项目推荐的方法及装置制造方法及图纸

本发明专利技术适用于信息技术领域，提供了一种项目推荐的方法及装置，包括：获取待推荐用户当前位置的预设距离范围内的项目信息，根据所述项目信息获取候选用户群；计算所述待推荐用户与所述候选用户群中每一个候选用户的交互行为相似度和项目评分相似度；根据所述交互行为相似度和项目评分相似度计算所述待推荐用户与每一个候选用户之间的复合相似度；选取复合相似度最大的N个候选用户组成所述待推荐用户的近邻集；获取所述近邻集中每一个候选用户所关注的项目，预测所述待推荐用户对所述项目的评分，并将评分最高的M个项目推荐给所述待推荐用户。本发明专利技术实现解决了现有的个性化推荐技术存在数据稀疏、冷启动的问题，提高了项目推荐的准确性。

Method and apparatus for project recommendation

The invention is applicable to the field of information technology, provides a method and a device project includes: acquiring preset range to recommend the current location of the user within the project information, according to the project information to obtain the candidate user groups; calculating the waiting user and the candidate users each candidate users the interactive behavior and similarity score similarity; composite similarity according to the interactive behavior of similarity and similarity calculation between the scores for each candidate recommended users and users; selecting composite with the largest similarity N candidate user. The user recommended neighbor set; obtaining the concentration of each candidate neighbor users are concerned about the project, the prediction of the project to be recommended to score, and score the highest M items recommended to the user recommended . The invention solves the problems of sparse data and cold start of the existing personalized recommendation technology, and improves the accuracy of the project recommendation.

【技术实现步骤摘要】
项目推荐的方法及装置
本专利技术属于信息
，尤其涉及一种项目推荐的方法及装置。
技术介绍
针对互联网的个性化推荐技术通过挖掘用户的历史浏览信息、购买信息、消费频率以及对商品的评价来建立用户的兴趣模型，然后根据该兴趣模型向用户推荐广告、商品等项目信息。然而，对于首次加入推荐系统的用户和项目，由于没有历史记录，现有的个性化推荐计数无法向该用户进行推荐，也无法将最新加入的该项目推荐给用户。随着用户和项目的规模快速增加，没有用户评分的项目也越来越多，导致矩阵数值稀缺，进而严重影响了推荐结果的精准性。另一方面，现有的移动终端使得用户可以在任何时间、地点发布社交网络信息，用户的兴趣爱好也会随着时间和环境等因素的改变而发生变化，现有的个性化推荐系统无法及时捕捉用户的动态信息，进而无法实现精准的推送，推送效果不佳。综上所述，现有的个性化推荐技术存在数据稀疏、冷启动以及信息过载的问题。
技术实现思路
鉴于此，本专利技术实施例提供了一种项目推荐的方法及装置，以解决现有的个性化推荐技术存在数据稀疏、冷启动以及信息过载的问题。第一方面，提供了一种项目推荐的方法，所述方法包括：获取待推荐用户当前位置的预设距离范围内的项目信息，根据所述项目信息获取候选用户群；计算所述待推荐用户与所述候选用户群中每一个候选用户的交互行为相似度和项目评分相似度；根据所述交互行为相似度和项目评分相似度计算所述待推荐用户与每一个候选用户之间的复合相似度；选取复合相似度最大的N个候选用户组成所述待推荐用户的近邻集；获取所述近邻集中每一个候选用户所关注的项目，预测所述待推荐用户对所述项目的评分，并将评分最高的M个项目推荐给所述待推荐用户。进一步地，所述计算所述待推荐用户与所述候选用户群中每一个候选用户的交互行为相似度和项目评分相似度包括：对于所述候选用户群中的每一个候选用户，根据所述待推荐用户与所述候选用户之间的相互评论数目计算所述待推荐用户与所述候选用户之间的交互行为相似度；根据所述待推荐用户与所述候选用户对应的项目评分矩阵，计算所述待推荐用户与所述候选用户之间的项目评分相似度。进一步地，所述根据所述待推荐用户与所述候选用户对应的项目评分矩阵，计算所述待推荐用户与所述候选用户之间的项目评分相似度包括：获取所述待推荐用户的项目评分矩阵和所述候选用户的项目评分矩阵；根据预设的时间加权函数分别对所述待推荐用户和所述候选用户的项目评分矩阵进行一次修正；根据预设的距离加权函数对一次修正后的项目评分矩阵进行二次修正；根据二次修正后的所述待推荐用户与所述候选用户对应的项目评分矩阵，计算所述待推荐用户与所述候选用户之间的项目评分相似度。进一步地，所述时间加权函数为基于时间的遗忘函数，所述距离加权函数为基于距离的遗忘函数。进一步地，所述获取所述近邻集中每一个候选用户所关注的项目，预测所述待推荐用户对所述项目的评分，并将评分最高的M个项目推荐给所述待推荐用户包括：获取所述近邻集中每一个候选用户v对已消费项目i的项目评分rv,i、所述候选用户v的项目评分的均值所述待推荐用户u的项目评分的均值以及所述待推荐用户u与所述近邻集中每一个候选用户v之间的复合相似度sim'(u,v)；按照预设公式预测所述待推荐用户对所述项目i的项目评分Pu,i；选取所述项目评分Pu,i最高的M个项目推荐给所述待推荐用户。。第二方面，提供了一种项目推荐的装置，所述装置包括：用户群获取模块，用于获取待推荐用户当前位置的预设距离范围内的项目信息，根据所述项目信息获取候选用户群；第一相似度计算模块，用于计算所述待推荐用户与所述候选用户群中每一个候选用户的交互行为相似度和项目评分相似度；第二相似度计算模块，用于根据所述交互行为相似度和项目评分相似度计算所述待推荐用户与每一个候选用户之间的复合相似度；邻近集获取模块，用于选取复合相似度最大的N个候选用户组成所述待推荐用户的近邻集；预测推荐模块，用于获取所述近邻集中每一个候选用户所关注的项目，预测所述待推荐用户对所述项目的评分，并将评分最高的M个项目推荐给所述待推荐用户。进一步地，所述第一相似度计算模块包括：交互行为相似度计算单元，用于对于所述候选用户群中的每一个候选用户，根据所述待推荐用户与所述候选用户之间的相互评论数目计算所述待推荐用户与所述候选用户之间的交互行为相似度；项目评分相似度计算单元，用于根据所述待推荐用户与所述候选用户对应的项目评分矩阵，计算所述待推荐用户与所述候选用户之间的项目评分相似度。进一步地，所述项目评分相似度计算单元包括:获取子单元，用于获取所述待推荐用户的项目评分矩阵和所述候选用户的项目评分矩阵；第一修正子单元，用于根据预设的时间加权函数分别对所述待推荐用户和所述候选用户的项目评分矩阵进行一次修正；第二修正子单元，用于根据预设的距离加权函数对一次修正后的项目评分矩阵进行二次修正；计算子单元，用于根据二次修正后的所述待推荐用户与所述候选用户对应的项目评分矩阵，计算所述待推荐用户与所述候选用户之间的项目评分相似度。进一步地，所述时间加权函数为基于时间的遗忘函数，所述距离加权函数为基于距离的遗忘函数。进一步地，所述预测推荐模块包括：获取单元，用于获取所述近邻集中每一个候选用户v对已消费项目i的项目评分rv,i、所述候选用户v的项目评分的均值所述待推荐用户u的项目评分的均值以及所述待推荐用户u与所述近邻集中每一个候选用户v之间的复合相似度sim'(u,v)；预测单元，用于按照预设公式预测所述待推荐用户对所述项目i的项目评分Pu,i；推荐单元，用于选取所述项目评分Pu,i最高的M个项目推荐给所述待推荐用户。与现有技术相比，本专利技术实施例在进行推荐时，获取待推荐用户当前位置的预设距离范围内的项目信息，根据所述项目信息获取候选用户群；然后计算所述待推荐用户与所述候选用户群中每一个候选用户的交互行为相似度和项目评分相似度；根据所述交互行为相似度和项目评分相似度计算所述待推荐用户与每一个候选用户之间的复合相似度；选取复合相似度最大的N个候选用户组成所述待推荐用户的近邻集；最后根据所述近邻集中每一个候选用户所关注的项目，预测所述待推荐用户对所述项目的评分，并将评分最高的M个项目推荐给所述待推荐用户。从而将待推荐用户在社交网络的交互信息和移动轨迹信息融合到用户相似度的计算过程中，将用户的未消费项目也纳入到推荐范围内，有效地解决了现有的个性化推荐技术存在数据稀疏、冷启动的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图1是本专利技术实施例提供的项目推荐的方法的实现流程图；图2是本专利技术实施例提供的根据所述待推荐用户与所述候选用户对应的项目评分矩阵计算两者之间的项目评分相似度的具体实现流程图；图3是本专利技术实施例提供的项目推荐的方法中步骤S105的具体实现流程图；图4是本专利技术实施例提供的项目推荐的装置的组成结构图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体本文档来自技高网...

【技术保护点】
一种项目推荐的方法，其特征在于，所述方法包括：获取待推荐用户当前位置的预设距离范围内的项目信息，根据所述项目信息获取候选用户群；计算所述待推荐用户与所述候选用户群中每一个候选用户的交互行为相似度和项目评分相似度；根据所述交互行为相似度和项目评分相似度计算所述待推荐用户与每一个候选用户之间的复合相似度；选取复合相似度最大的N个候选用户组成所述待推荐用户的近邻集；获取所述近邻集中每一个候选用户所关注的项目，预测所述待推荐用户对所述项目的评分，并将评分最高的M个项目推荐给所述待推荐用户。

【技术特征摘要】
1.一种项目推荐的方法，其特征在于，所述方法包括：获取待推荐用户当前位置的预设距离范围内的项目信息，根据所述项目信息获取候选用户群；计算所述待推荐用户与所述候选用户群中每一个候选用户的交互行为相似度和项目评分相似度；根据所述交互行为相似度和项目评分相似度计算所述待推荐用户与每一个候选用户之间的复合相似度；选取复合相似度最大的N个候选用户组成所述待推荐用户的近邻集；获取所述近邻集中每一个候选用户所关注的项目，预测所述待推荐用户对所述项目的评分，并将评分最高的M个项目推荐给所述待推荐用户。2.如权利要求1所述的项目推荐的方法，其特征在于，所述计算所述待推荐用户与所述候选用户群中每一个候选用户的交互行为相似度和项目评分相似度包括：对于所述候选用户群中的每一个候选用户，根据所述待推荐用户与所述候选用户之间的相互评论数目计算所述待推荐用户与所述候选用户之间的交互行为相似度；根据所述待推荐用户与所述候选用户对应的项目评分矩阵，计算所述待推荐用户与所述候选用户之间的项目评分相似度。3.如权利要求2所述的项目推荐的方法，其特征在于，所述根据所述待推荐用户与所述候选用户对应的项目评分矩阵，计算所述待推荐用户与所述候选用户之间的项目评分相似度包括：获取所述待推荐用户的项目评分矩阵和所述候选用户的项目评分矩阵；根据预设的时间加权函数分别对所述待推荐用户和所述候选用户的项目评分矩阵进行一次修正；根据预设的距离加权函数对一次修正后的项目评分矩阵进行二次修正；根据二次修正后的所述待推荐用户与所述候选用户对应的项目评分矩阵，计算所述待推荐用户与所述候选用户之间的项目评分相似度。4.如权利要求3所述的项目推荐的方法，其特征在于，所述时间加权函数为基于时间的遗忘函数，所述距离加权函数为基于距离的遗忘函数。5.如权利要求1至4任一项所述的项目推荐的方法，其特征在于，所述获取所述近邻集中每一个候选用户所关注的项目，预测所述待推荐用户对所述项目的评分，并将评分最高的M个项目推荐给所述待推荐用户包括：获取所述近邻集中每一个候选用户v对已消费项目i的项目评分rv,i、所述候选用户v的项目评分的均值所述待推荐用户u的项目评分的均值以及所述待推荐用户u与所述近邻集中每一个候选用户v之间的复合相似度sim'(u,v)；按照预设公式预测所述待推荐用户对所述项目i的项目评分Pu,i；选取所述项目评分Pu,i最高的M个项目推荐给所述待推荐用户。6.一种项...

【专利技术属性】
技术研发人员：冯研，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东,44