CN107451287A - 一种基于双向匹配的推荐方法 - Google Patents

一种基于双向匹配的推荐方法 Download PDF

Info

Publication number
CN107451287A
CN107451287A CN201710689833.7A CN201710689833A CN107451287A CN 107451287 A CN107451287 A CN 107451287A CN 201710689833 A CN201710689833 A CN 201710689833A CN 107451287 A CN107451287 A CN 107451287A
Authority
CN
China
Prior art keywords
user
people
supply
matrix
degree
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
CN201710689833.7A
Other languages
English (en)
Inventor
李卓华
黄翔
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.)
Foshan University
Original Assignee
Foshan University
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 Foshan University filed Critical Foshan University
Priority to CN201710689833.7A priority Critical patent/CN107451287A/zh
Publication of CN107451287A publication Critical patent/CN107451287A/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

本发明公开了一种基于双向匹配的推荐方法，包括获取供应数据步骤；获取需求数据步骤；吸引度Att1计算步骤；寻找吸引度最近邻步骤；吸引度Att2计算步骤；相互吸引度计算步骤；推荐步骤。本发明通过自身用户的资源信息、搜索记录以及浏览记录的获取，计算自身用户的需求数据以及供应数据，结合他人用户需求数据以及供应数据，判断自身用户以及他人用户的吸引度，并将吸引度高的他人用户推荐给自身用户。本发明利用互联网中用户相互之间的兴趣以及供需关系，弥补了现有推荐方法中仅考虑用户单方面关系的缺点，具有较大实用性。

Description

一种基于双向匹配的推荐方法
技术领域
本发明涉及一种互联网数据分析方法，更具体地说涉及一种基于双向匹配的推荐方法。
背景技术
随着现代信息技术的发展，互联网普及度日益提高。现代互联网的普及给用户带来了大量数据信息，用户享受到信息资源带来便利的同时，也给用户带来了选择上的困难，这是由于互联网上信息过载的技术问题。
针对上述问题，本领域的技术人员提成了一种推荐系统，推荐系统是一种用于预测用户对信息喜好程度，并给用户提供个性化推荐的信息过滤系统。但是现有推荐系统算法只是从单一方面计算用户与另一个用户的相似程度，这种算法显然无法应用在人与人之间的推荐中，因为现实中人与人之间的关系往往是相互的，只有相互感兴趣的用户才能在更大程度上保持友好关系，推荐相互匹配的用户比推荐相似的用户更有效，这使得现有算法的推荐结果无法满足不同用户的需求。
发明内容
本发明要解决的技术问题是：提供和一种信息匹配度高的基于双向匹配的推荐方法。
本发明解决其技术问题的解决方案是：
一种基于双向匹配的推荐方法，包括以下步骤：
获取供应数据步骤：服务器获取自身用户的资源信息，以及获取他人用户对资源信息的评价信息，得到自身用户的供应数据，生成供应矩阵；
获取需求数据步骤：服务器分析自身用户的搜索记录以及浏览记录，获取自身用户的需求数据，生成需求矩阵；
吸引度Att1计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户需求数据以及他人用户供应数据的Pearson相关系数，记为他人用户对自身用户的吸引度Att1；
寻找吸引度最近邻步骤：设定第一阈值，设定最近邻集合，将吸引度大于第一阈值的他人用户添加至最近邻集合；
吸引度Att2计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户供应数据与最近邻集合中他人用户需求数据的Pearson相关系数，记为自身用户对他人用户的吸引度Att2；
相互吸引度计算步骤：根据所述吸引度Att1以及吸引度Att2，计算自身用户和最近邻集合中他人用户的相互吸引度；
推荐步骤：设定第二阈值，将相互吸引度大于第二阈值的他人用户推荐给自身用户。
作为上述技术方案的进一步改进，所述获取供应数据步骤以及获取需求数据步骤中，还包括对所述供应矩阵以及需求矩阵通过公式1进行评分标准化，所述公式1如下所示，其中S(i,j)表示评分标准化后的供应矩阵或者需求矩阵，所述M(i,j)表示原始的供应矩阵或者需求矩阵，所述表示原始的供应矩阵或者需求矩阵中第i行的平均值，所述D(i)表示原始的供应矩阵或者需求矩阵中第i行的标准差。
作为上述技术方案的进一步改进，所述吸引度Att1计算步骤以及吸引度Att2计算步骤中，所述Pearson相关系数计算公式如公式2所示，
其中所述u为自身用户，所述v为他人用户，所述P为物品集，所述r(u,p)为自身用户对物品p的评分，所述为自身用户的平均评分，所述r(v,p)为他人用户对物品p的评分，所述为他人用户的平均评分。
作为上述技术方案的进一步改进，所述相互吸引度计算步骤中，通过公式3计算自身用户与他人用户的相互吸引度，Mat(u,v)＝(Att1+1)(Att2+1)，其中所述u为自身用户，v为他人用户。
本发明的有益效果是：本发明通过自身用户的资源信息、搜索记录以及浏览记录的获取，计算自身用户的需求数据以及供应数据，结合他人用户需求数据以及供应数据，判断自身用户以及他人用户的吸引度，并将吸引度高的他人用户推荐给自身用户。本发明利用互联网中用户相互之间的兴趣以及供需关系，弥补了现有推荐方法中仅考虑用户单方面关系的缺点，具有较大实用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。
图1是本发明的推荐方法具体实施例的流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，文中所提到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
参照图1，本发明创造公开了一种基于双向匹配的推荐方法，包括以下步骤：
获取供应数据步骤：服务器获取自身用户的资源信息，以及获取他人用户对资源信息的评价信息，得到自身用户的供应数据，生成供应矩阵；
获取需求数据步骤：服务器分析自身用户的搜索记录以及浏览记录，获取自身用户的需求数据，生成需求矩阵；
吸引度Att1计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户需求数据以及他人用户供应数据的Pearson相关系数，记为他人用户对自身用户的吸引度Att1；
寻找吸引度最近邻步骤：设定第一阈值，设定最近邻集合，将吸引度大于吸第一阈值的他人用户添加至最近邻集合；
吸引度Att2计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户供应数据与最近邻集合中他人用户需求数据的Pearson相关系数，记为自身用户对他人用户的吸引度Att2；
相互吸引度计算步骤：根据所述吸引度Att1以及吸引度Att2，计算自身用户和最近邻集合中他人用户的相互吸引度；
推荐步骤：设定第二阈值，将相互吸引度大于第二阈值的他人用户推荐给自身用户。
具体地，本发明创造将当前需要从互联网中获取资源的用户定义为自身用户，将提供资源的用户定义为他人用户；服务器根据自身用户的资源信息、搜索记录以及浏览记录，计算出自身用户的供应数据以及需求数据，分别组合成供应矩阵以及需求矩阵；同理服务器获取他人用户的供应数据以及需求数据原理一直；根据所述供应矩阵以及需求矩阵，计算自身用户对他人用户的吸引度Att1，并将所述吸引度Att1大于第一阈值的他人用户组成最近邻集合；之后计算自身用户对最近邻集合中他人用户的吸引度Att2，服务器就将吸引度Att2大于第二阈值的他人用户推荐给自身用户。
本发明通过自身用户的资源信息、搜索记录以及浏览记录的获取，计算自身用户的需求数据以及供应数据，结合他人用户需求数据以及供应数据，判断自身用户以及他人用户的吸引度，并将吸引度高的他人用户推荐给自身用户。本发明利用互联网中用户相互之间的兴趣以及供需关系，弥补了现有推荐方法中仅考虑用户单方面关系的缺点，具有较大实用性。
进一步作为优选的实施方式，本发明创造具体实施方式中，所述获取供应数据步骤以及获取需求数据步骤中，还包括对所述供应矩阵以及需求矩阵通过公式1进行评分标准化，所述公式1如下所示，其中S(i,j)表示评分标准化后的供应矩阵或者需求矩阵，所述M(i,j)表示原始的供应矩阵或者需求矩阵，所述表示原始的供应矩阵或者需求矩阵中第i行的平均值，所述D(i)表示原始的供应矩阵或者需求矩阵中第i行的标准差。
进一步作为优选的实施方式，本发明创造具体实施方式中，所述吸引度Att1计算步骤以及吸引度Att2计算步骤中，所述Pearson相关系数计算公式如公式2所示，其中所述u为自身用户，所述v为他人用户，所述P为物品集，所述r(u,p)为自身用户对物品p的评分，所述为自身用户的平均评分，所述r(v,p)为他人用户对物品p的评分，所述为他人用户的平均评分。其中需要说明的是，所述物品集，表示自身用户或者他人用户所拥有信息以及所需求信息的集合，而上述步骤中的供应数据以及需求数据表示相应的拥有信息以及需求信息的评分，表示对于相应的拥有信息以及需求信息的拥有量和需求量的多少。
进一步作为优选的实施方式，所述相互吸引度计算步骤中，通过公式3计算自身用户与他人用户的相互吸引度，Mat(u,v)＝(Att1+1)(Att2+1)，其中所述u为自身用户，v为他人用户。
以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (4)

1.一种基于双向匹配的推荐方法，其特征在于，包括以下步骤：
获取供应数据步骤：服务器获取自身用户的资源信息，以及获取他人用户对资源信息的评价信息，得到自身用户的供应数据，生成供应矩阵；
获取需求数据步骤：服务器分析自身用户的搜索记录以及浏览记录，获取自身用户的需求数据，生成需求矩阵；
吸引度Att1计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户需求数据以及他人用户供应数据的Pearson相关系数，记为他人用户对自身用户的吸引度Att1；
寻找吸引度最近邻步骤：设定第一阈值，设定最近邻集合，将吸引度大于第一阈值的他人用户添加至最近邻集合；
吸引度Att2计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户供应数据与最近邻集合中他人用户需求数据的Pearson相关系数，记为自身用户对他人用户的吸引度Att2；
相互吸引度计算步骤：根据所述吸引度Att1以及吸引度Att2，计算自身用户和最近邻集合中他人用户的相互吸引度；
推荐步骤：设定第二阈值，将相互吸引度大于第二阈值的他人用户推荐给自身用户。
2.根据权利要求1所述的一种基于双向匹配的推荐方法，其特征在于：所述获取供应数据步骤以及获取需求数据步骤中，还包括对所述供应矩阵以及需求矩阵通过公式1进行评分标准化，所述公式1如下所示，其中S(i,j)表示评分标准化后的供应矩阵或者需求矩阵，所述M(i,j)表示原始的供应矩阵或者需求矩阵，所述表示原始的供应矩阵或者需求矩阵中第i行的平均值，所述D(i)表示原始的供应矩阵或者需求矩阵中第i行的标准差。
3.根据权利要求2所述的一种基于双向匹配的推荐方法，其特征在于：所述吸引度Att1计算步骤以及吸引度Att2计算步骤中，所述Pearson相关系数计算公式如公式2所示，其中所述u为自身用户，所述v为他人用户，所述P为物品集，所述r(u,p)为自身用户对物品p的评分，所述为自身用户的平均评分，所述r(v,p)为他人用户对物品p的评分，所述为他人用户的平均评分。
4.根据权利要求3所述的一种基于双向匹配的推荐方法，其特征在于；所述相互吸引度计算步骤中，通过公式3计算自身用户与他人用户的相互吸引度，Mat(u,v)＝(Att1+1)(Att2+1)，其中所述u为自身用户，v为他人用户。
CN201710689833.7A 2017-08-14 2017-08-14 一种基于双向匹配的推荐方法 Pending CN107451287A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710689833.7A CN107451287A (zh) 2017-08-14 2017-08-14 一种基于双向匹配的推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710689833.7A CN107451287A (zh) 2017-08-14 2017-08-14 一种基于双向匹配的推荐方法

Publications (1)

Publication Number Publication Date
CN107451287A true CN107451287A (zh) 2017-12-08

Family

ID=60492236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710689833.7A Pending CN107451287A (zh) 2017-08-14 2017-08-14 一种基于双向匹配的推荐方法

Country Status (1)

Country Link
CN (1) CN107451287A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108984616A (zh) * 2018-06-12 2018-12-11 佛山欧神诺云商科技有限公司 一种基于微信的活动推荐方法
CN116012039A (zh) * 2022-12-30 2023-04-25 广西电网有限责任公司南宁供电局 一种基于双向匹配的电力生态伙伴资源配比方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008034114A2 (en) * 2006-09-14 2008-03-20 Monster (California), Inc. A method for interactive employment searching and skills specification
CN101847226A (zh) * 2009-12-17 2010-09-29 广州市盈海文化传播有限公司 一种社会性网络sns社区中推荐异性朋友的方法及系统
CN102662975A (zh) * 2012-03-12 2012-09-12 浙江大学 一种混合双向聚类好友推荐方法
CN103390009A (zh) * 2012-05-25 2013-11-13 许友权 一种网上双向选择应用环境下目标精确定位技术
CN103399896A (zh) * 2013-07-19 2013-11-20 广州华多网络科技有限公司 识别用户间关联关系的方法及系统
CN106651546A (zh) * 2017-01-03 2017-05-10 重庆邮电大学 一种面向智慧社区的电子商务信息推荐方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008034114A2 (en) * 2006-09-14 2008-03-20 Monster (California), Inc. A method for interactive employment searching and skills specification
CN101847226A (zh) * 2009-12-17 2010-09-29 广州市盈海文化传播有限公司 一种社会性网络sns社区中推荐异性朋友的方法及系统
CN102662975A (zh) * 2012-03-12 2012-09-12 浙江大学 一种混合双向聚类好友推荐方法
CN103390009A (zh) * 2012-05-25 2013-11-13 许友权 一种网上双向选择应用环境下目标精确定位技术
CN103399896A (zh) * 2013-07-19 2013-11-20 广州华多网络科技有限公司 识别用户间关联关系的方法及系统
CN106651546A (zh) * 2017-01-03 2017-05-10 重庆邮电大学 一种面向智慧社区的电子商务信息推荐方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108984616A (zh) * 2018-06-12 2018-12-11 佛山欧神诺云商科技有限公司 一种基于微信的活动推荐方法
CN116012039A (zh) * 2022-12-30 2023-04-25 广西电网有限责任公司南宁供电局 一种基于双向匹配的电力生态伙伴资源配比方法

Similar Documents

Publication Publication Date Title
Liu et al. Self-branding on social media: An analysis of style bloggers on Instagram
CN104298719B (zh) 基于社交行为进行用户的类别划分、广告投放方法和系统
Hearn et al. From celebrity to influencer: Tracing the diffusion of celebrity value across the data stream
CN104809632B (zh) 一种基于模板的动态广告的生成方法和装置
CN104519376B (zh) 节目链接排布方法和装置
Song et al. Consumption, class formation and sexuality: Reading men's lifestyle magazines in China
US9235913B2 (en) Methods and systems for generating and joining shared experience
Svensson et al. Designing and evaluating kalas: A social navigation system for food recipes
CN103295144B (zh) 一种移动互联网关键词广告投放方法
CN106060665B (zh) 电视内容推荐方法、装置及页面服务器
CN107808309A (zh) 一种基于不同社交网络的广告整合、发布系方法及系统
CN104156392A (zh) 好友及应用个性化推荐方法及系统
CN104182780B (zh) 一种自动生成就餐点评的方法及终端设备
CN106469199B (zh) 一种交互式图片推荐方法及系统
CN107451287A (zh) 一种基于双向匹配的推荐方法
CN109672938A (zh) 一种iptv节目推荐方法
CN109992729A (zh) 一种旅游攻略推荐方法
CN106504021A (zh) 一种基于广告推送的网络营销平台
JP6891636B2 (ja) 人物関係図提供装置及び人物関係図提供システム
CN109299388A (zh) 一种查找高质量社交用户的系统及方法
So Mapping Comparative Communication Research: What the Literature Reveals 1
Millar Cloth & culture now
Zou Consumption motivation and behavior of college students in Western-style fast food restaurants on campus
CN103955545A (zh) 一种个性化的社交网络影响识别方法
CN102739559A (zh) 网络信息传播方法及系统

Legal Events

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

Application publication date: 20171208

RJ01 Rejection of invention patent application after publication