【技术实现步骤摘要】
对象推荐方法及装置
本申请涉及对象推荐方法及装置，属于计算机
技术介绍
随着互联网技术的发展，数据信息以指数级别的速度爆炸增长，人们面临严重的“信息过载”问题。搜索引擎和推荐系统是解决“信息过载”的两种常用工具。用户如果有明确的目标或需求，利用搜索引擎检索数据是比较方便有效的方式。用户在浏览新闻、网上购物和观看电影等场景下往往更希望“被动”地了解自己感兴趣的内容，推荐系统提供的个性化推荐能较好的满足用户这一需求。推荐引擎的核心是推荐算法。传统的个性化推荐方法包括协同过滤推荐。协同过滤算法通过收集用户行为数据，分析用户偏好，从而为用户推荐潜在感兴趣的物品。然而，传统的协同过滤算法存在数据稀疏性问题，即在用户-物品评分矩阵中，用户对物品评分的数据很少，导致用户之间或物品之间的相似度计算不准确，从而导致推荐的准确度不高。
技术实现思路
本申请提供了一种对象推荐方法及装置，可以解决现有的协同过滤算法的对象推荐准确性较低的问题。本申请提供如下技术方案：第一方面，提供了一种对象推荐方...
【技术保护点】
1.一种对象推荐方法，其特征在于，所述方法包括：/n获取目标用户对对象的历史评分数据、历史评分时间和所述对象的属性信息；/n基于所述历史评分数据、所述历史评分时间和所述属性信息，确定所述各个对象之间的对象相似度矩阵；/n获取所述目标用户历史关注的历史目标对象和所述目标用户当前关注的实时目标对象；/n基于所述对象相似度矩阵确定每个历史目标对象的历史相似对象和每个实时目标对象的实时相似对象，得到所述目标用户的第一推荐列表；/n向所述目标用户推送所述第一推荐列表。/n
【技术特征摘要】 【专利技术属性】
1.一种对象推荐方法，其特征在于，所述方法包括：
获取目标用户对对象的历史评分数据、历史评分时间和所述对象的属性信息；
基于所述历史评分数据、所述历史评分时间和所述属性信息，确定所述各个对象之间的对象相似度矩阵；
获取所述目标用户历史关注的历史目标对象和所述目标用户当前关注的实时目标对象；
基于所述对象相似度矩阵确定每个历史目标对象的历史相似对象和每个实时目标对象的实时相似对象，得到所述目标用户的第一推荐列表；
向所述目标用户推送所述第一推荐列表。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定是否向所述目标用户推荐目标对象的第二推荐列表；
在确定向所述目标用户推荐目标对象的第二推荐列表时，基于所述目标对象的对象标识和所述对象相似度矩阵确定所述目标对象的相似对象，得到所述目标用户的第二推荐列表；
向所述目标用户推送所述第二推荐列表。
3.根据权利要求1所述的方法，其特征在于，所述基于所述历史评分数据、所述历史评分时间和所述属性信息，确定所述各个对象之间的对象相似度矩阵，包括：
基于预设的评分偏好转换模型将所述历史评分数据转换为所述目标用户对所述对象的历史偏好数据；
基于所述历史评分时间、所述历史偏好数据和预设的评分相似度公式，计算各个对象之间的评分相似度；
基于所述属性信息确定各个对象之间的属性相似度；
结合所述评分相似度和所述属性相似度得到所述对象相似度矩阵。
4.根据权利要求3所述的方法，其特征在于，所述基于所述历史评分时间、所述历史偏好数据和预设的评分相似度公式，计算各个对象之间的评分相似度，包括：
对于任意两个对象，基于所述两个对象的历史评分时间计算所述两个对象的时间权重因子；
将所述时间权重因子、所述两个对象的历史偏好数据、所述两个对象的偏好数据平均值、分别给所述两个对象评分的第一用户集合和同时给所述两个对象评分的第二用户集合输入所述评分相似度公式，得到所述各个对象之间的评分相似度。
5.根据权利要求4所述的方法，其特征在于，所述评分相似度公式通过下式表示：
其中，r_simi，j表示对象i和j之间的评分相似度，ti，j为对象i和j的时间权重因子，tu，i，tu，j分别表示目标用户u对对象i和j的历史评分时间，ru，i、ru，j分别表示目标用户u对对象i和j的历史偏好数据，分别表示对象i和j的历史偏好数据平均值，Ui，Uj分别表示给对象i和j评分的第一用户集合，Ui，j表示同时给对象i和j评分的第二用户集合。
6.根据权利要求3所述的方法，其特征在于，所述评分偏好转换模型通过下式表示：
技术研发人员：胡沁涵，朱磊，杨季文，郭心悦，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。