一種基于用戶網(wǎng)絡(luò)數(shù)據(jù)的物品信息推薦方法
【專利摘要】本發(fā)明涉及一種基于用戶網(wǎng)絡(luò)數(shù)據(jù)的物品信息推薦方法，其特征在于，包括以下步驟：1)通過(guò)用戶的網(wǎng)絡(luò)數(shù)據(jù)獲取用戶的物品需求信息，建立用戶需求特征庫(kù)；2)根據(jù)物品網(wǎng)絡(luò)數(shù)據(jù)建立物品信息特征庫(kù)；3)采用文本和語(yǔ)義相似度算法將用戶需求特征和物品信息特征進(jìn)行匹配，計(jì)算物品信息與用戶需求之間的相似度并排序、過(guò)濾，最后產(chǎn)生推薦結(jié)果；4)將生成的推薦結(jié)果反饋回用戶需求特征庫(kù)和物品信息特征庫(kù)并且訓(xùn)練更新。與現(xiàn)有技術(shù)相比，本發(fā)明具有信息全面、適應(yīng)性廣等優(yōu)點(diǎn)。
【專利說(shuō)明】一種基于用戶網(wǎng)絡(luò)數(shù)據(jù)的物品信息推薦方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及網(wǎng)絡(luò)【技術(shù)領(lǐng)域】，尤其是涉及一種基于用戶網(wǎng)絡(luò)數(shù)據(jù)的物品信息推薦方 法

【背景技術(shù)】
[0002] 隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展，人們逐漸從信息匱乏的時(shí)代走入了信息過(guò)載的時(shí) 代，海量信息同時(shí)呈現(xiàn)，無(wú)論是對(duì)于信息消費(fèi)者還是信息生產(chǎn)者而言都是很大的挑戰(zhàn)：對(duì)于 信息消費(fèi)者，一方面用戶很難從中發(fā)現(xiàn)自己感興趣的部分，另一方面也使得大量少人問(wèn)津 的信息成為網(wǎng)絡(luò)中的"暗信息"，無(wú)法被一般用戶獲?。憾鴮?duì)于信息生產(chǎn)者，如何讓自己生產(chǎn) 的信息脫穎而出，受到廣大用戶的關(guān)注，也是一件非常困難的事情，傳統(tǒng)的搜索算法只能呈 現(xiàn)給用戶一樣的排序結(jié)果，無(wú)法針對(duì)不同用戶的不同的興趣愛(ài)好提供相應(yīng)的服務(wù)，個(gè)性化 推薦系統(tǒng)應(yīng)運(yùn)而生，能夠有效解決信息過(guò)載的問(wèn)題，個(gè)性化推薦系統(tǒng)通過(guò)建立用戶與信息 之間的二元關(guān)系，一方面幫助用戶發(fā)現(xiàn)對(duì)自己有價(jià)值的信息，另一方面讓信息能夠展現(xiàn)在 對(duì)它感興趣的用戶面前，從而實(shí)現(xiàn)信息消費(fèi)者和信息生產(chǎn)者的雙贏。
[0003] 個(gè)性化推薦系統(tǒng)的本質(zhì)是通過(guò)一定方式將用戶和物品聯(lián)系起來(lái)，聯(lián)系用戶和物品 的常用方式主要分為以下三類：
[0004] (1)社會(huì)化推薦，即利用好友給自己推薦物品；
[0005] (2)基于內(nèi)容的推薦，即通過(guò)分析用戶的歷史興趣記錄，向用戶推薦與其歷史記錄 相似度較高的物品；
[0006] (3)基于協(xié)同過(guò)濾的推薦，即分析與目標(biāo)用戶的歷史興趣相似度較高的鄰居用戶， 將鄰居用戶感興趣的物品推薦給目標(biāo)用戶。
[0007] 在互聯(lián)網(wǎng)的各類網(wǎng)站中都可以看到推薦系統(tǒng)的應(yīng)用，而個(gè)性化推薦系統(tǒng)的主要作 用是通過(guò)分析大量用戶行為日志，給不同的用戶提供不同的個(gè)性化頁(yè)面展示，來(lái)提高網(wǎng)站 的點(diǎn)擊率和物品成交轉(zhuǎn)化率，廣泛利用個(gè)性化推薦系統(tǒng)的領(lǐng)域包括電子商務(wù)、電影和視頻、 音樂(lè)、社交網(wǎng)絡(luò)、個(gè)性化郵件和廣告等。著名的電子商務(wù)網(wǎng)站亞馬遜就是個(gè)性化推薦系統(tǒng)的 積極應(yīng)用者和推廣者，亞馬遜的個(gè)性化推薦服務(wù)深入到了其各類產(chǎn)品中，其中最主要的應(yīng) 用有個(gè)性化商品推薦列表和相關(guān)商品的推薦列表。
[0008] 然而，基于內(nèi)容的推薦算法和協(xié)同過(guò)濾推薦算法都各自存在不足之處，基于內(nèi)容 的推薦算法需要提取物品的特性，自動(dòng)化的特征提取方法廣泛應(yīng)用于文本數(shù)據(jù)，但是較難 應(yīng)用于多媒體數(shù)據(jù)：并且為用戶推薦的物品僅限于與該用戶的歷史記錄相似的物品，結(jié)果 多樣性較差。對(duì)于沒(méi)有歷史記錄的新用戶難以通過(guò)基于內(nèi)容的推薦算法進(jìn)行推薦，存在新 用戶的冷啟動(dòng)問(wèn)題，協(xié)同過(guò)濾推薦算法由于考慮用戶之間的相似度，因此可以克服自動(dòng)化 程度低、推薦結(jié)果不豐富等弊端，但是，協(xié)同過(guò)濾推薦算法是基于大量歷史數(shù)據(jù)集的，因而 存在稀疏問(wèn)題和冷啟動(dòng)問(wèn)題，對(duì)于沒(méi)有歷史記錄的新用戶和沒(méi)有被用戶有過(guò)正反饋的新物 品都難以通過(guò)協(xié)同過(guò)濾推薦算法進(jìn)行推薦，另外，如何動(dòng)態(tài)地從用戶社交網(wǎng)絡(luò)數(shù)據(jù)中提取 用戶的需求和偏好信息，將推薦算法結(jié)合用戶社交網(wǎng)絡(luò)數(shù)據(jù)產(chǎn)生推薦結(jié)果，為用戶解決信 息過(guò)載的問(wèn)題，目前暫時(shí)還沒(méi)有相關(guān)的較為成熟的應(yīng)用。


【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于用戶網(wǎng)絡(luò) 數(shù)據(jù)的物品信息推薦方法
[0010] 本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：
[0011] 一種基于用戶網(wǎng)絡(luò)數(shù)據(jù)的物品信息推薦方法，包括以下步驟：
[0012] 1)通過(guò)用戶的網(wǎng)絡(luò)數(shù)據(jù)獲取用戶的物品需求信息，建立用戶需求特征庫(kù)；
[0013] 2)根據(jù)物品網(wǎng)絡(luò)數(shù)據(jù)建立物品信息特征庫(kù)；
[0014] 3)采用文本和語(yǔ)義相似度算法將用戶需求特征和物品信息特征進(jìn)行匹配，計(jì)算物 品信息與用戶需求之間的相似度并排序、過(guò)濾，最后產(chǎn)生推薦結(jié)果；
[0015] 4)將生成的推薦結(jié)果反饋回用戶需求特征庫(kù)和物品信息特征庫(kù)并且訓(xùn)練更新。
[0016] 所述的步驟1)包括以下步驟：
[0017] 11)通過(guò)網(wǎng)絡(luò)軟件或網(wǎng)絡(luò)信息手段獲取用戶公開(kāi)的網(wǎng)絡(luò)信息；
[0018] 12)從公開(kāi)的信息中進(jìn)行預(yù)處理后，采用TF-IDF方法提取用戶信息關(guān)鍵詞，所述 的TF-IDF提取關(guān)鍵詞的方法為計(jì)算TF-IDF關(guān)鍵詞權(quán)值 Wi,」，Wi,」的計(jì)算式為：
[0019] j = TF^ j^IDFj

【權(quán)利要求】
1. 一種基于用戶網(wǎng)絡(luò)數(shù)據(jù)的物品信息推薦方法，其特征在于，包括以下步驟： 1) 通過(guò)用戶的網(wǎng)絡(luò)數(shù)據(jù)獲取用戶的物品需求信息，建立用戶需求特征庫(kù)： 2) 根據(jù)物品網(wǎng)絡(luò)數(shù)據(jù)建立物品信息特征庫(kù)； 3) 采用文本和語(yǔ)義相似度算法將用戶需求特征和物品信息特征進(jìn)行匹配，計(jì)算物品信 息與用戶需求之間的相似度并排序、過(guò)濾，最后產(chǎn)生推薦結(jié)果： 4) 將生成的推薦結(jié)果反饋回用戶需求特征庫(kù)和物品信息特征庫(kù)并且訓(xùn)練更新。
2. 根據(jù)權(quán)利要求1所述的一種基于用戶網(wǎng)絡(luò)數(shù)據(jù)的物品信息推薦方法，其特征在于， 所述的步驟1)包括以下步驟： 11) 通過(guò)網(wǎng)絡(luò)軟件或網(wǎng)絡(luò)信息手段獲取用戶公開(kāi)的網(wǎng)絡(luò)信息； 12) 從公開(kāi)的信息中進(jìn)行預(yù)處理后，采用TF-IDF方法提取用戶信息關(guān)鍵詞，所述的 TF-IDF提取關(guān)鍵詞的方法為計(jì)算TF-IDF關(guān)鍵詞權(quán)值Wi,」，Wi,」的計(jì)算式為： wi,j = TFi,j*IDFi
其中，nq表示詞i在文檔j中出現(xiàn)的次數(shù)，分母Σ1%./則是文檔j中所有詞出現(xiàn)的次 J k 數(shù)之和，IdI是文檔總數(shù)，分母I {chh e d} I是包含詞條&的文檔數(shù)目。 13) 將用戶信息關(guān)鍵詞作為用戶的需求特征列表參數(shù)，建立用戶需求特征庫(kù)。
3. 根據(jù)權(quán)利要求1所述的一種基于用戶網(wǎng)絡(luò)數(shù)據(jù)的物品信息推薦方法，其特征在于， 所述的步驟2)包括以下步驟： 21) 通過(guò)網(wǎng)絡(luò)軟件或網(wǎng)絡(luò)信息手段獲取物品的網(wǎng)絡(luò)信息并提取關(guān)鍵詞； 22) 通過(guò)物品信息關(guān)鍵詞建立物品信息特征庫(kù)。
4. 根據(jù)權(quán)利要求1所述的一種基于用戶網(wǎng)絡(luò)數(shù)據(jù)的物品信息推薦方法，其特征在于， 所述的步驟3)包括以下步驟： 31) 根據(jù)用戶需求特征庫(kù)和物品信息特征庫(kù)列出關(guān)鍵詞詞頻向量，通過(guò)文本相似度算 法得到關(guān)鍵詞詞頻向量的相似度cos Θ，cos Θ的計(jì)算式為：
其中，A為用戶需求特征庫(kù)關(guān)鍵詞詞頻向量，B為物品信息特征庫(kù)關(guān)鍵詞詞頻向量。 32) 基于同義詞詞林結(jié)構(gòu)，采用語(yǔ)義相似度算法計(jì)算用戶需求特征庫(kù)和物品信息特征 庫(kù)關(guān)鍵詞的語(yǔ)義相似度Sim (C，D)，Sim (C，D)的計(jì)算式為： 當(dāng)C和D兩個(gè)義項(xiàng)不在同一棵樹(shù)上時(shí)， Sim(C, D) = f = 0. 1 當(dāng)C和D兩個(gè)義項(xiàng)在同一棵樹(shù)上，并且在第二層分支上時(shí)，
當(dāng)C和D兩個(gè)義項(xiàng)在第三層分支上時(shí)，
當(dāng)C和D兩個(gè)義項(xiàng)在第四層分支上時(shí)，
當(dāng)C和D兩個(gè)義項(xiàng)在第五層分支上時(shí)，
其中，η是分支層的節(jié)點(diǎn)總數(shù)，k是兩個(gè)分支間的距離； 33)根據(jù)文本相似度和語(yǔ)義相似度分別判斷物品和用戶特征之間是否匹配，對(duì)結(jié)果進(jìn) 行計(jì)算排序，并向用戶推送結(jié)果。
【文檔編號(hào)】G06F17/30GK104156450SQ201410403849
【公開(kāi)日】2014年11月19日 申請(qǐng)日期:2014年8月15日 優(yōu)先權(quán)日:2014年8月15日
【發(fā)明者】黃震華, 張佳雯, 方強(qiáng), 向陽(yáng) 申請(qǐng)人:同濟(jì)大學(xué)