基于标签信息的个性化推荐方法和系统技术方案

本发明专利技术涉及一种基于标签信息的个性化推荐方法和系统，该方法包括：通过根据各用户标识所对应的各标签信息对各产品标识进行标记的状态生成三维表，根据三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型；根据用户产品交互矩阵模型和产品标签关系矩阵模型，构建用户标识、产品标识和标签信息对应的联合分解模型；利用贝叶斯个性化排序方法求解联合分解模型得到多个参数值；根据参数值获取用户标识对各产品标识的偏好程度；根据偏好程度从产品标识中选取推荐标识，将推荐标识对应的产品信息推荐给对应的用户标识所在的终端。如此，能解决在标签信息中数据稀疏性的限制，提高个性化排序的精度，从而提高推荐的准确度。

Personalized recommendation method and system based on label information

The invention relates to a method and system for recommending personalized information based on the label, the method includes generating a three-dimensional table by marking on the product label according to the user identifier corresponding to the tag information, according to the established three-dimensional table user product interaction matrix model and product label matrix model; according to the user product interaction matrix model the product label and relation matrix model, combined model decomposition user identification, product identification tags and corresponding information; using Bayesian personalized ranking method to calculate the decomposition model get multiple parameter values according to the parameter value is obtained; the identity of the user preference on the product identification; according to the degree of preference is selected from the recommended product identification mark, recommended recommended identifies the corresponding product information to the terminal user identification corresponding location. Thus, the limitation of the data sparsity in the tag information can be solved, and the accuracy of the personalized sorting can be improved so as to improve the accuracy of the recommendation.

【技术实现步骤摘要】

本专利技术涉及信息
，特别是涉及一种基于标签信息的个性化推荐方法和系统。
技术介绍
随着信息科技的发展，电子商务发展迅速，而电商平台的信息过载现象也愈加严重。为缓解信息过载，电商平台通常使用个性化推荐系统。个性化推荐系统根据用户个体的在线浏览数据或购买数据构建用户兴趣偏好模型，从而向用户推荐符合其独特需求的产品，可优化用户体验和提升平台用户流量。传统的个性化推荐系统根据用户对购买过或浏览过的产品标注的标签，向用户推荐同类标签的产品。然而，用户一般用很少的标签来标注产品，而一个产品包含了数量有限的标签，因此电商平台包括的标签信息具有稀疏性，标签信息不能精准的代表产品的描述，同时，由于标签信息的稀疏性，用户之间相似性也是不精确的，导致推荐准确度不高。
技术实现思路
基于此，有必要针对上述问题，提供一种推荐准确度的基于标签信息的个性化推荐方法和系统。一种基于标签信息的个性化推荐方法，包括：获取电商平台的用户标识、产品标识和标签信息，以及各用户标识所对应的各标签信息对各产品标识进行标记的状态，并根据获取的状态生成三维表；根据所述三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型；根据所述用户产品交互矩阵模型和所述产品标签关系矩阵模型，构建用户标识、产品标识和标签信息对应的联合分解模型；利用贝叶斯个性化排序方法求解所述联合分解模型得到多个参数值；根据所述参数值获取所述用户标识对各产品标识的偏好程度；根据所述偏好程度从大到小的顺序对所述产品标识排序，并从排序后的产品标识中依次选取推荐标识，将所述推荐标识对应的产品信息推荐给对应的用户标识所在的终端。一种基于标签信息的个性化推荐系统，包括：三维表获取模块，用于获取电商平台的用户标识、产品标识和标签信息，以及各用户标识所对应的各标签信息对各产品标识进行标记的状态，并根据获取的状态生成三维表；矩阵模型建立模块，用于根据所述三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型；模型组合构建模块，用于根据所述用户产品交互矩阵模型和所述产品标签关系矩阵模型，构建用户标识、产品标识和标签信息对应的联合分解模型；模型求解模块，用于利用贝叶斯个性化排序方法求解所述联合分解模型得到多个参数值；偏好程度获取模块，用于根据所述参数值获取所述用户标识对各产品标识的偏好程度；产品推荐模块，用于根据所述偏好程度从大到小的顺序对所述产品标识排序，并从排序后的产品标识中依次选取推荐标识，将所述推荐标识对应的产品信息推荐给对应的用户标识所在的终端。上述基于标签信息的个性化推荐方法和系统，通过根据各用户标识所对应的各标签信息对各产品标识进行标记的状态生成三维表，根据三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型，根据用户产品交互矩阵模型和产品标签关系矩阵模型，构建用户标识、产品标识和标签信息对应的联合分解模型；然后利用贝叶斯个性化排序方法求解联合分解模型得到多个参数值，根据参数值获取用户标识对各产品标识的偏好程度，根据偏好程度从产品标识中选取推荐标识，将推荐标识对应的产品信息推荐给对应的用户标识所在的终端。如此，通过结合标签信息和用户标识与产品标识之间的三元关系，建立联合分解模型，结合贝叶斯个性化排序方法对联合分解模型进行学习，进行个性化融合标签排序，能解决在标签信息中数据稀疏性的限制，提高个性化排序的精度，从而提高推荐的准确度。附图说明图1为一实施例中基于标签信息的个性化推荐方法的流程图；图2为一实施例中基于标签信息的个性化推荐系统的模块框图。具体实施方式参考图1，一实施例中的基于标签信息的个性化推荐方法，包括如下步骤。S110：获取电商平台的用户标识、产品标识和标签信息，以及各用户标识所对应的各标签信息对各产品标识进行标记的状态，并根据获取的状态生成三维表。用户标识用于识别唯一的用户，产品标识用于识别产品的类型，标签信息指用户对产品进行标记所使用的信息。用户标识所对应的标签信息对产品标识进行标记的状态包括标记和未标记，三维表中用户标识、产品标识和标签信息之间的三元关系可以用“1”和“0”的数值表示。例如，三维表可以用函数描述为：F＝(U,I,T,Y)(1)；其中，F表示三维表，U标识用户标识集合，I表示产品标识集合，T表示标签信息集合，Y表示用户标识、产品标识和标签信息之间的三元关系，可由三维数组Y＝(yu,i,t)∈R|U|×|I|×|T|表示。|U|表示用户标识的数量，|I|表示产品标识的数量，|T|表示标签信息的数量，u表示用户标识的序号，i表示产品标识的序号，t表示标签信息的序号。如果用户标识u对产品标识i指定了标签信息t，则yu,i,t＝1，否则yu,i,t＝0。S120：根据三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型。用户产品交互矩阵模型用于体现用户标识与产品标识之间的关系；产品标签关系矩阵模型用于体现产品标识与标签信息之间的关系。在一实施例中，步骤S120包括步骤(a1)至步骤(a3)。步骤(a1)：根据三维表生成用户产品矩阵和产品标签矩阵。将公式(1)的三元关系分解为两个两维邻接矩阵AUI和AIT，分别表示用户产品矩阵和产品标签矩阵。若第u个用户标识对应的用户标记过第i个产品标识对应的产品，则否则同理，若第i个产品标识对应的产品被标记过第t个标签信息对应的标签，则否则用户产品矩阵AUI和产品标签矩阵AIT构成的二维表分别如表1和表2所示。表1表2步骤(a2)：根据用户产品矩阵建立用户产品交互矩阵模型。步骤(a3)：根据产品标签矩阵建立产品标签关系矩阵模型。在一实施例中，步骤(a3)包括步骤(b1)至步骤(b4)。步骤(b1)：根据产品标签矩阵建立各产品标识之间的产品共现矩阵。产品共现矩阵中的行和列均为产品标识，产品共现矩阵中的元素为对应行与对应列的标识产品共享相同标签信息的数量。因此，从产品共现矩阵可以得知两个产品标识之间是否共享相同标签信息，以及共享标签信息的数量。步骤(b2)：根据产品共现矩阵和产品标签矩阵获取各产品标识之间的点互信息值。步骤(b3)：根据点互信息值和预设值获取对应产品标识之间的交互值。步骤(b4)：根据对应产品标识之间的交互值、预设的产品隐特征向量和预设的上下文隐特征向量建立产品标签关系矩阵模型。本实施例中，用户产品交互矩阵模型为：步骤(b2)包括：步骤(b3)包括：mij＝max{PMI(i,j)-logk,0本文档来自技高网...

【技术保护点】
一种基于标签信息的个性化推荐方法，其特征在于，包括：获取电商平台的用户标识、产品标识和标签信息，以及各用户标识所对应的各标签信息对各产品标识进行标记的状态，并根据获取的状态生成三维表；根据所述三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型；根据所述用户产品交互矩阵模型和所述产品标签关系矩阵模型，构建用户标识、产品标识和标签信息对应的联合分解模型；利用贝叶斯个性化排序方法求解所述联合分解模型得到多个参数值；根据所述参数值获取所述用户标识对各产品标识的偏好程度；根据所述偏好程度从大到小的顺序对所述产品标识排序，并从排序后的产品标识中依次选取推荐标识，将所述推荐标识对应的产品信息推荐给对应的用户标识所在的终端。

【技术特征摘要】
1.一种基于标签信息的个性化推荐方法，其特征在于，包括：获取电商平台的用户标识、产品标识和标签信息，以及各用户标识所对应的各标签信息对各产品标识进行标记的状态，并根据获取的状态生成三维表；根据所述三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型；根据所述用户产品交互矩阵模型和所述产品标签关系矩阵模型，构建用户标识、产品标识和标签信息对应的联合分解模型；利用贝叶斯个性化排序方法求解所述联合分解模型得到多个参数值；根据所述参数值获取所述用户标识对各产品标识的偏好程度；根据所述偏好程度从大到小的顺序对所述产品标识排序，并从排序后的产品标识中依次选取推荐标识，将所述推荐标识对应的产品信息推荐给对应的用户标识所在的终端。2.根据权利要求1所述的基于标签信息的个性化推荐方法，其特征在于，所述根据所述三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型，包括：根据所述三维表生成用户产品矩阵和产品标签矩阵；根据所述用户产品矩阵建立所述用户产品交互矩阵模型；根据所述产品标签矩阵建立所述产品标签关系...

【专利技术属性】
技术研发人员：刘小茵，李尧，刘业政，王锦坤，贺菲菲，李玲菲，程广明，高智伟，杨晓明，尚斌，
申请(专利权)人：广州赛宝认证中心服务有限公司，合肥工业大学，工业和信息化部电子第五研究所，
类型：发明
国别省市：广东;44