性进行匹配；

根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐结果进行排序；

在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果作为最终推荐结果序列，所述预设第二推荐个数小于或等于所述预设第一推荐个数；

输出所述最终推荐结果序列。

2.根据权利要求1所述的个性化推荐方法，其特征在于，所述用户的身份信息包括用户ID，所述用户属性表包括用户字段和用户属性字段，所述用户字段中存储用户ID，所述用户属性字段中存储用户的属性，所述用户的属性包括用户的年龄、性别、职业、学历、专业、特长、爱好和地理位置中的任意一项或任意组合。

3.根据权利要求1或2所述的个性化推荐方法，其特征在于，当查询结果为否时，判断所述用户是否为所述当前推荐系统的注册用户；

当判定结果为是时，从所述当前推荐系统的所述用户的注册信息中获取所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中；

当判定结果为否时，生成一个信息采集窗口，采集所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中。

4.根据权利要求1所述的个性化推荐方法，其特征在于，分别将所述初次推荐结果序列中的各个推荐结果与所述用户的属性进行匹配的步骤包括：

分别将所述初次推荐结果序列中的各个推荐结果和所述用户的属性转化为字符串；

分别计算所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的匹配度。

5.根据权利要求4所述的个性化推荐方法，其特征在于，所述根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐结果进行排序的步骤包括：

分别获取所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的相同字符个数；

根据获取的相同字符个数，从大到小对所述初次推荐结果序列中的各个推荐结果进行排序。

6.一种个性化推荐系统，其特征在于，包括：

推荐结果序列获取模块，用于获取当前推荐系统向用户推荐的推荐结果序列；

初次推荐结果序列获取模块，用于在所述推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为初次推荐结果序列，所述预设第一推荐个数小于或等于所述推荐结果序列中的推荐结果总数；

属性查询模块，用于根据所述用户的身份信息在用户属性知识库预先存储的用户属性表中查询是否存储所述用户的属性；

结果匹配模块，用于当查询结果为是时，分别将所述初次推荐结果序列中的各个推荐结果与所述用户的属性进行匹配；

结果排序模块，用于根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐结果进行排序；

最终推荐结果序列获取模块，用于在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果作为最终推荐结果序列，所述预设第二推荐个数小于或等于所述预设第一推荐个数；

序列输出模块，用于输出所述最终推荐结果序列。

7.根据权利要求6所述的个性化推荐系统，其特征在于，所述用户的身份信息包括用户ID，所述用户属性表包括用户字段和用户属性字段，所述用户字段中存储用户ID，所述用户属性字段中存储用户的属性，所述用户的属性包括用户的年龄、性别、职业、学历、专业、特长、爱好和地理位置中的任意一项或任意组合。

8.根据权利要求6或7所述的个性化推荐系统，其特征在于，还包括属性获取模块，用于当查询结果为否时，判断所述用户是否为所述当前推荐系统的注册用户；

当判定结果为是时，从所述当前推荐系统的所述用户的注册信息中获取所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中；

当判定结果为否时，生成一个信息采集窗口，采集所述用户的属性，并将所述用户的属性存储在所述用户属性知识库中。

9.根据权利要求6所述的个性化推荐系统，其特征在于，所述结果匹配模块包括：

转化单元，用于分别将所述初次推荐结果序列中的各个推荐结果和所述用户的属性转化为字符串；

匹配单元，用于分别计算所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的匹配度。

10.根据权利要求9所述的个性化推荐系统，其特征在于，所述结果排序模块包括：

获取单元，用于分别获取所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的属性转化的字符串的相同字符个数；

排序单元，用于根据获取的相同字符个数，从大到小对所述初次推荐结果序列中的各个推荐结果进行排序。