TW201248534A - Method and system of recommending items - Google Patents

Description

201248534 六、發明說明： 【發明所屬之技術領域】 本申請涉及項目推薦技術，尤其涉及一種項目推薦方 法及系統。 【先前技術】 當用戶進入電子商務網站選擇圖書、視頻等產品時， 面對的是大量的產品，僅僅依賴搜索與瀏覽，很難發現符 合自己獨特興趣的產品。因此，進行產品的個性化推薦， 能夠解決用戶的資訊超載，爲用戶提供符合其興趣的產品 〇 個性化推薦硏究的歷史根源可以追溯到認知科學、逼 近論、資訊抽取和預測論等領域的硏究工作，同時與管理 科學以及市場行銷中的客戶機會建模有關。但是，推薦系 統作爲一個獨立的硏究領域出現還在於1990年代中期。 從那時開始，推薦系統硏究問題集中解決顯式的依賴用戶 評分結構的推薦方法。在這樣的背景下，推薦問題可以規 約爲：爲用戶未見項目預測評分的問題。這種估計通常基 於用戶對其他項目的評分和其他資訊。一旦對用戶未見項 目評分做出預測，我們可以向用戶推薦得分高的項目。這 裏，所謂“項目”槪指推薦系統所在的系統向用戶所推薦 物件，如圖書、電影和旅館等。 更爲形式化地，推薦系統可以形式化地描述爲： (.1)給定用戶集合u，要推薦的項目集合S; -5- 201248534 (2) 構建一個用戶對項目的評分函數f:UxS —R，R爲 一定範圍內的非負整數； (3) 對任一個用戶udu，從S中選擇評分函數値最高 的項目Su，即爲：

VuIDU’ 义= argmax，（M J) sgS 〇 根據具體的推薦策略，推薦系統一般分爲以下三類： (1) 基於內容的推薦系統：向用戶推薦與其過去選 擇的項目相似的項目； (2) 協同過濾推薦系統：在基於用戶的協同過濾推 薦系統中’向用戶推薦與其偏好相似的其他用戶選擇的項 目：在基於項目的協同過濾推薦系統中，首先根據所有人 的選擇情況（評分、是否購買等，而不是項目的內容描述 )’計算項目之間的相似度；進一步地，根據項目之間的 相似度，向一個用戶推薦的與其歷史選擇相近的項目。 (3 )混合型推薦系統：混合上述兩種推薦方式的資 料或策略，向用戶推薦項目的系統。 不同方法適用於不同應用領域與資料集合，例如在圖 書領域，圖書的推薦系統一般屬於基於項目的協同過濾推 薦系統》 具體的，如圖1所示，現有圖書推薦系統的處理流程 一般包括以下步驟： 步驟101:根據用戶的購買歷史記錄形成用戶·圖書評 分矩陣； 用戶-圖書評分矩陣中，行爲用戶，列爲圖書，元素

S -6- 201248534 爲對應用戶對對應圖書的評分値，在實際應用中，所述元 素値一般根據用戶是否購買了該圖書而相應設置爲1或〇 〇 步驟102:計算任意兩個圖書之間的餘弦相關性； 步驟103:對每個圖書，選擇與該圖書餘弦相關性最 高的預設Μ個圖書作爲該圖書的鄰居圖書。 步驟104:根據用戶的購買圖書以及被購買圖書的鄰 居圖書確定用戶的圖書候選集合，並確定圖書候選集合中 每一圖書的推薦強度，將推薦強度最高的預設Ν個圖書作 爲該用戶的圖書推薦集合。 雖然在實際應用中，圖書推薦系統是根據用戶的購買 歷史確定用戶的最終圖書推薦集合，但是，所述最終圖書 推薦集合中包含的圖書往往與用戶感興趣的圖書並不匹配 ，因此，用戶往往無法從推薦系統中獲取所需的圖書資訊 。這時，用戶仍然需要在電子商務圖書網站通過傳統的搜 索和瀏覽等操作，最終自主確定感興趣的圖書，進而進行 .購買等後續操作。對於其他的項目推薦系統，也存在與圖 書推薦系統類似的推薦結果不準確的問題。 基於以上情況，在不考慮電子商務網站建立項目推薦 系統等成本的情況下，因項目推薦結果不準確，還將導致 如下問題：用戶終端與電子商務網站之間需要進行項目推 薦資料請求和發送，而所述項目推薦資料對於大多數用戶 來說並非有用的資訊，因此用戶仍需按照自身的興趣通過 原有的搜索和瀏覽等確定自己感興趣的項目，從而當用戶 201248534 數量很大時，這種資料的傳輸必然浪費電子商務網站的資 料傳輸帶寬，從而降低電子商務網站與各個用戶終端之間 的資料傳輸速度，進而降低了電子商務網站對於用戶終端 的回應速度和效率。 【發明內容】 有鑒於此，本申請要解決的技術問題是，提供一種項 目推薦方法及系統，能夠提高推薦結果的準確性，進而提 高電子商務網站與用戶終端之間的資料傳輸速度。 爲此，本申請實施例採用如下技術方案： 本申請實施例提供一種項目推薦方法，包括： 獲取用戶的歷史資料，所述歷史資料包括：用戶以及 項目之間的對應關係； 根據所述歷史資料計算兩個項目之間的關聯檢索相關 度；對於每一項目’分別將與該項目之間的關聯檢索相關 度最大的預設第一數量個項目確定爲該項目的關聯檢索相 關項目； 並且，根據用戶的歷史資料建立原始的用戶-項目評 分矩陣； 使用每個項目的關聯檢索相關項目消損原始的用戶_ 項目評分矩陣，形成計算用戶·項目評分矩陣； 基於計算用戶-項目評分矩陣，確定用戶的項目推薦 集合。 本申請實施例還提供一種項目推薦系統，包括：

-8 - 201248534 獲取單元，用於獲取用戶的歷史資料，所述歷史資料 包括：用戶以及項目之間的對應關係； 計算單元，用於根據所述歷史資料計算任意兩個項目 之間的關聯檢索相關度；對於每一項目，分別將與該項目 之間的關聯檢索相關度最大的預設第一數量個項目確定爲 該項目的關聯檢索相關項目； 建立單元，用於根據用戶的歷史資料建立原始的用 戶-項目評分矩陣； 消損單元，用於使用每個項目的關聯檢索相關項目消 損原始的用戶-項目評分矩陣，形成計算用戶-項目評分矩 陣； 推薦單元，用於基於計算用戶-項目評分矩陣，確定 用戶的項目推薦集合。 對於上述技術方案的技術效果分析如下： 根據用戶的歷史資料計算任意兩個項目之間的關聯檢 索相關度，並且，據此確定每個項目的關聯檢索相關項目 :從而，在建立原始的用戶-項目評分矩陣後，使用每個 項目的關聯檢索相關項目消損原始的用戶-項目評分矩陣 ，基於消損後得到的用戶-項目評分矩陣確定用戶的項目 推薦集合，從而使得一個項目的關聯檢索項目，可以跨用 戶獲得，而後續的消損方法使得計算項目之間相關度的矩 陣稀疏性得以塡充，提高了項目之間相關度計算的可靠性 ，而且，也使得現有技術中由於矩陣的資料稀疏性而不能 計算的潛在相關項目之間可以建立相關性，從而在一定程 5 -9- 201248534 度上解決了因爲每個用戶直接關聯項目較少或者潛在關聯 項目無法發生關聯所導致的推薦結果不準確的問題，提高 了推薦系統對於項目推薦結果的準確性；進而，由於推薦 結果準確性的提高，使得用戶無需如現有技術般過多的進 行搜索和瀏覽操作，即可得到自己感興趣的項目的資訊， 從而減少了用戶所在用戶終端與電子商務網站之間由於捜 索和瀏覽等項目資訊査找操作對帶寬的佔用，節省了帶寬 ’從而提高了電子商務網站與用戶終端之間的資料傳輸速 度’提高了兩者之間的資料傳輸效率。 【實施方式】 一般電子商務網站所提供的產品數量都非常巨大，例 如一個一般的電子商務圖書網站其圖書儲存量都在百萬級 別’相對這一產品數量，每個用戶購買或者評分過的產品 數量是非常小的’導致圖1所示推薦方法中用戶-項目評 分矩陣中的資料過於稀疏，而資料稀疏性問題將導致項目 與項目之間的相關度計算結果不準確，進—步地，導致項 目推薦結果的不準確：而且，由於資料稀疏性問題，使得 用戶-項目評分矩陣中許多項目之間因爲沒有被同時購買 或者評分情況’從而無法得到相關度，導致具有潛在相關 性的項目被推薦機會的減少，整體上使得推薦系統的推薦 結果對於項目的覆蓋度較低，從而最終也可能導致項目推 薦結果的不準確。 基於以上分析，本申請實施例提供一種項目推薦方法

S -10- 201248534 及系統，能夠提高推薦結果的準確性，進而提高電子商務 網站與用戶終端之間的資料傳輸速度。 爲了使得後續對本申請實施例的推薦方法及系統的理 解更爲方便，首先介紹一種本申請實施例的推薦方法及系 統可以適用的應用環境，仍以圖書推薦爲例，如圖2所示 ，包括： 用戶終端210、Web伺服器220、圖書交易資料庫伺 服器230、圖書推薦列表檢索伺服器240以及推薦計算平 臺250 :其中， 用戶終端210爲用戶提供瀏覽器，以便用戶進行電子 商務網站的瀏覽、搜索、購買等操作，用戶的購買資訊通 過用戶終端210和Web伺服器220發送到圖書交易資料庫 伺服器23 0，由圖書交易資料庫伺服器23 0進行儲存，並 經過預處理轉存入推薦計算平臺250。所述推薦計算平臺 25 0可以由分散式硬體集群、Hadoop分散式操作環境和檔 系統以及基於MapReduce的JAVA語言程式組成，推薦計 算平臺250定期更新計算電子商務網站內每個用戶的圖書 產品推薦結果，將計算結果更新到圖書推薦列表檢索伺服 器240中。 當用戶通過用戶終端210向Web伺服器220發送包含 圖書推薦功能的請求時，Web伺服器220在接收到所述請 求時，向圖書推薦列表檢索伺服器240發送檢索用戶的圖 書推薦結果的檢索請求，圖書推薦列表檢索伺服器240接 收該檢索請求，查找到用戶對應的圖書推薦結果，通過 -11 - 201248534

Web伺服器220向用戶終端210進行回饋，以便用戶終端 210將圖書推薦結果通過瀏覽器向用戶進行展現。 而本申請實施例的所述產品推薦方法及系統既可以設 置於所述推薦計算平臺250中，用於進行圖書產品推薦結 果的確定。 當然，以上圖2所示的應用環境僅是本申請實施例項 目推薦方法及系統的應用環境之一，本申請實施例的項目 推薦方法及系統還可以適用於其他類似的項目推薦系統中 ，例如電影推薦系統、旅遊推薦系統等等，只要存在用戶 與項目之間的歷史關聯資料，本申請實施例的項目推薦方 法及系統即可以根據歷史關聯資料進行對應的項目推薦。 以下，結合附圖詳細說明本申請實施例項目推薦方法 及系統的實現。 圖3爲本申請實施例一種項目推薦方法流程示意圖， 如圖3所示，該方法包括： 步驟301 :獲取用戶的歷史資料，所述歷史資料包括 :用戶以及項目之間的對應關係； 步驟3 02 :根據所述歷史資料計算任意兩個項目之間 的關聯檢索相關度；對於每一項目，分別將與該項目之間 的關聯檢索相關度最大的預設第一數量個項目確定爲該項 目的關聯檢索相關項目； 步驟3 03:根據用戶的歷史資料建立原始的用戶-項目 評分矩陣； 步驟304:使用每個項目的關聯檢索相關項目消損原 201248534 始的用戶-項目評分矩陣，形成計算用戶-項目評分矩陣； 步驟3 0 5 :基於計算用戶-項目評分矩陣，確定用戶的 項目推薦集合。 其中，步驟3 02與步驟303之間的執行順序並無固定 的限制，可以在實際應用中自主設置。 圖3所示的項目推薦方法中，根據用戶的歷史資料計 算任意兩個項目之間的關聯檢索相關度，並且，據此確定 每個項目的關聯檢索相關項目；從而在建立原靖的用戶-項目評分矩陣後，使用每個項目的關聯檢索相關項目消損 原始的用戶-項目評分矩陣，基於消損後得到的用戶-項目 評分矩陣確定用戶的項目推薦集合，從而使得一個項目的 關聯檢索項目’可以跨用戶獲得，而後續的消損方法使得 計算項目之間相關度的矩陣稀疏性得以塡充，這提高了項 目之間相關度§十算的可靠性’而且，也使得現有技術中由 於矩陣的資料稀疏性而不能計算的潛在相關項目之間可以 建立相關性’從而在一定程度上解決了因爲每個用戶直接 關聯項目較少或者潛在關聯項目無法發生關聯所導致的推 薦結果不準確的問題’提高了推薦系統對於項目推薦結果 的準確性；進而，由於推薦結果準確性的提高，使得用戶 無需如現有技術般過多的進行捜索和瀏覽操作，即可得到 自己感興趣的項目的資訊，從而減少了用戶所在用戶終端 與電子商務網站之間由於搜索和瀏覽等項目資訊查找操作 對帶寬的佔用，節省了帶寬，從而提高了電子商務網站與 用戶終端之間的資料傳輸速度，提高了兩者之間的資料傳 6"*1 -13- 201248534 輸效率。 在圖3的基礎上，通過圖4對本申請實施例的項目推 薦方法進行更爲詳細的說明，如圖4所示，該方法包括： 步驟401:獲取用戶的歷史資料； 所述用戶的歷史資料可以包括：用戶標識以及用戶標 識對應的項目標識。 具體的，在不同的應用環境下，所述用戶的歷史資料 可能不同，例如，在圖1所示的應用環境下，所述歷史資 料可以包括：用戶標識以及與用戶標識對應的用戶所購買 圖書的圖書標識；而在其他的項目推薦系統中，可能爲用 戶標識以及用戶標識對應的用戶感興趣項目的項目標識等 〇 步驟402:根據用戶的歷史資料建立用戶-項目二部圖 如圖4a所示，所述用戶-項目二部圖依照用戶的歷史 資料建立，具體的，可根據歷史資料中用戶標識與項目標 識之間的對應關係建立’在建立所述二部圖時，將用戶和 項目分別作爲二部圖中的節點，在用戶和與該用戶具有對 應關係的項目對應的節點之間建立直接通路，從而形成基 於用戶和項目的二部圖，二部圖可以認爲是一種拓撲圖， 例如在圖4a中，上層節點ρι〜ρ4爲項目節點，下層節點 cl〜c3爲用戶節點’用戶節點和項目節點之間的邊即表示 :在所述歷史資料中，用戶節點和項目節點之間具有對應 關係。

S -14- 201248534 步驟403 :根據建立的所述用戶-項目二部圖’計算任 意兩個項目之間的關聯檢索相關度。 其中，在計算兩個項目之間的關聯檢索相關度時’可 以計算兩個項目對應節點之間所有路徑的相關度之和，將 計算得到的結果作爲兩個項目之間的關聯檢索相關度。其 中，兩個項目節點之間的每條路徑的相關度爲：am。其中 ，a爲路徑長度影響因數’在實際應用中’ a的取値爲（〇 ，1)的實數，具體結合應用資料獲得，例如，可以設置 a = 0.8; m爲相應路徑長度，具體的，可以將二部圖中每一 跳路徑的路徑長度設置爲I’m的取値可以根據兩個項目 節點之間的路徑經過的跳數確定° 在實際應用中，由於用戶-項目二部圖一般包含的用 戶和項目很多，因此，在計算關聯檢索相關度時’計算兩 個項目節點之間所有路徑的相關度之和時’計算量將'非常 巨大，影響系統處理效率’因此’可以在實際應用中設置 兩個項目節點之間路徑的最大路徑長度’也即m的最大値 ，從而在計算時，僅計算路徑長度小於該最大路徑長度的 兩個項目節點之間的路徑的相關度’進而加和得到兩個項 目節點之間關聯檢索相關度。例如’可以設置最大路徑長 度爲6等，這裏並不具體限定。 步驟404 :對於每一項目，根據該項目與其他項目之 間的關聯檢索相關度，將與該項目之間的關聯檢索相關度 最大的預設第一數量個其他項目作爲該項目的關聯檢索相 關項目。 -15- 201248534 其中，所述預設數量可以在實際應用中自主取値，這 裏並不限定，例如可以取値爲35、20等任意數値。 步驟405:根據用戶的歷史資料建立原始的用戶-項目 評分矩陣。 本步驟的建立方法可以爲： 預設用戶-項目矩陣的行爲用戶，列爲項目，元素取 値根據歷史資料中用戶與項目之間是否存在對應關係確定 ，具體取値規則可以自主設定。例如，在本申請實施例的 一種具體實現中：當用戶與項目之間具有對應關係時，取 値爲1:當用戶與項目之間沒有對應關係時，取値爲〇。 其中，步驟402〜404與步驟405之間的執行順序並無 固定的限制，可以在實際應用中自主設置。· 步驟406 :使用每個項目的關聯檢索相關項目消損原 始的用戶-項目評分矩陣，形成計算用戶-項目評分矩陣。 本步驟的實現可以包括： 當在原始的用戶-項目評分矩陣中用戶與項目之間具 有對應關係時，則確定該項目的關聯檢索相關項目與該用 戶之間也具有對應關係，相應修改原始的用戶-項目評分 矩陣用戶與所述關聯檢索相關項目對應的元素値，這樣對 整個原始的用戶-項目評分矩陣進行操作後獲得計算用戶_ 項目評分矩陣。 在步驟405中具體的取値設置規則下，本步驟的實現 可以爲： 當在原始的用戶·項目評分矩陣中用戶與項目之間具 -16- 201248534 有對應關係時，則將原始的用戶-項目評分矩陣該用戶與 該項目的所述關聯檢索相關項目對應的元素値修改爲1， 這樣對整個原始的用戶-項目評分矩陣進行操作後獲彳辱言十 算用戶-項目評分矩陣。 步驟407 :基於計算用戶-項目評分矩陣，計算任意兩 個項目之間的相關性。 在實際應用中’一般可以選擇餘弦相關性作爲兩個項 目之間相關性的表徵，具體的，兩個項目之間的的餘弦相 關性計算公式如下： rui ^vi cos(x„，xv) = — 1&Zuv 其中，Xu’ Xv表示兩個項目U，V對應的項目列向量 ;Iu，Iv分別表示評分u’ v的用戶集合；Iuv表示同時評 分u，v的用戶集合：rui表示用戶i對u的評分。 步驟4〇8:對於每一項目，根據該項目與其他項目之 間的相關性’確定預設第二數量個與該項目相關性最大的 其他項目作爲該項目的鄰居項目。 步驟409:對於每一用戶，根據用戶與項目之間的對 應關係，與用戶之間有對應關係的項目的鄰居項目，確定 用戶的項目推薦集合。 本步驟的實現可以包括：

S (1)將與用戶之間有對應關係項目的鄰居項目構成 用戶的項目候選集合：並且，剔除所述項目候選集合中包 含的、原始的用戶-項目評分矩陣中與用戶中間具有對應 -17- 201248534 關係的項目； (2) 根據與用戶之間有對應關係的項目與鄰居項目 之間的相關性計算項目候選集合中各個項目的推薦強度。 一個候選項目的推薦強度通過以下公式計算得到：

Σ wijruJ UI 一 E Ivv^l ； 其中，匕/表示用戶u對於項目i的推薦強度（或稱用 戶U對於項目i的預測評分値）；〃《_/表示用戶U對於項目 i的實際評分；wO_爲項目i與項目j之間的餘弦相關度。 (3) 選擇項目候選集合中推薦強度最大的預設第三 數量個項目構成用戶的項目推薦集合。 在實際應用中，可以將項目推薦集合中的項目標識與 用戶標識對應儲存構成用戶的項目推薦列表，並儲存該項 目推薦列表，以保存推薦結果，並且，後續電子商務網站 ，如電子商務圖書網站等如何向用戶終端傳輸所述項目推 薦集合或者所述項目推薦列表中的項目資料，以及用戶終 端如何通過瀏覽器向用戶進行推薦項目的展現，這裏都並 不限制，不再贅述。 與本申請實施例的項目推薦方法相對應的，本申請實 施例還提供一種項目推薦系統，如圖5所示，該系統可以 包括： 獲取單元510，用於獲取用戶的歷史資料，所述歷史 資料包括：用戶以及項目之間的對應關係：

S -18- 201248534 計算單元520’用於根據所述歷史資料計算任意兩個 項目之間的關聯檢索相關度；對於每一項目，分別將與該 項目之間的關聯檢索相關度最大的預設第一數量個項目確 定爲該項目的關聯檢索相關項目； 建立單元530’用於根據用戶的歷史資料建立原始的 用戶-項目評分矩陣； 消損單元540，用於使用每個項目的關聯檢索相關項 目消損原始的用戶-項目評分矩陣，形成計算用戶·項目評 分矩陣； 推薦單元550，用於基於計算用戶-項目評分矩陣，確 定用戶的項目推薦集合。 較佳地，計算單元520可以包括： 建立子單元，用於以歷史資料中的用戶以及項目作爲 節點，具有對應關係的用戶與項目對應的節點之間建立直 接通路，從而建立用戶·項目二部圖； 第一計算子單元，用於根據建立的所述用戶-項目二 部圖計算任意兩個項目之間的關聯檢索相關度； 第一確定子單元，用於對於每一項目，分別將與該項 目之間的關聯檢索相關度最大的預設第一數量個項目確定 爲該項目的關聯檢索相關項目。 較佳地，計算子單元具體可以用於：計算所述兩個項 目對應節點之間所有路徑的相關度之和，將計算得到的結 果作爲兩個項目節點之間的關聯檢索相關度；其中，兩個 項目節點之間每條路徑的相關度計算公式爲am，其中，a 201248534 爲路徑長度影響因數，m爲對應路徑的路徑長度。 較佳地，消損單元540具體可以用於：遍及整個原始 用戶-項目評分矩陣，當在原始的用戶-項目評分矩陣中用 戶與項目之間具有對應關係時，則確定該項目的關聯檢索 相關項目與該用戶之間也具有對應關係，修改原始的用 戶-項目評分矩陣中對應的元素値。 較佳地，推薦單元5 5 0可以包括： 第二計算子單元，用於基於計算用戶-項目評分矩陣 ，計算任意兩個項目之間的相關性； 第二確定子單元，用於對於每一項目，根據該項目與 其他項目之間的相關性，確定預設第二數量個與該項目相 關性最大的其他項目最爲該項目的鄰居項目； 第三確定子單元，用於對於每一用戶，根據用戶與項 目之間的對應關係，與用戶之間有對應關係的項目的鄰居 項目，確定用戶的項目推薦集合。 第三確定子單元可以包括： 構成子模組，用於由與用戶之間有對應關係項目的鄰 居項目構成用戶的項目候選集合：並且’剔除所述項目候 選集合中包含的、原始的用戶-項目評分矩陣中與用戶中 間具有對應關係的項目； 計算子模組，用於根據與用戶之間有對應關係的項目 與鄰居項目之間的相關性計算項目候選集合中各個項目的 推薦強度； 選擇子模組，用於選擇項目候選集合中推薦強度最大

S -20- 201248534 的預設第三數量個項目構成用戶的項目推薦集合。 圖5所示的項目推薦系統中，計算單元根據用戶的歷 史資料計算任意兩個項目之間的關聯檢索相關度，並且， 據此確定每個項目的關聯檢索相關項目；從而，在建立原 始的用戶-項目評分矩陣後’消損單元使用每個項目的關 聯檢索相關項目消損原始的用戶-項目評分矩陣，推薦單 元基於消損後得到的用戶-項目評分矩陣確定用戶的項目 推薦集合’從而使得一個項目的關聯檢索項目，可以跨用 戶獲得’而後續的消損處理使得計算項目之間相關度的矩 陣稀疏性得以塡充，提高了項目之間相關度計算的可靠性 ，而且’也使得現有技術中由於矩陣的資料稀疏性而不能 計算的潛在相關項目之間可以建立相關性，從而在一定程 度上解決了因爲每個用戶直接關聯項目較少或者潛在關聯 項目無法發生關聯所導致的推薦結果不準確的問題，提高 了推薦系統對於項目推薦結果的準確性；進而，由於推薦 結果準確性的提高，使得用戶無需如現有技術般過多的進 行搜索和瀏覽操作’即可得到自己感興趣的項目的資訊， 從而減少了用戶所在用戶終端與電子商務網站之間由於搜 索和瀏覽等項目資訊查找操作對帶寬的佔用，節省了帶寬 ’從而提高了電子商務網站與用戶終端之間的資料傳輸速 度，提高了兩者之間的資料傳輸效率》 本領域普通技術人員可以理解，實現上述實施例的方 法的過程可以通過程式指令相關的硬體來完成，所述的程 式可以儲存於可讀取儲存媒體中，該程式在執行時執行上 -21 - 201248534 述方法中的對應步驟。所述的儲存媒體可以如：R0M/ RAM、磁碟、光碟等。 以上所述僅是本申請的較佳實施方式，應當指出，對 於本技術領域的普通技術人員來說，在不脫離本申請原理 的前提下，還可以做出若干改進和潤飾，這些改進和潤飾 也應視爲本申請的保護範圍。 【圖式簡單說明】 圖1爲現有技術圖書推薦方法流程示意圖； 圖2爲本申請實施例項目推薦方法可以適用的應用環 境示例； 圖3爲本申請實施例一種項目推薦方法流程示意圖； 圖4爲本申請實施例另一種項目推薦方法流程示意圖 圖4a爲本申請實施例的一種用戶-項目二部圖結構示 例； 圖5爲本申請實施例一種項目推薦系統結構示意圖。 【主要元件符號說明】 2 1 〇 :用戶終端 220 : Web伺服器 230 :圖書交易資料庫伺服器 240 :圖書推薦列表檢索伺服器 2 5 0 :推薦計算平臺 -22- 6： 201248534 510 :獲取單元 5 2 0 :計算單元 53 0 :建立單元 540 :消損單元 5 5 0 :推薦單元

Claims (1)

1. 201248534 七、申請專利範園： 1. 一種項目推薦方法，其特徵在於，包括： 獲取用戶的歷史資料，該歷史資料包括：用戶以及項 目之間的對應關係： 根據該歷史資料計算兩個項目之間的關聯檢索相關度 ;對於每一項目’分別將與該項目之間的關聯檢索相關度 最大的預設第一數量個項目確定爲該項目的關聯檢索相關 項目： 並且’根據用戶的歷史資料建立原始的用戶-項目評 分矩陣； 使用每個項目的關聯檢索相關項目消損原始的用戶-項目評分矩陣’形成訐算用戶-項目評分矩陣； 基於計算用戶-項目評分矩陣，確定用戶的項目推薦 集合。 2. 根據申請專利範圍第1項所述的方法，其中，該根 據該歷史資料計算任意兩個項目之間的關聯檢索相關度包 括： 以歷史資料中的用戶以及項目作爲節點，在具有對應 關係的用戶與項目對應的節點之間建立直接通路，從而建 立用戶-項目二部圖； 根據建立的該用戶-項目二部圖計算任意兩個項目之 間的關聯檢索相關度。 3 .根據申請專利範圍第2項所述的方法，其中，該計 算任意兩個項目節點之間的關聯檢索相關度包括： S -24- 201248534 計算該兩個項目對應節點之間所有路徑的相關度之和 ，將計算得到的結果作爲兩個項目節點之間的關聯檢索相 關度； 其中，兩個項目節點之間每條路徑的相關度計算公式 爲am，其中，a爲路徑長度影響因數，m爲對應路徑的路 徑長度。 4·根據申請專利範圍第1至3項任一項所述的方法， 其中，該使用每個項目的關聯檢索相關項目消損原始的用 戶-項目評分矩陣包括： 遍及整個原始用戶-項目評分矩陣，當在原始的用戶-項目評分矩陣中用戶與項目之間具有對應關係時，則確定 該項目的關聯檢索相關項目與該用戶之間也具有對應關係 ，修改原始的用戶-項目評分矩陣中對應的元素値。 5.根據申請專利範圍第1至3項任一項所述的方法， 其中，基於計算用戶-項目評分矩陣，確定用戶的項目推 薦集合包括： 基於計算用戶-項目評分矩陣，計算任意兩個項目之 間的相關性； 對於每一項目’根據該項目與其他項目之間的相關性 ，確定預設第二數量個與該項目相關性最大的其他項目最 爲該項目的鄰居項目； 對於每一用戶，根據用戶與項目之間的對應關係，與 用戶之間有對應關係的項目的鄰居項目，確定用戶的項目 推薦集合。 S -25- 201248534 6. 根據申請專利範圍第5項所述的方法，其中，該確 定用戶的項目推薦集合包括： 由與用戶之間有對應關係項目的鄰居項目構成用戶的 項目候選集合；並且，剔除該項目候選集合中包含的、原 始的用戶-項目評分矩陣中與用戶中間具有對應關係的項 目； 根據與用戶之間有對應關係的項目與鄰居項目之間的 相關性計算項目候選集合中各個項目的推薦強度； 選擇項目候選集合中推薦強度最大的預設第三數量個 項目構成用戶的項目推薦集合。 7. —種項目推薦系統，其特徵在於，包括： 獲取單元，用於獲取用戶的歷史資料，該歷史資料包 括：用戶以及項目之間的對應關係； 計算單元，用於根據該歷史資料計算任意兩個項目之 間的關聯檢索相關度；對於每一項目，分別將與該項目之 間的關聯檢索相關度最大的預設第一數量個項目確定爲該 項目的關聯檢索相關項目； 建立單元，用於根據用戶的歷史資料建立原始的用 戶-項目評分矩陣； 消損單元，用於使用每個項目的關聯檢索相關項目消 損原始的用戶-項目評分矩陣，形成計算用戶·項目評分矩 陣； 推薦單元，用於基於計算用戶-項目評分矩陣，確定 用戶的項目推薦集合。 -26- 201248534 8 .根據申請專利範圍第7項所述的系統，其中，計算 單元包括： 建立子單元，用於以歷史資料中的用戶以及項目作爲 節點，具有對應關係的用戶與項目對應的節點之間建立直 接通路，從而建立用戶-項目二部圖； 第一計算子單元，用於根據建立的該用戶-項目二部 圖計算任意兩個項目之間的關聯檢索相關度； 第一確定子單元，用於對於每一項目，分別將與該項 目之間的關聯檢索相關度最大的預設第一數量個項目確定 爲該項目的關聯檢索相關項目。 9.根據申請專利範圍第8項所述的系統，其中，計算 子單元具體用於：計算該兩個項目對應節點之間所有路徑 的相關度之和，將計算得到的結果作爲兩個項目節點之間 的關聯檢索相關度：其中，兩個項目節點之間每條路徑的 相關度計算公式爲am，其中，a爲路徑長度影響因數，m 爲對應路徑的路徑長度 1 〇 ·根據申請專利範圍第7至9項任一項所述的系統， 其中，消損單元具體用於：遍及整個原始用戶-項目評分 矩陣，當在原始的用戶-項目評分矩陣中用戶與項目之間 具有對應關係時，則確定該項目的關聯檢索相關項目與該 用戶之間也具有對應關係，修改原始的用戶-項目評分矩 陣中對應的元奉値。 S -27-