一种物品推荐方法及装置制造方法及图纸

本发明专利技术实施例公开了一种物品推荐方法及装置，其中方法包括：建立全部物品全部用户的第一资源分布矩阵；对第一资源分布矩阵，通过物质扩散算法，确定第一正向转移矩阵以及第一反向转移矩阵；根据第一正向转移矩阵以及第一反向转移矩阵，确定全部物品全部用户的第一双向转移矩阵；确定第一双向转移矩阵的最优流行性惩罚参数；利用最优流行性惩罚参数，确定全部物品全部用户的第二双向转移矩阵；根据第一资源分布矩阵以及第二双向转移矩阵，确定全部物品全部用户的第二资源分布矩阵；根据第二资源分布矩阵，给全部用户的每个用户推荐全部物品中对应的至少一个物品。本发明专利技术实施例实现了为用户推荐更精准、更趋近用户消费习惯的物品。

Method and device for recommending articles

The embodiment of the invention discloses an article recommendation method and device, wherein the method comprises the following steps: first resource distribution matrix establish all items all users; on the first resource distribution matrix, through the material diffusion algorithm to determine the first positive transfer matrix and the first reverse transfer matrix; according to the first positive transfer matrix and the first reverse transfer matrix, the first two the transfer matrix to determine all items of all users; determine the first two-way transfer matrix optimal epidemic penalty parameter; the optimal epidemic penalty parameter, determine all items of all users of the second two-way transfer matrix; according to the first resource distribution matrix and second two-way transfer matrix, second matrix to determine the distribution of resources of all the items of all users according to the distribution matrix; second resources, each user to all users recommend all things At least one item corresponding to the product. The embodiment of the invention realizes an article that recommends more accurate and more approaching user's consumption habit for the user.

【技术实现步骤摘要】
一种物品推荐方法及装置
本专利技术涉及互联网
，特别是涉及一种物品推荐方法及装置。
技术介绍
在互联网技术迅速发展的今天，每天面临各大信息的冲击，为了研究如何有效的筛选出用户所需要的信息，推荐系统已成为各大互联网企业解决问题的首选系统。现有技术中，针对商品领域的推荐系统中，主要有以下的推荐方式：基于物品间因果关系的推荐方法。在基于因果关系的推荐方法中，根据商品-用户的二部图模型，利用过滤算法通过物品的因果关系给用户推荐相关物品，在使用这种推荐方式时，如果物品间没有因果关系时，当用户同时喜欢多个物品时，这种推荐方式不能准确为用户做合理的推荐判断。当出现这种情况时，需要选用基于物品的一致相似性推荐方式为用户推荐物品。一致相似性分为正向相似性和反向相似性。正向相似性是从已选择物品到未选择物品的相似性，反向相似性是从未选择物品到已选择物品的相似性构成。现有技术中只考虑正向相似性的推荐，容易导致物品相似性估计偏差，从而导致只为用户推荐流行物品，影响推荐物品的准确性。
技术实现思路
本专利技术实施例的目的在于提供一种物品推荐方法及装置，实现为用户推荐更精准、更趋近用户消费习惯的物品。为达到上述专利技术目的，本专利技术实施例公开了一种物品推荐方法，包括：获取数据库中全部物品、全部用户、所述全部用户中每个用户已购买的全部物品的对应关系及所述全部物品中每个物品被全部用户已购买的对应关系，建立所述数据库中所述全部物品所述全部用户的第一资源分布矩阵；对所述全部物品所述全部用户的所述第一资源分布矩阵，通过物质扩散算法，确定所述全部物品所述全部用户的第一正向转移矩阵，确定所述全部物品所述全部用户的第一反向转移矩阵；根据所述第一正向转移矩阵以及所述第一反向转移矩阵，确定所述全部物品所述全部用户的第一双向转移矩阵；确定所述第一双向转移矩阵的最优流行性惩罚参数；利用所述最优流行性惩罚参数，对所述第一双向转移矩阵进行修正，确定修正后对应的、所述数据库中所述全部物品所述全部用户的第二双向转移矩阵；根据所述第一资源分布矩阵以及所述第二双向转移矩阵，确定所述全部物品所述全部用户的第二资源分布矩阵；根据所述第二资源分布矩阵的所述全部物品所述全部用户的对应关系，给所述全部用户的每个用户推荐全部物品中对应的至少一个物品。可选地，所述根据所述第一正向转移矩阵以及所述第一反向转移矩阵，确定所述全部物品所述全部用户的第一双向转移矩阵，包括：将所述第一正向转移矩阵以及所述第一反向转移矩阵对应的元素相乘，得到第一矩阵；将所述第一矩阵开平方得到第二矩阵，将所述第二矩阵确定为所述全部物品所述全部用户的所述第一双向转移矩阵。可选地，所述确定所述第一双向转移矩阵的最优流行性惩罚参数，包括：通过所述全部物品所述全部用户的所述第一资源分布矩阵，将所述第一资源分布矩阵划分成两个矩阵，对应形成资源分布第一子矩阵和资源分布第二子矩阵，其中，所述资源分布第一子矩阵中有至少一个物品以及至少一个物品对应的至少一个用户，所述资源分布第二子矩阵中有至少一个物品以及至少一个物品对应的至少一个用户；通过所述资源分布第一子矩阵，确定所述资源分布第一子矩阵对应的第一正向转移矩阵以及所述第一资源分布矩阵对应的第一反向转移矩阵；通过所述资源分布第一子矩阵对应的所述第一正向转移矩阵以及所述资源分布第一子矩阵对应的所述第一反向转移矩阵，确定所述资源分布第一子矩阵对应的第一双向转移矩阵；在预设的流行性惩罚参数集合中选取第一流行性惩罚参数，通过所述资源分布第一子矩阵、所述第一流行性惩罚参数以及所述资源分布第一子矩阵对应的所述第一双向转移矩阵，确定所述第一流行性惩罚参数条件下的当前资源分布矩阵；通过所述流行性惩罚参数集合、所述资源分布第一子矩阵、所述资源分布第一子矩阵对应的所述第一双向转移矩阵，确定所述流行性惩罚参数集合中除第一流行性惩罚参数外剩余的流行性惩罚参数条件下、至少一个当前资源分布矩阵；通过所述资源分布第二子矩阵，在全部当前资源分布矩阵中确定最优当前资源分布矩阵；将所述最优当前资源分布矩阵对应的流行性惩罚参数，确定为所述第一双向转移矩阵的所述最优流行性惩罚参数。可选地，所述利用所述最优流行性惩罚参数，对所述第一双向转移矩阵进行修正，确定修正后对应的、所述数据库中所述全部物品所述全部用户的第二双向转移矩阵，包括：通过所述第一资源分布矩阵，计算所述全部物品中每个物品被全部用户已购买的所述全部用户数目，得到所述全部物品中每个物品的度函数，将所述每个物品的度函数作为第一结果；将所述最优流行性惩罚参数作为所述第一结果的指数，得到以所述第一结果为底数、所述最优流行性惩罚参数为指数的幂函数，计算所述幂函数的倒数，得到第二结果；将所述第二结果与所述第一双向转移矩阵相乘得到的矩阵，确定为修正后对应的、所述数据库中所述全部物品所述全部用户的所述第二双向转移矩阵。可选地，所述根据所述第二资源分布矩阵的所述全部物品所述全部用户的对应关系，将所述全部物品中至少一个物品推荐给所述全部用户中对应的每个用户，包括：通过所述第二资源分布矩阵的所述全部物品所述全部用户的对应关系，获取所述全部用户中第一用户对应的全部物品的概率值；按照所述第一用户对应的所述全部物品的概率值从大到小的顺序，将所述全部物品中前N个所述第一用户未购买的物品推荐给所述第一用户，其中，所述N为等于或者大于1的自然数；按照所述全部用户中除第一用户以外的剩余用户对应的所述全部物品的概率值从大到小的顺序，将所述全部物品中前N个、每个所述剩余用户未购买的物品推荐给所述全部用户中对应的每个所述剩余用户，其中，所述N为等于或者大于1的自然数。可选地，在所述通过所述第二资源分布矩阵的所述全部物品所述全部用户的对应关系，获取所述全部用户中第一用户对应的全部物品的概率值之后，所述方法还包括：按照所述第一用户对应的所述全部物品的概率值从小到大的顺序，将所述全部物品中后N个所述第一用户未购买的物品推荐给所述第一用户，其中，所述N为等于或者大于1的自然数；按照所述全部用户中除第一用户以外的剩余用户对应的所述全部物品的概率值从小到大的顺序，将所述全部物品中后N个、每个所述剩余用户未购买的物品推荐给所述全部用户中对应的每个所述剩余用户，其中，所述N为等于或者大于1的自然数。为达到上述专利技术目的，本专利技术实施例还公开了一种物品推荐装置，包括：第一资源分布矩阵确定模块，用于获取数据库中全部物品、全部用户、所述全部用户中每个用户已购买的全部物品的对应关系及所述全部物品中每个物品被全部用户已购买的对应关系，建立所述数据库中所述全部物品所述全部用户的第一资源分布矩阵；第一单向转移矩阵确定模块，用于对所述全部物品所述全部用户的所述第一资源分布矩阵，通过物质扩散算法，确定所述全部物品所述全部用户的第一正向转移矩阵，确定所述全部物品所述全部用户的第一反向转移矩阵；第一双向转移矩阵确定模块，用于根据所述第一正向转移矩阵以及所述第一反向转移矩阵，确定所述全部物品所述全部用户的第一双向转移矩阵；最优流行性惩罚参数确定模块，用于确定所述第一双向转移矩阵的最优流行性惩罚参数；第二双向转移矩阵确定模块，用于利用所述最优流行性惩罚参数，对所述第一双向转移矩阵进行修正，确定修正后对应的、所述数据库中所述全部物品所述全部用户本文档来自技高网...

【技术保护点】
一种物品推荐方法，其特征在于，包括：获取数据库中全部物品、全部用户、所述全部用户中每个用户已购买的全部物品的对应关系以及所述全部物品中每个物品被全部用户已购买的对应关系，建立所述数据库中所述全部物品所述全部用户的第一资源分布矩阵；对所述全部物品所述全部用户的所述第一资源分布矩阵，通过物质扩散算法，确定所述全部物品所述全部用户的第一正向转移矩阵，确定所述全部物品所述全部用户的第一反向转移矩阵；根据所述第一正向转移矩阵以及所述第一反向转移矩阵，确定所述全部物品所述全部用户的第一双向转移矩阵；确定所述第一双向转移矩阵的最优流行性惩罚参数；利用所述最优流行性惩罚参数，对所述第一双向转移矩阵进行修正，确定修正后对应的、所述数据库中所述全部物品所述全部用户的第二双向转移矩阵；根据所述第一资源分布矩阵以及所述第二双向转移矩阵，确定所述全部物品所述全部用户的第二资源分布矩阵；根据所述第二资源分布矩阵的所述全部物品所述全部用户的对应关系，给所述全部用户的每个用户推荐所述全部物品中对应的至少一个物品。

【技术特征摘要】
1.一种物品推荐方法，其特征在于，包括：获取数据库中全部物品、全部用户、所述全部用户中每个用户已购买的全部物品的对应关系以及所述全部物品中每个物品被全部用户已购买的对应关系，建立所述数据库中所述全部物品所述全部用户的第一资源分布矩阵；对所述全部物品所述全部用户的所述第一资源分布矩阵，通过物质扩散算法，确定所述全部物品所述全部用户的第一正向转移矩阵，确定所述全部物品所述全部用户的第一反向转移矩阵；根据所述第一正向转移矩阵以及所述第一反向转移矩阵，确定所述全部物品所述全部用户的第一双向转移矩阵；确定所述第一双向转移矩阵的最优流行性惩罚参数；利用所述最优流行性惩罚参数，对所述第一双向转移矩阵进行修正，确定修正后对应的、所述数据库中所述全部物品所述全部用户的第二双向转移矩阵；根据所述第一资源分布矩阵以及所述第二双向转移矩阵，确定所述全部物品所述全部用户的第二资源分布矩阵；根据所述第二资源分布矩阵的所述全部物品所述全部用户的对应关系，给所述全部用户的每个用户推荐所述全部物品中对应的至少一个物品。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一正向转移矩阵以及所述第一反向转移矩阵，确定所述全部物品所述全部用户的第一双向转移矩阵，包括：将所述第一正向转移矩阵以及所述第一反向转移矩阵对应的元素相乘，得到第一矩阵；将所述第一矩阵开平方得到第二矩阵，将所述第二矩阵确定为所述全部物品所述全部用户的所述第一双向转移矩阵。3.根据权利要求1或2所述的方法，其特征在于，所述确定所述第一双向转移矩阵的最优流行性惩罚参数，包括：通过所述全部物品所述全部用户的所述第一资源分布矩阵，将所述第一资源分布矩阵划分成两个矩阵，对应形成资源分布第一子矩阵和资源分布第二子矩阵，其中，所述资源分布第一子矩阵中有至少一个物品以及至少一个物品对应的至少一个用户，所述资源分布第二子矩阵中有至少一个物品以及至少一个物品对应的至少一个用户；通过所述资源分布第一子矩阵，确定所述资源分布第一子矩阵对应的第一正向转移矩阵以及所述第一资源分布矩阵对应的第一反向转移矩阵；通过所述资源分布第一子矩阵对应的所述第一正向转移矩阵以及所述资源分布第一子矩阵对应的所述第一反向转移矩阵，确定所述资源分布第一子矩阵对应的第一双向转移矩阵；在预设的流行性惩罚参数集合中选取第一流行性惩罚参数，通过所述资源分布第一子矩阵、所述第一流行性惩罚参数以及所述资源分布第一子矩阵对应的所述第一双向转移矩阵，确定所述第一流行性惩罚参数条件下的当前资源分布矩阵；通过所述流行性惩罚参数集合、所述资源分布第一子矩阵、所述资源分布第一子矩阵对应的所述第一双向转移矩阵，确定所述流行性惩罚参数集合中除第一流行性惩罚参数外剩余的流行性惩罚参数条件下、至少一个当前资源分布矩阵；通过所述资源分布第二子矩阵，在全部当前资源分布矩阵中确定最优当前资源分布矩阵；将所述最优当前资源分布矩阵对应的流行性惩罚参数，确定为所述第一双向转移矩阵的所述最优流行性惩罚参数。4.根据权利要求1或2所述的方法，其特征在于，所述利用所述最优流行性惩罚参数，对所述第一双向转移矩阵进行修正，确定修正后对应的、所述数据库中所述全部物品所述全部用户的第二双向转移矩阵，包括：通过所述第一资源分布矩阵，计算所述全部物品中每个物品被全部用户已购买的所述全部用户数目，得到所述全部物品中每个物品的度函数，将所述每个物品的度函数作为第一结果；将所述最优流行性惩罚参数作为所述第一结果的指数，得到以所述第一结果为底数、所述最优流行性惩罚参数为指数的幂函数，计算所述幂函数的倒数，得到第二结果；将所述第二结果与所述第一双向转移矩阵相乘得到的矩阵，确定为修正后对应的、所述数据库中所述全部物品所述全部用户的所述第二双向转移矩阵。5.根据权利要求1或2所述的方法，其特征在于，所述根据所述第二资源分布矩阵的所述全部物品所述全部用户的对应关系，将所述全部物品中至少一个物品推荐给所述全部用户中对应的每个用户，包括：通过所述第二资源分布矩阵的所述全部物品所述全部用户的对应关系，获取所述全部用户中第一用户对应的全部物品的概率值；按照所述第一用户对应的所述全部物品的概率值从大到小的顺序，将所述全部物品中前N个所述第一...

【专利技术属性】
技术研发人员：朱旭振，陈桂林，田辉，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11