CN113535790A - 协同推荐优化方法、装置、电子设备和可读存储介质 - Google Patents
协同推荐优化方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN113535790A CN113535790A CN202110811379.4A CN202110811379A CN113535790A CN 113535790 A CN113535790 A CN 113535790A CN 202110811379 A CN202110811379 A CN 202110811379A CN 113535790 A CN113535790 A CN 113535790A
- Authority
- CN
- China
- Prior art keywords
- recommended
- information
- target user
- components
- user
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2423—Interactive query statement specification based on a database schema
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种协同推荐优化方法、装置、电子设备和可读存储介质,可根据获取的目标用户的性能需求确定多个推荐元器件,在获得目标用户对其中部分推荐元器件的评分信息后,对于缺少评分信息的推荐元器件,可通过查找系统中目标用户的相似用户,并根据相似用户对于推荐元器件的评分信息,对缺少评分信息的推荐元器件进行评分估计,从而可以将得到的各个推荐元器件以及对应的评分信息进行展示。本方案采用查找相似用户的方式,进而对目标用户的缺少评分信息的推荐元器件进行评分估计,通过协同评分的方式,以使目标用户获得所有推荐元器件的全面的选用信息。
Description
技术领域
本申请涉及工业信息管理技术领域,具体而言,涉及一种协同推荐优化方法、装置、电子设备和可读存储介质。
背景技术
在元器件的选型过程中,系统往往会基于用户的需求向用户推荐相应的元器件。而用户对于系统所推荐的元器件是否满意、是否有针对性等方面的反馈体现在用户对于元器件的操作上。但是,由于用户自身的经验以及考虑可能并非全面等因素,并不能对所推荐的所有元器件均具有准确的反馈,也即无其他的可参考信息以对各元器件的整体选用情况进行了解。
因此,如何就单独提供给用户的推荐元器件,以全局的选用信息进行标识以供用户了解,在选型推荐优化中显得尤为重要。
发明内容
本申请的目的包括,例如,提供了一种协同推荐优化方法、装置、电子设备和可读存储介质,其能够获得所推荐的所有元器件的全面的选用信息。
本申请的实施例可以这样实现:
第一方面,本申请提供一种协同推荐优化方法,所述方法包括:
根据获取的目标用户的性能需求确定多个推荐元器件;
获得所述目标用户对于所述多个推荐元器件中部分推荐元器件的评分信息;
查找系统中所述目标用户的相似用户,根据所述相似用户对于推荐元器件的评分信息,对所述多个推荐元器件中缺少评分信息的推荐元器件进行评分估计;
将各所述推荐元器件以及对应的评分信息进行展示。
如此,采用查找相似用户的方式,进而对目标用户的缺少评分信息的推荐元器件进行评分估计,通过协同评分的方式以使目标用户获得所有推荐元器件的全面的选用信息。
在可选的实施方式中,所述获得所述目标用户对于所述多个推荐元器件中部分推荐元器件的评分信息的步骤,包括:
根据所述目标用户对于所述多个推荐元器件的选用操作和浏览操作,获得所述多个推荐元器件中部分推荐元器件的评分信息。
如此,基于目标用户对推荐元器件的操作得到相应评分,通过操作信息可体现出目标用户的选型喜好。
在可选的实施方式中,所述根据所述目标用户对于所述多个推荐元器件中的选用操作和浏览操作,获得所述多个推荐元器件中部分推荐元器件的评分信息的步骤,包括:
根据所述目标用户对于所述多个推荐元器件的选用操作获得显式评分信息;
根据所述目标用户对于所述多个推荐元器件的浏览操作获得隐式评分信息;
基于所述显式评分信息和所述隐式评分信息,得到所述多个推荐元器件中部分推荐元器件的评分信息。
如此,可结合用户对推荐元器件的选用和浏览得到综合的评分信息,结合多方面信息得到准确体现用户喜好的评分信息。
在可选的实施方式中,所述查找系统中所述目标用户的相似用户的步骤,包括:
计算所述目标用户与系统中其他任一用户之间的相似度;
将相似度超过预设阈值的用户作为所述目标用户的相似用户。
本申请中,通过计算相似度的方式查找相似用户,可以使查找过程具有准确地依据和参考。
在可选的实施方式中,所述计算所述目标用户与系统中其他任一用户之间的相似度的步骤,包括:
获得推送给所述目标用户的推荐元器件的第一数量,以及推送给系统中任一用户的推荐元器件的第二数量;
获得所述任一用户对于推荐元器件的评分信息;
根据所述目标用户的推荐元器件的评分信息、所述任一用户的推荐元器件的评分信息、第一数量和第二数量,计算得到所述目标用户与所述任一用户之间的相似度。
如此,可以基于推送给用户的推荐元器件信息和用户对于推荐元器件的评分信息得到用户之间的相似度,从而查找到在选型需求上相似的相似用户。
在可选的实施方式中,所述相似用户为多个;
所述根据所述相似用户对于推荐元器件的评分信息,对所述多个推荐元器件中缺少评分信息的推荐元器件进行评分估计的步骤,包括:
针对所述多个推荐元器件中缺少评分信息的任意推荐元器件,获得多个相似用户对所述任意推荐元器件的评分信息;
根据多个相似用户对所述任意推荐元器件的评分信息和各所述相似用户与所述目标用户之间的相似度,计算得到所述任意推荐元器件的评分估计值。
如此,通过多个相似用户对推荐元器件的评分以及对应的相似度进行评分估计,可以综合多个相似用户的选型需求和相似程度得到准确地评分估计值。
在可选的实施方式中,所述根据多个相似用户相应的评分信息和各所述相似用户与所述目标用户之间的相似度,计算得到所述任意推荐元器件的评分估计值的步骤,包括:
获得所述目标用户对其推荐元器件的第一评分均值,并获得各所述相似用户对其推荐元器件的第二评分均值;
根据多个相似用户对所述任意推荐元器件的评分信息、各所述相似用户与所述目标用户之间的相似度、第一评分均值和第二评分均值,计算得到所述任意推荐元器件的评分估计值。
如此,结合目标用户和各个相似用户的评分情况得到缺少评分信息的推荐元器件的评分估计值,结合选型需求及已有评分信息可准确地进行评分估计。
第二方面,本申请提供一种协同推荐优化装置,所述装置包括:
生成模块,用于根据获取的目标用户的性能需求确定多个推荐元器件;
获得模块,用于获得所述目标用户对于所述多个推荐元器件中部分推荐元器件的评分信息;
估计模块,用于查找系统中所述目标用户的相似用户,根据所述相似用户对于推荐元器件的评分信息,对所述多个推荐元器件中缺少评分信息的推荐元器件进行评分估计;
标识模块,用于将各所述推荐元器件以及对应的评分信息进行展示。
第三方面,本申请提供一种电子设备,包括一个或多个存储介质和一个或多个与存储介质通信的处理器,一个或多个存储介质存储有处理器可执行的机器可执行指令,当电子设备运行时,处理器执行所述机器可执行指令,以执行前述实施方式中任意一项所述的方法步骤。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有机器可执行指令,所述机器可执行指令被执行时实现前述实施方式中任意一项所述的方法步骤。
本申请实施例的有益效果包括,例如:
本申请提供一种协同推荐优化方法、装置、电子设备和可读存储介质,可根据获取的目标用户的性能需求确定多个推荐元器件,在获得目标用户对其中部分推荐元器件的评分信息后,对于缺少评分信息的推荐元器件,可通过查找系统中目标用户的相似用户,并根据相似用户对于推荐元器件的评分信息,对缺少评分信息的推荐元器件进行评分估计,从而可以将得到的各个推荐元器件以及对应的评分信息进行展示。本方案采用查找相似用户的方式,进而对目标用户的缺少评分信息的推荐元器件进行评分估计,通过协同评分的方式,以使目标用户获得所有推荐元器件的全面的选用信息。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的协同推荐优化方法的流程图;
图2为图1中步骤S130包含的子步骤的流程图;
图3为图2中步骤S131包含的子步骤的流程图;
图4为本申请实施例提供多个用户之间信息共享的示意图;
图5为图1中步骤S130包含的子步骤的另一流程图;
图6为本申请实施例提供的电子设备的结构框图;
图7为本申请实施例提供的协同推荐优化装置的功能模块框图。
图标:110-存储介质;120-处理器;130-协同推荐优化装置;131-生成模块;132-获得模块;133-估计模块;134-标识模块;140-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本申请的实施例中的特征可以相互结合。
请参阅图1,为本申请实施例提供的一种协同推荐优化方法的流程示意图。应当理解,在其它实施例中,本实施例所述的协同推荐优化方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该协同推荐优化方法的详细步骤介绍如下。
步骤S110,根据获取的目标用户的性能需求确定多个推荐元器件。
步骤S120,获得所述目标用户对于所述多个推荐元器件中部分推荐元器件的评分信息。
步骤S130,查找系统中所述目标用户的相似用户,根据所述相似用户对于推荐元器件的评分信息,对所述多个推荐元器件中缺少评分信息的推荐元器件进行评分估计。
步骤S140,将各所述推荐元器件以及对应的评分信息进行展示。
在工业设备设计过程中,设计师可根据设计需求在系统中搜索所需的元器件。系统可根据设计师的搜索信息查找到匹配的元器件,并作为推荐元器件推送给设计师,以供其选用。
其中,目标用户的性能需求可以包括,例如所需的器件的尺寸、功能位置、物料编码、名称、规格、工艺层次等信息。
作为一种可能的实施方式,在将推荐元器件推送给设计师时,可以基于推荐元器件的信息生成推荐列表以呈现给设计师。在推荐列表中可以按照各个元器件与用户的性能需求的匹配程度的大小进行排序,例如,可以按从大到小的顺序对推荐元器件进行排序。
目前在选型推荐的过程中,各个单位、各个业务线的选型过程所产生的数据流是独立存储的,也即,各个单位、各个业务线、各个设计师之间的选型信息是相互独立的,无法实现信息的共享。如此,对于各个设计师而言,在获取到推荐元器件之后,难以获得所有推荐元器件的选用信息,不利于全面了解推荐元器件的选用情况。
本实施例中,在为目标用户生成推荐列表进行元器件推荐后,可以获得目标用户对于推荐列表内多个推荐元器件中部分推荐元器件的评分信息。其中,所述的目标用户可以是任一设计师。推荐元器件的评分信息可以是基于目标用户对对应推荐元器件的反馈信息所获得。而推荐列表中目标用户并没有任何反馈信息的部分推荐元器件,该部分推荐元器件则缺少评分信息。
本实施例中,系统会记录多个设计师对于元器件的选用信息,系统可为各个设计师进行推荐元器件的推送。可选地,可基于推荐元器件生成对应的推荐列表以进行推送。设计师可以对自身对应的推荐列表中的推荐元器件进行评分。而不同的设计师可能具有相似的设计需求,因此,在元器件的选用上存在相似性,可以相互进行信息借鉴。
对于推送给目标用户的多个推荐元器件中缺少评分信息的推荐元器件,可能该推荐元器件也会推送给其他设计师,也即存在于其他设计师的推荐列表中,并且,在其他设计师的推荐列表中该推荐元器件具有评分信息。若该其他设计师与目标用户具有相似的设计需求,则该其他设计师对于推荐元器件的评分信息可以为目标用户的推荐列表中该推荐元器件的评分提供参考。
基于此,本实施例中,可以查找系统中目标用户的相似用户,再获得相似用户对于推荐元器件的评分信息。其中,获得的相似用户的评分信息是相似用户对于其自身的推荐列表中的推荐元器件的评分信息。
由于相似用户与目标用户具有相似的设计需求,因此,基于相似用户对于推荐元器件的评分信息,可以对目标用户的推荐列表中缺少评分信息的推荐元器件进行评分估计。
如此,可以获得目标用户的推荐列表中所有推荐元器件的评分信息。评分信息可以体现出设计师对于推荐元器件的反馈情况,因此,可以将各个推荐元器件以及对应的评分信息进行展示,以供设计师了解各个推荐元器件的全面的选用情况。例如,可以在推荐列表中,将各个推荐元器件的评分信息标识在相应推荐元器件旁,以便于用户一目了然地获知各个推荐元器件的选用情况。
本实施例所提供的协同推荐优化方法,采用查找目标用户的相似用户的方式,可以基于相似用户对于推荐元器件的评分信息,对目标用户的推荐列表内缺少评分信息的推荐元器件进行评分估计。通过协同评分、信息共享的方式,可以使目标用户获得推荐列表中所有推荐元器件的全面的选用情况。
本实施例中,可根据目标用户对于多个推荐元器件中的选用操作和浏览操作,获得多个推荐元器件中部分推荐元器件的评分信息。
系统在向目标用户进行推荐元器件的推送后,目标用户可以浏览并确定是否选用各个推荐元器件。目标用户对于推荐元器件的选用操作即包括选用对应的推荐元器件,且可将对应推荐元器件加入到选用目录,此外,还包括不选用对应的推荐元器件。目标用户对于推荐元器件的选用操作可直接体现用户对于推荐结果的满足程度。
此外,目标用户对于推荐元器件的浏览操作包括如浏览时长、浏览次数等,这类浏览操作可以从侧面反映出用户的选型偏好,可侧面反映出用户对于推荐结果的满意程度。
因此,本实施例中,结合目标用户对于推荐元器件的选用操作和浏览操作,获得相应推荐元器件的评分信息。基于目标用户对推荐元器件的操作得到相应评分,通过操作信息可体现出目标用户的选型喜好。
在一种可能的实现方式中,推荐元器件的评分信息具体可以通过以下方式获得:
根据目标用户对于多个推荐元器件的选用操作获得显示评分信息,根据目标用户对于多个推荐元器件的浏览操作获得隐式评分信息,基于显式评分信息和隐式评分信息,得到多个推荐元器件中部分推荐元器件的评分信息。
本实施例中,在将推荐元器件推送给目标用户后,目标用户可以对其中的推荐元器件进行选用。在目标用户选定某个推荐元器件后,该推荐元器件将具有相应的显式评分信息,并且,还可根据选定的各个推荐元器件在推荐列表中的排列情况进行具体评分数值的设置。
例如,推荐列表中具有5个推荐元器件,该5个推荐元器件在推荐列表中依次排列。若目标用户选定了其中两个推荐元器件,排在第一的推荐元器件和排在第三的推荐元器件。则该两个推荐元器件具有显式评分信息,可以分别设置为5、3。而其他的未选定的推荐元器件则不具有显式评分信息,可以记为0。
此外,目标用户在选定推荐元器件之前,应当对推荐元器件具有浏览操作,此外,虽然某些推荐元器件未被目标用户所选定,但是可能目标用户对其具有浏览操作。因此,除了基于目标用户的选用操作设置显式评分信息之外,系统还可采集目标用户的浏览操作,从而获得推荐元器件的隐式评分信息。
在本实施例中,可通过数据埋点的方式获取目标用户对推荐元器件的隐式评分信息。在需要统计数据的地方植入相关代码,在这部分代码中统计目标用户相应的浏览行为,即对相关的浏览行为进行监控。例如,统计目标用户对推荐元器件的浏览时长、浏览次数等。通过数据埋点的方式,可以方便地设置自定义属性以及自定义事件,将终端采集到的信息传递到服务端进行处理。在用户触发埋点事件后,系统可使用JSON格式对产生的埋点数据进行封装并传输到服务端,服务端可采用日志的形式进行信息的记录。
在本实施例中,在目标用户对某个推荐元器件具有浏览操作时,可以构建该目标用户对于该推荐元器件的隐式评分信息。可选地,可以利用以下公式表征隐式评分信息:
其中,∑V∈FCV=1,FV(m)={S{m},Y{m}}即用户浏览操作的信息,Y{m}为用户的浏览操作,如浏览时间,是否停留等,S{m}为用户收藏行为。CV为用户的每一个兴趣行为的取值。FV(m)是个判断函数,若用户收藏了元器件,则兴趣为1,FV(m)=1。
本实施例中,针对目标用户进行了浏览操作且最终选定的推荐元器件,则该推荐元器件既有显式评分信息又有隐式评分信息。对于该类推荐元器件,则可以利用结合显式评分信息和隐式评分信息得到最终的评分信息。例如,若对推荐元器件的浏览时间较短,即隐式评分数值较低,但是最终选定了该推荐元器件,即显式评分数值较高。则可以以显式评分数值为主,得到该推荐元器件最终的评分信息。
此外,对于某些推荐元器件,可能仅具有浏览操作,而最终并未被选定。则这类推荐元器件仅具有隐式评分信息,则可以将隐式评分信息作为最终的评分信息。
本实施例中,可结合用户对推荐元器件的选用和浏览得到综合的评分信息,结合多方面信息得到准确体现用户喜好的评分信息。
而对于推荐列表中的既没有浏览操作也没有选定操作的推荐元器件,则不具有任何评分信息。这类推荐元器件则可以通过系统中的其他用户的对于推荐元器件的评分信息进行信息共享来进行估计。
本实施例中,查找的目标用户的相似用户是与目标用户具有相似设计需求的用户。请参阅图2,可以通过以下方式确定目标用户的相似用户。
步骤S131,计算所述目标用户与系统中其他任一用户之间的相似度。
步骤S132,将相似度超过预设阈值的用户作为所述目标用户的相似用户。
本实施例中,可以采用相似统计的方法得到与目标用户具有相似需求的相似用户。因此,可以通过计算用户之间的相似度进行衡量。用户之间的相似度体现在推送给各个用户的推荐元器件的信息以及用户对于各自的推荐元器件的评分情况上。通过计算相似度的方式查找相似用户,可以使查找过程具有准确地依据和参考。
作为一种可能的实现方式,请参阅图3,本实施例中,可以采用以下方式计算用户之间的相似度。
步骤S1311,获得推送给所述目标用户的推荐元器件的第一数量,以及推送给系统中任一用户的推荐元器件的第二数量。
步骤S1312,获得所述任一用户对于其推荐元器件的评分信息。
步骤S1313,根据所述目标用户的推荐元器件的评分信息、所述任一用户的推荐元器件的评分信息、第一数量和第二数量,计算得到所述目标用户与所述任一用户之间的相似度。
本实施例中,可以统计目标用户对系统所推送的推荐元器件的评分均值,此处可将不具有评分信息的推荐元器件的评分设置为0,如此,则可以通过评分总值除以目标用户的推荐元器件总的数量得到,例如可记为此外,可以按类似方式,获得系统中任一用户对其的推荐元器件的评分均值,可记为
在分别基于目标用户和任一用户各自的推荐列表中的推荐元器件的数量和评分信息得到评分均值后,可以根据目标用户和任一用户对于各个推荐元器件的评分信息以及评分均值,计算得到目标用户和该任一用户之间的相似度。本实施例中,可采用皮尔森相关系数(Pearson correlation coefficient)进行相似度的计算,具体计算公式如下式所示:
其中,p(u,v)表示用户u和用户v之间的相似度,m表示系统推送给各个用户的推荐元器件的数量,Ru,i表示用户u对推荐元器件i的评分信息,表示用户u对推荐元器件的评分均值,Rv,i表示用户v对推荐元器件i的评分信息,表示用户v对推荐元器件的评分均值。
在通过以上方式计算得到目标用户与任一用户之间的相似度后,可以将相似度超过预设阈值的用户作为目标用户的相似用户。本实施例中,查找到的相似用户可能是多个,可以将查找到的相似用户构成一个相似群体,该相似群体可记为SG。
对于推送给目标用户的多个推荐元器件中缺少评分信息的某个推荐元器件,该推荐元器件若也推送给其他相似用户,并且,相似用户对该推荐元器件具有评分,也即,在相似用户的推荐列表中该推荐元器件具有评分信息。例如,如图4中所示,假设用户3为目标用户,用户1、用户2为用户3的相似用户。用户3对于元器件1、元器件2具有评分信息,而对于元器件3、元器件4则缺少评分信息。用户1对于元器件1、元器件2、元器件3具有评分信息,用户2对元器件3、元器件4具有评分信息。针对用户3所缺少评分信息的元器件3而言,则可以基于用户1、用户2对元器件3的评分信息,从而对元器件3相对于用户3的评分进行估计。
如此,可以基于推送给用户的推荐元器件信息和用户对于推荐元器件的评分信息得到用户之间的相似度,从而查找到在选型需求上相似的相似用户。
请参阅图5,本实施例中,可以通过以下方式利用相似用户对推荐元器件的评分信息对目标用户的缺少评分信息的推荐元器件进行评分估计。
步骤S133,针对所述多个推荐元器件中缺少评分信息的任意推荐元器件,获得多个相似用户对所述任意推荐元器件的评分信息。
步骤S134,根据多个相似用户对所述任意推荐元器件的评分信息和各所述相似用户与所述目标用户之间的相似度,计算得到所述任意推荐元器件的评分估计值。
本实施例中,通过多个相似用户对推荐元器件的评分以及对应的相似度进行评分估计,可以综合多个相似用户的选型需求和相似程度得到准确地评分估计值。
本实施例中,可以按上述方式获得目标用户对其的推荐元器件的第一评分均值,并获得各相似用户对其的推荐元器件的第二评分均值。根据多个相似用户对任意推荐元器件的评分信息、各相似用户与目标用户之间的相似度、第一评分均值和第二评分均值,计算得到该任意推荐元器件的评分估计值。
本实施例中,基于以上方式,具体地可以按以下计算公式计算得到某个缺少评分信息的推荐元器件的评分估计值:
本实施例中,结合目标用户和各个相似用户的评分情况得到缺少评分信息的推荐元器件的评分估计值,结合选型需求及已有评分信息可准确地进行评分估计。
如此,通过以上方式,可以获得目标用户的推荐列表中所有推荐元器件的评分信息。可以将各个推荐元器件的评分信息标识在推荐列表中,如此,目标用户可以一目了然获得各个推荐元器件的选用情况。通过不同用户之间的选用信息共享的方式,使得目标用户可以了解推荐元器件全面的选用信息。
请参阅图6,为本申请实施例提供的电子设备的示例性组件示意图,该电子设备可包括存储介质110、处理器120、协同推荐优化装置130及通信接口140。本实施例中,存储介质110与处理器120均位于电子设备中且二者分离设置。然而,应当理解的是,存储介质110也可以是独立于电子设备之外,且可以由处理器120通过总线接口来访问。可替换地,存储介质110也可以集成到处理器120中,例如,可以是高速缓存和/或通用寄存器。
协同推荐优化装置130可以理解为上述电子设备,或电子设备的处理器120,也可以理解为独立于上述电子设备或处理器120之外的在电子设备控制下实现上述协同推荐优化方法的软件功能模块。
如图7所示,上述协同推荐优化装置130可以包括生成模块131、获得模块132、估计模块133和标识模块134。下面分别对该协同推荐优化装置130的各个功能模块的功能进行详细阐述。
生成模块131,用于根据获取的目标用户的性能需求确定多个推荐元器件。
可以理解,该生成模块131可以用于执行上述步骤S110,关于该生成模块131的详细实现方式可以参照上述对步骤S110有关的内容。
获得模块132,用于获得所述目标用户对于所述多个推荐元器件中部分推荐元器件的评分信息。
可以理解,该获得模块132可以用于执行上述步骤S120,关于该获得模块132的详细实现方式可以参照上述对步骤S120有关的内容。
估计模块133,用于查找系统中所述目标用户的相似用户,根据所述相似用户对于推荐元器件的评分信息,对所述多个推荐元器件中缺少评分信息的推荐元器件进行评分估计。
可以理解,该估计模块133可以用于执行上述步骤S130,关于该估计模块133的详细实现方式可以参照上述对步骤S130有关的内容。
标识模块134,用于将各所述推荐元器件以及对应的评分信息进行展示。
可以理解,该标识模块134可以用于执行上述步骤S140,关于该标识模块134的详细实现方式可以参照上述对步骤S140有关的内容。
在一种可能的实现方式中,上述获得模块132具体可以用于:
根据所述目标用户对于所述多个推荐元器件的选用操作和浏览操作,获得所述多个推荐元器件中部分推荐元器件的评分信息。
在一种可能的实现方式中,上述获得模块132具体可以用于:
根据所述目标用户对于所述多个推荐元器件的选用操作获得显式评分信息;
根据所述目标用户对于所述多个推荐元器件的浏览操作获得隐式评分信息;
基于所述显式评分信息和所述隐式评分信息,得到所述多个推荐元器件中部分推荐元器件的评分信息。
在一种可能的实现方式中,上述估计模块133具体可以用于:
计算所述目标用户与系统中其他任一用户之间的相似度;
将相似度超过预设阈值的用户作为所述目标用户的相似用户。
在一种可能的实现方式中,上述估计模块133具体可以用于:
获得推送所述目标用户的推荐元器件的第一数量,以及推送给系统中任一用户的推荐元器件的第二数量;
获得所述任一用户对于其推荐元器件的评分信息;
根据所述目标用户的推荐元器件的评分信息、所述任一用户的推荐元器件的评分信息、第一数量和第二数量,计算得到所述目标用户与所述任一用户之间的相似度。
在一种可能的实现方式中,所述相似用户为多个,上述估计模块133还可以用于:
针对所述多个推荐元器件中缺少评分信息的任意推荐元器件,获得多个相似用户对所述任意推荐元器件的评分信息;
根据多个相似用户对所述任意推荐元器件的评分信息和各所述相似用户与所述目标用户之间的相似度,计算得到所述任意推荐元器件的评分估计值。
在一种可能的实现方式中,上述估计模块133具体可以用于:
获得所述目标用户对其推荐元器件的第一评分均值,并获得各所述相似用户对其推荐元器件的第二评分均值;
根据多个相似用户对所述任意推荐元器件的评分信息、各所述相似用户与所述目标用户之间的相似度、第一评分均值和第二评分均值,计算得到所述任意推荐元器件的评分估计值。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
进一步地,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有机器可执行指令,机器可执行指令被执行时实现上述实施例提供的协同推荐优化方法。
具体地,该计算机可读存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该计算机可读存储介质上的计算机程序被运行时,能够执行上述协同推荐优化方法。关于计算机可读存储介质中的及其可执行指令被运行时,所涉及的过程,可以参照上述方法实施例中的相关说明,这里不再详述。
综上所述,本申请实施例提供的协同推荐优化方法、装置、电子设备和可读存储介质,可根据获取的目标用户的性能需求确定多个推荐元器件,在获得目标用户对其中部分推荐元器件的评分信息后,对于缺少评分信息的推荐元器件,可通过查找系统中目标用户的相似用户,并根据相似用户对于推荐元器件的评分信息,对缺少评分信息的推荐元器件进行评分估计,从而可以将得到的各个推荐元器件以及对应的评分信息进行展示。本方案采用查找相似用户的方式,进而对目标用户的缺少评分信息的推荐元器件进行评分估计,通过协同评分的方式,以使目标用户获得所有推荐元器件的全面的选用信息。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种协同推荐优化方法,其特征在于,所述方法包括:
根据获取的目标用户的性能需求确定多个推荐元器件;
获得所述目标用户对于所述多个推荐元器件中部分推荐元器件的评分信息;
查找系统中所述目标用户的相似用户,根据所述相似用户对于推荐元器件的评分信息,对所述多个推荐元器件中缺少评分信息的推荐元器件进行评分估计;
将各所述推荐元器件以及对应的评分信息进行展示。
2.根据权利要求1所述的协同推荐优化方法,其特征在于,所述获得所述目标用户对于所述多个推荐元器件中部分推荐元器件的评分信息的步骤,包括:
根据所述目标用户对于所述多个推荐元器件的选用操作和浏览操作,获得所述多个推荐元器件中部分推荐元器件的评分信息。
3.根据权利要求2所述的协同推荐优化方法,其特征在于,所述根据所述目标用户对于所述多个推荐元器件中的选用操作和浏览操作,获得所述多个推荐元器件中部分推荐元器件的评分信息的步骤,包括:
根据所述目标用户对于所述多个推荐元器件的选用操作获得显式评分信息;
根据所述目标用户对于所述多个推荐元器件的浏览操作获得隐式评分信息;
基于所述显式评分信息和所述隐式评分信息,得到所述多个推荐元器件中部分推荐元器件的评分信息。
4.根据权利要求1所述的协同推荐优化方法,其特征在于,所述查找系统中所述目标用户的相似用户的步骤,包括:
计算所述目标用户与系统中其他任一用户之间的相似度;
将相似度超过预设阈值的用户作为所述目标用户的相似用户。
5.根据权利要求4所述的协同推荐优化方法,其特征在于,所述计算所述目标用户与系统中其他任一用户之间的相似度的步骤,包括:
获得推送给所述目标用户的推荐元器件的第一数量,以及推送给系统中任一用户的推荐元器件的第二数量;
获得所述任一用户对于推荐元器件的评分信息;
根据所述目标用户的推荐元器件的评分信息、所述任一用户的推荐元器件的评分信息、第一数量和第二数量,计算得到所述目标用户与所述任一用户之间的相似度。
6.根据权利要求4所述的协同推荐优化方法,其特征在于,所述相似用户为多个;
所述根据所述相似用户对于推荐元器件的评分信息,对所述多个推荐元器件中缺少评分信息的推荐元器件进行评分估计的步骤,包括:
针对所述多个推荐元器件中缺少评分信息的任意推荐元器件,获得多个相似用户对所述任意推荐元器件的评分信息;
根据多个相似用户对所述任意推荐元器件的评分信息和各所述相似用户与所述目标用户之间的相似度,计算得到所述任意推荐元器件的评分估计值。
7.根据权利要求6所述的协同推荐优化方法,其特征在于,所述根据多个相似用户相应的评分信息和各所述相似用户与所述目标用户之间的相似度,计算得到所述任意推荐元器件的评分估计值的步骤,包括:
获得所述目标用户对其的推荐元器件的第一评分均值,并获得各所述相似用户对其的推荐元器件的第二评分均值;
根据多个相似用户对所述任意推荐元器件的评分信息、各所述相似用户与所述目标用户之间的相似度、第一评分均值和第二评分均值,计算得到所述任意推荐元器件的评分估计值。
8.一种协同推荐优化装置,其特征在于,所述装置包括:
生成模块,用于根据获取的目标用户的性能需求确定多个推荐元器件;
获得模块,用于获得所述目标用户对于所述多个推荐元器件中部分推荐元器件的评分信息;
估计模块,用于查找系统中所述目标用户的相似用户,根据所述相似用户对于推荐元器件的评分信息,对所述多个推荐元器件中缺少评分信息的推荐元器件进行评分估计;
标识模块,用于将各所述推荐元器件以及对应的评分信息进行展示。
9.一种电子设备,其特征在于,包括一个或多个存储介质和一个或多个与存储介质通信的处理器,一个或多个存储介质存储有处理器可执行的机器可执行指令,当电子设备运行时,处理器执行所述机器可执行指令,以执行权利要求1-7中任意一项所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有机器可执行指令,所述机器可执行指令被执行时实现权利要求1-7中任意一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110811379.4A CN113535790A (zh) | 2021-07-19 | 2021-07-19 | 协同推荐优化方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110811379.4A CN113535790A (zh) | 2021-07-19 | 2021-07-19 | 协同推荐优化方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113535790A true CN113535790A (zh) | 2021-10-22 |
Family
ID=78100061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110811379.4A Pending CN113535790A (zh) | 2021-07-19 | 2021-07-19 | 协同推荐优化方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113535790A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007063162A1 (en) * | 2005-11-30 | 2007-06-07 | Nokia Corporation | Socionymous method for collaborative filtering and an associated arrangement |
WO2011034475A1 (en) * | 2009-09-21 | 2011-03-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for executing a recommendation |
CN104899246A (zh) * | 2015-04-12 | 2015-09-09 | 西安电子科技大学 | 基于模糊机制用户评分邻域信息的协同过滤推荐方法 |
CN109241415A (zh) * | 2018-08-20 | 2019-01-18 | 平安科技(深圳)有限公司 | 项目推荐方法、装置、计算机设备及存储介质 |
CN109658210A (zh) * | 2019-02-18 | 2019-04-19 | 苏州大学 | 一种商品推荐方法、装置、设备以及存储介质 |
CN109815402A (zh) * | 2019-01-23 | 2019-05-28 | 北京工业大学 | 基于用户特征的协同过滤推荐算法 |
US20210065032A1 (en) * | 2019-08-29 | 2021-03-04 | Microsoft Technology Licensing, Llc | Generalized linear mixed model with destination personalization |
-
2021
- 2021-07-19 CN CN202110811379.4A patent/CN113535790A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007063162A1 (en) * | 2005-11-30 | 2007-06-07 | Nokia Corporation | Socionymous method for collaborative filtering and an associated arrangement |
WO2011034475A1 (en) * | 2009-09-21 | 2011-03-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for executing a recommendation |
CN104899246A (zh) * | 2015-04-12 | 2015-09-09 | 西安电子科技大学 | 基于模糊机制用户评分邻域信息的协同过滤推荐方法 |
CN109241415A (zh) * | 2018-08-20 | 2019-01-18 | 平安科技(深圳)有限公司 | 项目推荐方法、装置、计算机设备及存储介质 |
CN109815402A (zh) * | 2019-01-23 | 2019-05-28 | 北京工业大学 | 基于用户特征的协同过滤推荐算法 |
CN109658210A (zh) * | 2019-02-18 | 2019-04-19 | 苏州大学 | 一种商品推荐方法、装置、设备以及存储介质 |
US20210065032A1 (en) * | 2019-08-29 | 2021-03-04 | Microsoft Technology Licensing, Llc | Generalized linear mixed model with destination personalization |
Non-Patent Citations (2)
Title |
---|
孙小华: "《大数据应用与创新创业》", 30 November 2019 * |
苏海海等: "《互联网产品运营教程》", 31 March 2018 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200068034A1 (en) | Method and system for measuring user engagement using click/skip in content stream | |
CN105678587B (zh) | 一种推荐特征确定方法、信息推荐方法及装置 | |
US8374985B1 (en) | Presenting a diversity of recommendations | |
JP5962926B2 (ja) | レコメンダシステム、レコメンド方法、及びプログラム | |
US7660792B2 (en) | System and method for spam identification | |
US10348550B2 (en) | Method and system for processing network media information | |
US9449078B2 (en) | Evaluating the ranking quality of a ranked list | |
US9088811B2 (en) | Information providing system, information providing method, information providing device, program, and information storage medium | |
CN106095738B (zh) | 推荐表单片段 | |
US9002867B1 (en) | Modifying ranking data based on document changes | |
CN108319646B (zh) | 基于用户历史行为的车源搜索方法及装置 | |
CN106447419B (zh) | 基于特征选择的拜访者标识 | |
US9471686B2 (en) | Systems and methods for implementing achievement guided recommendations | |
CN113034241B (zh) | 一种产品信息推荐方法及计算机设备 | |
US8738602B1 (en) | Determining relevance scores for locations | |
CN114417157B (zh) | 一种数据推送方法、装置、计算机设备以及计算机介质 | |
JP7392271B2 (ja) | アイテム提示方法、アイテム提示プログラムおよびアイテム提示装置 | |
JP2005293384A (ja) | コンテンツレコメンドシステムと方法、及びコンテンツレコメンドプログラム | |
CN113535790A (zh) | 协同推荐优化方法、装置、电子设备和可读存储介质 | |
CN109934689B (zh) | 目标对象排名解释方法、装置、电子设备及可读存储介质 | |
JPWO2011162415A1 (ja) | 情報提供装置、システム、方法、及びプログラム | |
JP2012203419A (ja) | 化学物質含有推定システム、化学物質含有推定方法、および化学物質含有推定プログラム | |
Genta et al. | Consensus-Based Techniques for Range-Task Resolution in Crowdsourcing Systems. | |
JP5222691B2 (ja) | 検索情報提供システム | |
JP2006343891A (ja) | 利用者情報検索システム,検索方法およびコンピュータプログラムとその記録媒体 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 610000 No. 270, floor 2, No. 8, Jinxiu street, Wuhou District, Chengdu, Sichuan Applicant after: Chengdu shuzhilian Technology Co.,Ltd. Address before: 610000 No.2, 4th floor, building 1, Jule Road intersection, West 1st section of 1st ring road, Wuhou District, Chengdu City, Sichuan Province Applicant before: CHENGDU SHUZHILIAN TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211022 |