用于辅助推荐的方法及装置制造方法及图纸

本公开提供了一种用于辅助推荐的方法及装置。一种用于辅助推荐的方法，包括：获取预设时间段内用户对推荐对象的评分信息和操作行为信息；根据所述评分信息和操作行为信息获取所述用户对所述推荐对象的修正评分；根据所述修正评分向所述用户推荐相应的推荐对象。根据本公开的用于辅助推荐的方法及装置，能够根据优化后的评分向用户推荐对象。

Method and apparatus for assisted recommendation

The present disclosure provides a method and apparatus for assisted recommendation. A method for auxiliary recommendations include: acquiring preset rating information and operation behavior information of the user time to recommend objects; according to the revised score the score information and operation information of the user is obtained on the recommendation object; according to the revised Score to the user recommend the corresponding object. According to the present method and device for assisting recommendation, the user can be recommended according to the optimized score.

【技术实现步骤摘要】
用于辅助推荐的方法及装置
本公开总体涉及数据处理
，具体而言，涉及一种用于辅助推荐的方法及装置。
技术介绍
协同过滤是目前在推荐系统中应用比较广泛的算法之一，其利用用户群落的喜好来推荐用户感兴趣的信息。以在线教育领域为例进行说明，具体做法是学生在上过课后会对老师进行评分，然后通过一个用户对其上过课的所有的老师评分计算出和他兴趣相近的用户，从而形成用户群落，再通过用户群落中的其他老师对该用户进行推荐。在在线教育领域，用户可能会上同一个老师的课多次，每次课后都会对老师进行1-5分的评价，最后通过计算平均分作为用户对该老师的评价，评分越高代表用户越喜欢该老师，更可能对与该老师类似的老师感兴趣。在现有技术方案中，学生需要主动对老师进行评价，表达对老师的喜爱程度。但在现实系统中，因为对老师的评价不是必要过程，因此很多学生不会主动对老师进行评价。因为学生不主动评价时，系统会默认给出5分，因此即便系统中显示的评分是5分，也不一定能够反映出该用户非常喜欢该老师。另一方面，即便用户主动评价，由于每个用户对评分的方式各有差异，也很难准确衡量用户对老师的喜爱程度。另外，用户的学习过程一般来说会持续一年甚至几年，但随着用户本身水平、兴趣的变化，对老师的喜爱程度也会发生变化，而传统的主动评分系统，很难反映出这种变化。现有的推荐方法可能导致用户对老师的评价不准确，从而无法准确的形成兴趣部落，导致无法准确的为用户推荐老师。因此，需要一种新的用于辅助推荐的方法及装置。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开提供一种用于辅助推荐的方法及装置，能够实现为用户更准确的推荐对象。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一个方面，提供一种用于辅助推荐的方法，包括：获取预设时间段内用户对推荐对象的评分信息和操作行为信息；根据所述评分信息和操作行为信息获取所述用户对所述推荐对象的修正评分；根据所述修正评分向所述用户推荐相应的推荐对象。在本公开的一种示例性实施例中，所述评分信息包括评分分数以及所述评分分数相应的第一时间信息。在本公开的一种示例性实施例中，还包括：当所述评分分数处于第一分数范围内时，将所述评分分数相应的评分行为划分为第一类行为；当所述评分分数处于第二分数范围内时，将所述评分分数相应的评分行为划分为第二类行为。在本公开的一种示例性实施例中，还包括：当所述评分分数处于第三分数范围内时，去除所述评分分数。在本公开的一种示例性实施例中，所述操作行为信息包括收藏行为信息，其中所述收藏行为信息包括收藏行为的次数及所述收藏行为相应的第二时间信息。在本公开的一种示例性实施例中，所述操作行为信息还包括浏览行为信息，其中所述浏览行为信息包括浏览行为的次数及所述浏览行为相应的第三时间信息，且将所述浏览行为定义为第三类行为。在本公开的一种示例性实施例中，所述根据所述评分信息和操作行为信息获取所述用户对所述推荐对象的修正评分，根据以下公式计算获得：其中，n为所述预设时间段内所述用户对所述推荐对象的评分次数和浏览次数的和，T为所述评分分数相应的所述第一时间信息和/或所述浏览行为相应的所述第三时间信息，F为所述收藏行为相应的第二时间信息，W为所述第一至第三类行为对应的预设常数。在本公开的一种示例性实施例中，还包括：当所述评分行为为所述第一类行为时，设置W＝8；当所述评分行为为所述第二类行为时，设置W＝4；当为所述浏览行为时，设置W＝1。在本公开的一种示例性实施例中，所述根据所述修正评分向所述用户推荐相应的推荐对象包括：根据所述公式计算第一用户对其相应的一个或者多个第一推荐对象的修正评分，获取第一向量；计算一个或者多个第二用户对其相应的一个或者多个第二推荐对象的修正评分，获取一个或者多个第二向量；计算所述第一向量和所述第二向量之间的第一相似度；选择所述第一相似度最高的K个所述第二用户作为所述第一用户的用户群落；根据所述用户群落中的K个所述第二用户相应的所述第二推荐对象对所述第一用户进行推荐。在本公开的一种示例性实施例中，所述根据所述修正评分向所述用户推荐相应的推荐对象还包括：计算所述用户群落中的K个所述第二用户相应的所述第二推荐对象与所说第一用户相应的所述第一推荐对象之间的第二相似度；当所述第二相似度超过预设阈值时，将所述第二推荐对象推荐给所述第一用户。在本公开的一种示例性实施例中，所述根据所述修正评分向所述用户推荐相应的推荐对象还包括：剔除所述第一推荐对象和所述第二推荐对象中的相同推荐对象。根据本公开的一个方面，提供一种用于辅助推荐的装置，包括：信息获取模块，用于获取预设时间段内用户对推荐对象的评分信息和操作行为信息；评分修正模块，用于根据所述评分信息和操作行为信息获取所述用户对所述推荐对象的修正评分；推荐模块，用于根据所述修正评分向所述用户推荐相应的推荐对象。在本公开的一种示例性实施例中，所述评分信息包括评分分数以及所述评分分数相应的第一时间信息。在本公开的一种示例性实施例中，还包括：行为类别划分模块，所述行为类别划分模块用于当所述评分分数处于第一分数范围内时，将所述评分分数相应的评分行为划分为第一类行为；当所述评分分数处于第二分数范围内时，将所述评分分数相应的评分行为划分为第二类行为。在本公开的一种示例性实施例中，所述操作行为信息包括收藏行为信息，其中所述收藏行为信息包括收藏行为的次数及所述收藏行为相应的第二时间信息。在本公开的一种示例性实施例中，所述操作行为信息还包括浏览行为信息，其中所述浏览行为信息包括浏览行为的次数及所述浏览行为相应的第三时间信息，且将所述浏览行为定义为第三类行为。在本公开的一种示例性实施例中，所述评分修正模块根据以下公式计算获得所述修正评分：其中，n为所述预设时间段内所述用户对所述推荐对象的评分次数和浏览次数的和，T为所述评分分数相应的所述第一时间信息和/或所述浏览行为相应的所述第三时间信息，F为所述收藏行为相应的第二时间信息，W为所述第一至第三类行为对应的预设常数。在本公开的一种示例性实施例中，所述推荐模块包括：第一向量获取单元，用于根据所述公式计算第一用户对其相应的一个或者多个第一推荐对象的修正评分，获取第一向量；第二向量获取单元，用于计算一个或者多个第二用户对其相应的一个或者多个第二推荐对象的修正评分，获取一个或者多个第二向量；第一相似度获取单元，用于计算所述第一向量和所述第二向量之间的第一相似度；选择单元，用于选择所述第一相似度最高的K个所述第二用户作为所述第一用户的用户群落；第一推荐单元，用于根据所述用户群落中的K个所述第二用户相应的所述第二推荐对象对所述第一用户进行推荐。在本公开的一种示例性实施例中，所述推荐模块还包括：第二相似度计算单元，用于计算所述用户群落中的K个所述第二用户相应的所述第二推荐对象与所说第一用户相应的所述第一推荐对象之间的第二相似度；第二推荐单元，用于当所述第二相似度超过预设阈值时，将所述第二推荐对象推荐给所述第一用户。根据本公开的用于辅助推荐的方法及装置，通过显式评分和隐式评分的结合，能够实现更准确的为用户推荐对象。应当理解的本文档来自技高网...

【技术保护点】
一种用于辅助推荐的方法，其特征在于，包括：获取预设时间段内用户对推荐对象的评分信息和操作行为信息；根据所述评分信息和操作行为信息获取所述用户对所述推荐对象的修正评分；根据所述修正评分向所述用户推荐相应的推荐对象。

【技术特征摘要】
1.一种用于辅助推荐的方法，其特征在于，包括：获取预设时间段内用户对推荐对象的评分信息和操作行为信息；根据所述评分信息和操作行为信息获取所述用户对所述推荐对象的修正评分；根据所述修正评分向所述用户推荐相应的推荐对象。2.根据权利要求1所述的方法，其特征在于，所述评分信息包括评分分数以及所述评分分数相应的第一时间信息。3.根据权利要求2所述的方法，其特征在于，还包括：当所述评分分数处于第一分数范围内时，将所述评分分数相应的评分行为划分为第一类行为；当所述评分分数处于第二分数范围内时，将所述评分分数相应的评分行为划分为第二类行为。4.根据权利要求3所述的方法，其特征在于，还包括：当所述评分分数处于第三分数范围内时，去除所述评分分数。5.根据权利要求3或4所述的方法，其特征在于，所述操作行为信息包括收藏行为信息，其中所述收藏行为信息包括收藏行为的次数及所述收藏行为相应的第二时间信息。6.根据权利要求5所述的方法，其特征在于，所述操作行为信息还包括浏览行为信息，其中所述浏览行为信息包括浏览行为的次数及所述浏览行为相应的第三时间信息，且将所述浏览行为定义为第三类行为。7.根据权利要求6所述的方法，其特征在于，所述根据所述评分信息和操作行为信息获取所述用户对所述推荐对象的修正评分，根据以下公式计算获得：其中，n为所述预设时间段内所述用户对所述推荐对象的评分次数和浏览次数的和，T为所述评分分数相应的所述第一时间信息和/或所述浏览行为相应的所述第三时间信息，F为所述收藏行为相应的第二时间信息，W为所述第一至第三类行为对应的预设常数。8.根据权利要求7所述的方法，其特征在于，还包括：当所述评分行为为所述第一类行为时，设置W＝8；当所述评分行为为所述第二类行为时，设置W＝4；当为所述浏览行为时，设置W＝1。9.根据权利要求7所述的方法，其特征在于，所述根据所述修正评分向所述用户推荐相应的推荐对象包括：根据所述公式计算第一用户对其相应的一个或者多个第一推荐对象的修正评分，获取第一向量；计算一个或者多个第二用户对其相应的一个或者多个第二推荐对象的修正评分，获取一个或者多个第二向量；计算所述第一向量和所述第二向量之间的第一相似度；选择所述第一相似度最高的K个所述第二用户作为所述第一用户的用户群落；根据所述用户群落中的K个所述第二用户相应的所述第二推荐对象对所述第一用户进行推荐。10.根据权利要求9所述的方法，其特征在于，所述根据所述修正评分向所述用户推荐相应的推荐对象还包括：计算所述用户群落中的K个所述第二用户相应的所述第二推荐对象与所说第一用户相应的所述第一推荐对象之间的第二相似度；当所述第二相似度超过预设阈值时，将所述第二推荐对象推荐给所述第一用户。11.根据...

【专利技术属性】
技术研发人员：刘一丁，
申请(专利权)人：北京大米科技有限公司，
类型：发明
国别省市：北京,11