一种基于时间熵的个性化推荐方法及装置制造方法及图纸

本发明专利技术实施例提供一种基于时间熵的个性化推荐方法及装置，所述方法包括：对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐。本发明专利技术实施例可以提高信息推荐准确度和推荐多样性。

【技术实现步骤摘要】
一种基于时间熵的个性化推荐方法及装置
本专利技术涉及互联网智能信息推荐
，尤其涉及一种基于时间熵的个性化推荐方法及装置。
技术介绍
随着互联网技术的兴起和信息技术的快速发展，互联网产生了大量的数据信息。由Excelcom公司发布的一份“互联网一分钟产生数据”的图表信息，我们可知Facebook共产生701,389账号登陆、Netflix共有69,444小时长的视频被观看、Snapchat分享了527,760张照片、AppStore上51,000个app被下载、Linkedin创建了120多个新账号、Twitter发布了347,222条新推文、Instagram发布了28,194张新照片、Google产生了240万条新搜索请求，使得互联网从原来信息匮乏的时代走向了信息过载(Informationoverload)，这也使得用户想要从海量信息库中快速并且准确地找到其感兴趣的信息变得愈发困难。面对信息过载问题，普通用户往往无法适从。科学家为了更好地满足用户的信息需求，提出了推荐系统技术，该技术通过将机器学习、数据挖掘、用户行为学和人机交互等多个领域的技术进行结合，并运用大规模并行数据本文档来自技高网...

【技术保护点】
1.一种基于时间熵的个性化推荐方法，其特征在于，所述方法包括：对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐。

【技术特征摘要】
1.一种基于时间熵的个性化推荐方法，其特征在于，所述方法包括：对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐。2.如权利要求1所述基于时间熵的个性化推荐方法，其特征在于，所述方法还包括：若判定当前用户为新加入系统用户，采用如下项目流行度计算方式将排名在前的N个项目信息推荐给所述当前用户：其中，ipop为项目流行度，Ui代表推荐系统中评价过项目i的用户集合，I为推荐系统中的所有项目数。3.如权利要求1所述基于时间熵的个性化推荐方法，其特征在于，根据用户兴趣偏好，判定所述当前用户的用户类型为如下四种类型之一：最近喜欢且过去也喜欢、最近喜欢但过去不喜欢、最近不喜欢但过去喜欢、最近不喜欢且过去也不喜欢。4.如权利要求3所述基于时间熵的个性化推荐方法，其特征在于，所述根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐，包括：根据所述当前用户的用户类型在聚类的所述类簇中心的如下两种兴趣偏好模式中进行模式匹配：规律性兴趣偏好模式和非规律性兴趣偏好模式；其中，所述规律性兴趣偏好模式为最近喜欢且过去也喜欢；所述非规律性兴趣偏好模式包括：最近喜欢但过去不喜欢、最近不喜欢但过去喜欢、最近不喜欢且过去也不喜欢。5.如权利要求1所述基于时间熵的个性化推荐方法，其特征在于，所述根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录利用如下时间熵公式计算所述当前用户对项目的时间熵：其中，H为时间熵，n是时间间隔数，scorei为用户对项目i的评分，mi代表一个时间间隔内所有用户对项目i的评分总和，M指所有mi的总和。6.一种基...

【专利技术属性】
技术研发人员：唐恒亮，薛菲，刘涛，杨玺，董晨刚，
申请(专利权)人：北京物资学院，
类型：发明
国别省市：北京,11