RU2015102821A - Устройство и способ для автоматического формирования рекомендации - Google Patents

Abstract

1. Устройство для автоматического формирования рекомендации элемента p для пользователя u, причем упомянутое устройство содержит или по меньшей мере опосредованно соединено (имеет доступ к) сбазой данных элементов, содержащей информацию о доступных элементах;базой данных профилей пользователей, содержащей, для пользователя ν системы, информацию о том, какие элементы пользователь видел, или приобрел, или оценил, ибазой данных взаимосвязей пользователей, содержащей информацию о связях, существующих между пользователями u и ν, причем прямая связь задается, если пользователь ν принадлежит к контактам пользователя u,при этом устройство содержит стандартную рекомендательную машину, которая выполнена с возможностью осуществления доступа к упомянутой базе данных элементов и упомянутой базе данных профилей пользователей, и вычисления оценки s(p, u) в интервале [0, 1], указывающей уровень оценки «нравится» элемента p для пользователя u на основании профиля пользователя для пользователя u, ирекомендательное устройство обнаружения информационного наполнения, которое выполнено с возможностью осуществления доступа к упомянутой базе данных взаимосвязей пользователей и выявления по меньшей мере пользователей ν, которые имеют прямую связь с пользователем u, и дополнительно осуществления доступа купомянутой базе данных профилей пользователей, чтобы определять долю пользователей ν, которые знают элемент p, и формировать рекомендацию, основанную на оценке s(p, u) элемента p и степени (доли пользователей ν, знающих элемент p), до которой этот элемент известен среди пользователей ν, имеющих прямую связь с пользователем u.2. Устройство по п. 1, причем упомянутое

Claims (15)

1. Устройство для автоматического формирования рекомендации элемента p для пользователя u, причем упомянутое устройство содержит или по меньшей мере опосредованно соединено (имеет доступ к) с

базой данных элементов, содержащей информацию о доступных элементах;

базой данных профилей пользователей, содержащей, для пользователя ν системы, информацию о том, какие элементы пользователь видел, или приобрел, или оценил, и

базой данных взаимосвязей пользователей, содержащей информацию о связях, существующих между пользователями u и ν, причем прямая связь задается, если пользователь ν принадлежит к контактам пользователя u,

при этом устройство содержит стандартную рекомендательную машину, которая выполнена с возможностью осуществления доступа к упомянутой базе данных элементов и упомянутой базе данных профилей пользователей, и вычисления оценки s(p, u) в интервале [0, 1], указывающей уровень оценки «нравится» элемента p для пользователя u на основании профиля пользователя для пользователя u, и

рекомендательное устройство обнаружения информационного наполнения, которое выполнено с возможностью осуществления доступа к упомянутой базе данных взаимосвязей пользователей и выявления по меньшей мере пользователей ν, которые имеют прямую связь с пользователем u, и дополнительно осуществления доступа к

упомянутой базе данных профилей пользователей, чтобы определять долю пользователей ν, которые знают элемент p, и формировать рекомендацию, основанную на оценке s(p, u) элемента p и степени (доли пользователей ν, знающих элемент p), до которой этот элемент известен среди пользователей ν, имеющих прямую связь с пользователем u.

2. Устройство по п. 1, причем упомянутое устройство выполнено с возможностью определения оценки s(p, u) элемента p в упомянутой базе данных элементов, основанной на профиле пользователя u в базе данных профилей пользователей, при этом упомянутое рекомендательное устройство обнаружения информационного наполнения содержит блок статистических данных сообщества и рекомендательный блок обнаружения информационного наполнения, которые выполнены с возможностью выполнения следующих этапов для формирования рекомендаций относительно N элементов для данного пользователя u,

блок статистических данных сообщества извлекает из базы данных взаимосвязей пользователей сообщество С⁽¹⁾ (u), которое содержит всех пользователей ν, непосредственно связанных с пользователем u, и

рекомендательный блок обнаружения информационного наполнения находит подмножество из N элементов p, которое оптимизирует сочетание совокупной оценки для пользователя u и параметра, называемого k, который указывает, до какой степени элемент p известен в сообществе С⁽¹⁾ (u), сформированном блоком статистических данных сообщества, при этом k определяется следующим образом:

где |C⁽¹⁾(u)| представляет собой количество пользователей ν, непосредственно связанных с пользователем u,

a seen(p, ν) является функцией, которая выдает 1, если конкретный пользователь ν видел элемент p, в противном случае выдает 0, указывая, что пользователь ν не видел элемент p.

3. Устройство по п. 2, в котором рекомендательный блок обнаружения информационного наполнения выполнен с возможностью выбора и вывода N элементов с самой высокой оценкой.

4. Устройство по п. 2 или 3, в котором рекомендательный блок обнаружения информационного наполнения выполнен с возможностью вычисления модифицированной оценки s′(p, u), определяемой следующим образом:

где константа λ выбирается соответствующим образом в интервале [0, 1].

5. Устройство по п. 2, в котором блок статистических данных сообщества выполнен с возможностью извлечения из базы данных взаимосвязей пользователей для каждого пользователя ν∈C⁽¹⁾ (u) другого сообщества первого уровня C⁽¹⁾ (ν), которое содержит по меньшей мере всех пользователей, непосредственно связанных с пользователем ν, при этом члены ν′ сообщества первого уровня С⁽¹⁾ (ν) опосредованно связаны с пользователем и, таким образом формируя сообщество второго уровня С⁽²⁾ (u) пользователя u,

при этом рекомендательный блок обнаружения информационного

наполнения находит подмножество из N элементов p, которое оптимизирует сочетание совокупной оценки для пользователя u и параметра, называемого k, который указывает, до какой степени элемент p известен в сообществе C⁽ⁿ⁾ (u), сформированном блоком статистических данных сообщества, при этом k определяется следующим образом:

6. Устройство по п. 1, в котором стандартная рекомендательная машина выполнена с возможностью определения оценки s(p, u) на основании наивной байесовской классификации или совместного фильтрования.

7. Устройство по п. 1, в котором устройство содержит фильтр, отфильтровывающий элементы, которые, вероятно, не интересны для значительного подмножества пользователей, связанных с пользователем u.

8. Устройство по п. 1, в котором устройство выполнено с возможностью определения расширенной оценки s′(p, u) таким образом, что уровень оценки «нравится» пользователей ν, принадлежащих к контактам пользователя u, также принимается во внимание.

9. Устройство по п. 5, в котором устройство выполнено с возможностью оценивания влияния уровня оценки «нравится» пользователя ν и ν′ в зависимости от отдаленности конкретного пользователя ν от пользователя u таким образом, что члены ν сообщества второго уровня С⁽²⁾ (u) имеют меньшее влияние, чем члены v сообщества первого уровня С⁽¹⁾ (u).

10. Устройство по п. 1, в котором устройство выполнено с возможностью определения модифицированной функции seen′(p, ν) вместо seen(p, ν), причем seen′(p, ν) является функцией, которая выдает 1, если конкретный пользователь ν видел элемент p и/или элемент p был рекомендован пользователю ν, и которая в противном случае выдает 0, указывая, что пользователь ν не видел элемент p или что элемент p не был рекомендован пользователю ν.

11. Способ автоматического формирования рекомендации элемента p для пользователя u, причем упомянутый способ содержит этапы:

вычисления оценки s(p, u) в интервале [0, 1], указывающей уровень оценки «нравится» элемента p для пользователя u на основании профиля пользователя для пользователя u,

выявления по меньшей мере пользователей ν, которые имеют прямую связь с пользователем u,

определения доли пользователей ν, которые знают элемент p, и

формирования рекомендации на основании оценки s(p, u) элемента p и степени (доли пользователей ν, которые знают элемент p), до которой этот элемент известен среди пользователей ν, имеющих прямую связь с пользователем u.

12. Способ по п. 11, в котором этап выявления по меньшей мере пользователей ν, которые имеют прямую связь с пользователем u, включает в себя формирование сообщества С⁽¹⁾ (u), которое содержит всех пользователей ν, непосредственно связанных с пользователем u, и

в котором этапы определения доли пользователей ν, которые знают элемент p, и формирования рекомендации содержат выявление

подмножества из N элементов p, которое оптимизирует сочетание совокупной оценки s(p, u) для пользователя u и параметра, называемого k, который указывает, до какой степени элемент p известен в сообществе С⁽¹⁾ (u), сформированном блоком статистических данных сообщества, при этом к определяется следующим образом:

где |С⁽¹⁾ (u)| представляет собой количество пользователей ν, непосредственно связанных с пользователем u,

a seen(p, ν) является функцией, которая выдает 1, если конкретный пользователь ν видел элемент p, в противном случае выдает 0, указывая, что пользователь ν не видел элемент p.

13. Способ по п. 12, в котором рекомендательным блоком обнаружения информационного наполнения выбираются и выводятся N элементов с наивысшей оценкой.

14. Способ по одному из пп. 11-13, в котором этап формировании рекомендации содержит вычисление модифицированной оценки s′(p, u), определяемой следующим образом

где константа λ выбирается соответствующим образом в интервале [0, 1].

15. Способ по п. 11, в котором способ дополнительно содержит этап выявления по меньшей мере пользователей ν′, которые имеют опосредованную связь с пользователем u, посредством формирования другого сообщества первого уровня C⁽¹⁾ (ν), которое содержит по меньшей мере всех пользователей, непосредственно связанных с пользователем ν, при этом члены ν′ сообщества первого уровня С⁽¹⁾ (ν) опосредованно связаны с пользователем u, таким образом формируя сообщество второго уровня С⁽²⁾ (u) пользователя u, причем этапы определения доли пользователей ν, которые знают элемент p, и формирования рекомендации содержат выявление подмножества из N элементов p, которое оптимизирует сочетание совокупной оценки s(p, u) для пользователя u и параметра, называемого k, который указывает, до какой степени элемент p известен в сообществе C⁽ⁿ⁾ (u), сформированном блоком статистических данных сообщества, при этом k определяется следующим образом:

где |C⁽¹⁾ (u)| представляет собой количество пользователей ν, непосредственно связанных с пользователем u,

a seen(p, ν) является функцией, которая выдает 1, если конкретный пользователь ν видел элемент p, в противном случае выдает 0, указывая, что пользователь ν не видел элемент p.