CN106897464A - 一种跨领域推荐方法及系统 - Google Patents

一种跨领域推荐方法及系统 Download PDF

Info

Publication number
CN106897464A
CN106897464A CN201710197792.XA CN201710197792A CN106897464A CN 106897464 A CN106897464 A CN 106897464A CN 201710197792 A CN201710197792 A CN 201710197792A CN 106897464 A CN106897464 A CN 106897464A
Authority
CN
China
Prior art keywords
preference data
behavior preference
user
data
equations
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
Application number
CN201710197792.XA
Other languages
English (en)
Inventor
冯广
方道坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201710197792.XA priority Critical patent/CN106897464A/zh
Publication of CN106897464A publication Critical patent/CN106897464A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种跨领域推荐方法及系统，该方法包括：确定出用户在多个领域中的行为偏好数据，然后利用推荐算法以及行为偏好数据，为用户生成推荐结果。可见，本申请是从多个领域中获取用户的行为偏好数据，而并非是从单一领域中获取，这样显然能够极大地丰富了信息推荐过程中的数据来源，从而降低了数据采集难度，并且，用户在多个领域中的行为偏好数据能够更加全面地体现出用户的个人兴趣，从而能够大幅改善后续的推荐效果。

Description

一种跨领域推荐方法及系统
技术领域
本发明涉及信息推荐技术领域，特别涉及一种跨领域推荐方法及系统。
背景技术
随着社交网络、普适计算、电子商务的发展，互联网的疆域被大大拓展，我们进入了“信息迷航”时代。早期，搜索引擎能够为我们解决信息查找难的问题，但是，随着大数据时代的到来，用户如何在海量信息中发现自己感兴趣的信息？推荐系统的诞生就是为了让用户发现其可能感兴趣的信息。
现有的推荐系统主要是局限在单领域上，它们都是根据用户在某一领域的行为特点，向用户推荐其感兴趣的内容。然而，单领域推荐具有明显的缺陷。首先，现在单领域推荐系统的算法基本都是采用基于用户的协同过滤算法，该算法存在两大难点，一是冷启动问题；二是矩阵的稀疏性问题。其次，从心理学的角度来说，人的兴趣爱好是呈现多样化的，所以单领域的兴趣并不能体现完整的个人兴趣。也即，现有的信息推荐过程中存在数据来源较为单一、数据采集难度大的问题，并且推荐效果不尽如人意。
发明内容
有鉴于此，本发明的目的在于提供一种跨领域推荐方法及系统，丰富了信息推荐过程的数据来源，降低了数据采集难度，并改善了推荐效果。其具体方案如下：
一种跨领域推荐方法，包括：
确定出用户在多个领域中的行为偏好数据；
利用推荐算法以及所述行为偏好数据，为用户生成推荐结果。
可选的，所述确定出用户在多个领域中的行为偏好数据的过程，包括：
从第一类领域中直接获取用户的行为偏好数据，得到第一类行为偏好数据；其中，所述第一类行为偏好数据为携带显性评分的信息集合；
利用第二类领域中的情景数据，确定出用户在第二类领域中的行为偏好数据，得到第二类行为偏好数据；其中，所述第二类行为偏好数据为携带隐性评分的信息集合。
可选的，所述利用推荐算法以及所述行为偏好数据，为用户生成推荐结果的过程，包括：
利用基于联合矩阵分解的推荐算法以及所述行为偏好数据，为用户生成推荐结果。
本发明还相应公开了一种跨领域推荐系统，包括：
行为偏好数据确定模块，用于确定出用户在多个领域中的行为偏好数据；
推荐结果生成模块，用于利用推荐算法以及所述行为偏好数据，为用户生成推荐结果。
可选的，所述行为偏好数据确定模块，包括：
第一确定单元，用于从第一类领域中直接获取用户的行为偏好数据，得到第一类行为偏好数据；其中，所述第一类行为偏好数据为携带显性评分的信息集合；
第二确定单元，用于利用第二类领域中的情景数据，确定出用户在第二类领域中的行为偏好数据，得到第二类行为偏好数据；其中，所述第二类行为偏好数据为携带隐性评分的信息集合。
可选的，所述推荐结果生成模块，具体用于利用基于联合矩阵分解的推荐算法以及所述行为偏好数据，为用户生成推荐结果。
本发明中，跨领域推荐方法，包括：确定出用户在多个领域中的行为偏好数据，然后利用推荐算法以及行为偏好数据，为用户生成推荐结果。
可见，本发明是从多个领域中获取用户的行为偏好数据，而并非是从单一领域中获取，这样显然能够极大地丰富了信息推荐过程中的数据来源，从而降低了数据采集难度，并且，用户在多个领域中的行为偏好数据能够更加全面地体现出用户的个人兴趣，从而能够大幅改善后续的推荐效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种跨领域推荐方法流程图；
图2为本发明实施例公开的一种跨领域推荐系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种跨领域推荐方法，参见图1所示，该方法包括：
步骤S11：确定出用户在多个领域中的行为偏好数据。
可以理解的是，上述多个领域可以包括但不限于电影、音乐、网络视频、图书、社交、新闻等领域。
步骤S12：利用推荐算法以及行为偏好数据，为用户生成推荐结果。
可见，本发明实施例是从多个领域中获取用户的行为偏好数据，而并非是从单一领域中获取，这样显然能够极大地丰富了信息推荐过程中的数据来源，从而降低了数据采集难度，并且，用户在多个领域中的行为偏好数据能够更加全面地体现出用户的个人兴趣，从而能够大幅改善后续的推荐效果。
本发明实施例公开了一种具体的跨领域推荐方法，包括以下步骤S21至S23：
步骤S21：从第一类领域中直接获取用户的行为偏好数据，得到第一类行为偏好数据；其中，第一类行为偏好数据为携带显性评分的信息集合。
其中，上述第一类领域为已具有能够反映用户行为偏好的显性评分的领域。
步骤S22：利用第二类领域中的情景数据，确定出用户在第二类领域中的行为偏好数据，得到第二类行为偏好数据；其中，第二类行为偏好数据为携带隐性评分的信息集合。
其中，上述第二类领域为未具有能够反映用户行为偏好的显性评分的领域。
步骤S23：利用基于联合矩阵分解的推荐算法以及上述行为偏好数据，为用户生成推荐结果。
本实施例中，推荐算法是基于联合矩阵分解得到的推荐算法，通过利用该推荐算法以及上述第一类行为偏好数据和第二类行为偏好数据，可为用户生成推荐结果。
相应的，本发明还公开了一种跨领域推荐系统，参见图2所示，该系统包括：
行为偏好数据确定模块11，用于确定出用户在多个领域中的行为偏好数据；
推荐结果生成模块12，用于利用推荐算法以及行为偏好数据，为用户生成推荐结果。
本实施例中，上述行为偏好数据确定模块11，具体可以包括第一确定单元和第二确定单元；其中，
第一确定单元，用于从第一类领域中直接获取用户的行为偏好数据，得到第一类行为偏好数据；其中，第一类行为偏好数据为携带显性评分的信息集合；
第二确定单元，用于利用第二类领域中的情景数据，确定出用户在第二类领域中的行为偏好数据，得到第二类行为偏好数据；其中，第二类行为偏好数据为携带隐性评分的信息集合。
另外，上述推荐结果生成模块，具体可以用于利用基于联合矩阵分解的推荐算法以及行为偏好数据，为用户生成推荐结果。
可见，本发明实施例是从多个领域中获取用户的行为偏好数据，而并非是从单一领域中获取，这样显然能够极大地丰富了信息推荐过程中的数据来源，从而降低了数据采集难度，并且，用户在多个领域中的行为偏好数据能够更加全面地体现出用户的个人兴趣，从而能够大幅改善后续的推荐效果。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种跨领域推荐方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种跨领域推荐方法，其特征在于，包括：
确定出用户在多个领域中的行为偏好数据；
利用推荐算法以及所述行为偏好数据，为用户生成推荐结果。
2.根据权利要求1所述的跨领域推荐方法，其特征在于，所述确定出用户在多个领域中的行为偏好数据的过程，包括：
从第一类领域中直接获取用户的行为偏好数据，得到第一类行为偏好数据；其中，所述第一类行为偏好数据为携带显性评分的信息集合；
利用第二类领域中的情景数据，确定出用户在第二类领域中的行为偏好数据，得到第二类行为偏好数据；其中，所述第二类行为偏好数据为携带隐性评分的信息集合。
3.根据权利要求1或2所述的跨领域推荐方法，其特征在于，所述利用推荐算法以及所述行为偏好数据，为用户生成推荐结果的过程，包括：
利用基于联合矩阵分解的推荐算法以及所述行为偏好数据，为用户生成推荐结果。
4.一种跨领域推荐系统，其特征在于，包括：
行为偏好数据确定模块，用于确定出用户在多个领域中的行为偏好数据；
推荐结果生成模块，用于利用推荐算法以及所述行为偏好数据，为用户生成推荐结果。
5.根据权利要求4所述的跨领域推荐系统，其特征在于，所述行为偏好数据确定模块，包括：
第一确定单元，用于从第一类领域中直接获取用户的行为偏好数据，得到第一类行为偏好数据；其中，所述第一类行为偏好数据为携带显性评分的信息集合；
第二确定单元，用于利用第二类领域中的情景数据，确定出用户在第二类领域中的行为偏好数据，得到第二类行为偏好数据；其中，所述第二类行为偏好数据为携带隐性评分的信息集合。
6.根据权利要求4或5所述的跨领域推荐系统，其特征在于，
所述推荐结果生成模块，具体用于利用基于联合矩阵分解的推荐算法以及所述行为偏好数据，为用户生成推荐结果。
CN201710197792.XA 2017-03-29 2017-03-29 一种跨领域推荐方法及系统 Pending CN106897464A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710197792.XA CN106897464A (zh) 2017-03-29 2017-03-29 一种跨领域推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710197792.XA CN106897464A (zh) 2017-03-29 2017-03-29 一种跨领域推荐方法及系统

Publications (1)

Publication Number Publication Date
CN106897464A true CN106897464A (zh) 2017-06-27

Family

ID=59193406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710197792.XA Pending CN106897464A (zh) 2017-03-29 2017-03-29 一种跨领域推荐方法及系统

Country Status (1)

Country Link
CN (1) CN106897464A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544306A (zh) * 2018-11-30 2019-03-29 苏州大学 一种基于用户行为序列特征的跨领域推荐方法及装置
CN110990717A (zh) * 2019-11-22 2020-04-10 广西师范大学 一种基于跨域关联的兴趣点推荐方法
CN112035743A (zh) * 2020-08-28 2020-12-04 腾讯科技（深圳）有限公司 数据推荐方法、装置、计算机设备以及存储介质
CN112507218A (zh) * 2020-12-03 2021-03-16 广州华多网络科技有限公司 业务对象推荐方法、装置、电子设备及存储介质
CN112541132A (zh) * 2020-12-23 2021-03-23 北京交通大学 基于多视图知识表示的跨领域推荐方法
WO2022041979A1 (zh) * 2020-08-28 2022-03-03 腾讯科技（深圳）有限公司 一种信息推荐模型的训练方法和相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544212A (zh) * 2013-09-09 2014-01-29 Tcl集团股份有限公司 一种内容推荐方法及系统
CN105653657A (zh) * 2015-12-25 2016-06-08 Tcl集团股份有限公司 一种商品的推荐方法及装置
CN105912685A (zh) * 2016-04-15 2016-08-31 上海交通大学 基于跨领域的机票个性化推荐系统及推荐方法
CN105975522A (zh) * 2016-04-29 2016-09-28 清华大学深圳研究生院 一种多领域内容推荐方法及服务器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544212A (zh) * 2013-09-09 2014-01-29 Tcl集团股份有限公司 一种内容推荐方法及系统
CN105653657A (zh) * 2015-12-25 2016-06-08 Tcl集团股份有限公司 一种商品的推荐方法及装置
CN105912685A (zh) * 2016-04-15 2016-08-31 上海交通大学 基于跨领域的机票个性化推荐系统及推荐方法
CN105975522A (zh) * 2016-04-29 2016-09-28 清华大学深圳研究生院 一种多领域内容推荐方法及服务器

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109544306A (zh) * 2018-11-30 2019-03-29 苏州大学 一种基于用户行为序列特征的跨领域推荐方法及装置
CN109544306B (zh) * 2018-11-30 2021-09-21 苏州大学 一种基于用户行为序列特征的跨领域推荐方法及装置
CN110990717A (zh) * 2019-11-22 2020-04-10 广西师范大学 一种基于跨域关联的兴趣点推荐方法
CN110990717B (zh) * 2019-11-22 2023-03-31 广西师范大学 一种基于跨域关联的兴趣点推荐方法
CN112035743A (zh) * 2020-08-28 2020-12-04 腾讯科技（深圳）有限公司 数据推荐方法、装置、计算机设备以及存储介质
CN112035743B (zh) * 2020-08-28 2021-10-15 腾讯科技（深圳）有限公司 数据推荐方法、装置、计算机设备以及存储介质
WO2022041979A1 (zh) * 2020-08-28 2022-03-03 腾讯科技（深圳）有限公司 一种信息推荐模型的训练方法和相关装置
WO2022041982A1 (zh) * 2020-08-28 2022-03-03 腾讯科技（深圳）有限公司 数据推荐方法、装置、计算机设备以及存储介质
CN112507218A (zh) * 2020-12-03 2021-03-16 广州华多网络科技有限公司 业务对象推荐方法、装置、电子设备及存储介质
CN112541132A (zh) * 2020-12-23 2021-03-23 北京交通大学 基于多视图知识表示的跨领域推荐方法
CN112541132B (zh) * 2020-12-23 2023-11-10 北京交通大学 基于多视图知识表示的跨领域推荐方法

Similar Documents

Publication Publication Date Title
CN106897464A (zh) 一种跨领域推荐方法及系统
CN103823893A (zh) 一种基于用户评论的产品检索方法及产品检索系统
CN106503256B (zh) 一种基于社交网络文档的热点信息挖掘方法
CN101923556A (zh) 根据句子序列号进行网页搜索的方法和装置
Scheirs et al. Ethnography and emotions. The myth of the cold and objective scientist
CN104598448A (zh) 一种个性化信息推荐系统
Boerstra et al. Personal control over indoor climate and productivity
CN103678400B (zh) 基于群体搜索行为的网页分类方法及装置
Olesen From Urban Idea to Museum Piece
Gandelsonas et al. Garden City State: Slow Infrastructure for New Jersey
Kallitsis The discourse of urban regeneration and gentrification as devices of fear in the horror genre
Dahl et al. Responding to the intersection of COVID-19 and climate by bringing compound risks into focus
Viitahuhta ergs, Sar, igs
Vandeput OtAronia m. Ba. be Distributed Plantation Walk
Ganter Drink in the beauty
Davis Taipei Biennale: Post-Nature—A Museum as an Ecosystem
Trygg The Sun: Living with our Star: 20 solargraphs
Sheikh et al. Emphasis on spatial justice by explaining the conceptual framework of the responsive environment to the gender-based needs of students
Simões et al. The impact of artificial intelligence in society through the lens of Luhmann’s social systems theory: a systematic review
Jacobson It is as it seems?
Hewett et al. 20 minutes to what?
Pevere Extravagant Bodies: Extravagant Love
Bohn et al. A short history of food mapping
Wilson and our faces...
Song et al. Urbanization impact on Biotope in Shanghai: a comparative study between Huangpu District and Pujin Block

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170627

RJ01 Rejection of invention patent application after publication