个性化推荐方法及装置、存储介质及电子设备制造方法及图纸

本发明专利技术提供一种个性化推荐方法及装置、存储介质及电子设备，该方法包括：获取初始数据集和个性化推荐数据；对初始数据集进行筛选处理，得到目标数据集；根据隐私属性集合，确定初始数据集中每个标签数据的质量分数；使用个性化推荐数据和质量分数确定每个标签数据的推荐概率，基于推荐概率确定目标标签数据，将目标标签数据加入推荐数据集合，确定推荐数据集合中的数据个数是否等于个性化推荐数据中的推荐数据总数目，若不等于，则返回执行对初始数据集进行筛选的处理的操作，直至推荐数据集合中的数据个数等于推荐数据总数目。使用隐私属性集合和个性化推荐数据，向用户推荐数据的同时保护用户的隐私，为用户提供更加优质的服务。务。务。

【技术实现步骤摘要】
个性化推荐方法及装置、存储介质及电子设备


[0001]本专利技术涉及数据推荐
，特别涉及一种个性化推荐方法及装置、存储介质及电子设备。

技术介绍

[0002]目前的推荐方法主要有内容推荐、协同过滤推荐、基于规则推荐、基于效用推荐、基于知识推荐和组合推荐，例如商品推荐系统、新闻推荐系统、电影推荐系统，这些推荐系统通过搜集并分析用户的喜好为用户提供个性化的推荐。目前的推荐方法一般是按照项目与用户喜好的匹配度从高到低依次推荐给用户，用户越喜欢什么，推荐系统越推荐什么。
[0003]目前的推荐方法只能根据用户的行为进行推荐，这种推荐方式忽略了一个事实，每个用户对他自己感兴趣的类型的数量有不同的要求。即在实践中，用户对推荐的类型数量有个性化的需求，需要根据自己的意愿设置相关数量，个性化的设置可以为用户提供更好的推荐期望。而在当前的推荐方法中，用户无法根据自己的需求进行个性化设置，只能由推荐系统根据用户喜好进行推荐，这样推荐出的结果不一定是用户所需要的，从而降低了用户的体验感。

技术实现思路

[0004]有鉴于此，本专利技术提供一种个性化推荐方法及装置、存储介质及电子设备，本专利技术可以根据用户的需求为用户推荐数据，为用户提供优质的数据推荐服务，提高用户的使用体验。
[0005]为实现上述目的，本专利技术实施例提供如下技术方案：
[0006]本专利技术第一方面公开一种个性化推荐方法，包括：
[0007]获取初始数据集，其中，所述初始数据集中包含多条标签数据；
[0008]获取用户输入的个性化推荐数据；
[0009]基于预设的数据筛选规则，对所述初始数据集进行筛选处理，得到目标数据集；
[0010]获取所述用户的隐私属性集合，并基于所述隐私属性集合，确定所述目标数据集中每个标签数据的质量分数；
[0011]使用所述个性化推荐数据中的隐私保护参数和每个所述标签数据的质量分数，计算得到每个所述标签数据的推荐概率；
[0012]基于各个所述标签数据的推荐概率，在各个所述标签数据中确定目标标签数据，并将所述目标标签数据加入推荐数据集合中；
[0013]判断所述推荐数据集合中的目标标签数据的数目是否等于所述个性化推荐数据中的推荐数据总数目；
[0014]若所述推荐数据集合中的目标标签数据的数目不等于所述个性化推荐数据中的推荐数据总数目，则返回执行所述基于预设的数据筛选规则，对所述初始数据集进行筛选处理，得到的目标数据集的步骤，直至推荐数据集合中的目标标签数据的数目等于所述个
性化推荐数据中的推荐数据总数目时，将推荐数据集合中的各个目标标签数据向所述用户推荐。
[0015]上述的方法，可选的，所述获取初始数据集，包括：
[0016]获取所述用户的采集数据；
[0017]对所述用户的采集数据进行清洗，得到有效数据；
[0018]对所述有效数据进行解析，得到各项属性标签以及各项待推荐数据；
[0019]对于每个所述待推荐数据，将所述待推荐数据分别与每个所述属性标签进行匹配，得到与每个所述属性标签对应的标签数据；
[0020]将各个所述标签数据组成初始数据集。
[0021]上述的方法，可选的，所述基于预设的数据筛选规则，对所述初始数据集进行筛选处理，得到目标数据集，包括：
[0022]获取当前的推荐数据集合，并确定当前的推荐数据集合是否为空集合；
[0023]若所述当前的推荐数据集合为空集合，则将所述初始数据集作为目标数据集；
[0024]若所述当前的推荐数据集合不为空集合，则基于所述当前的推荐数据集合，以及所述个性化推荐数据中的每个个性化标签的达标数值，对所述初始数据集进行筛选处理，得到目标数据集。
[0025]上述的方法，可选的，所述基于所述当前的推荐数据集合，以及所述个性化推荐数据中的每个个性化标签的达标数值，对所述初始数据集进行筛选处理，得到目标数据集，包括：
[0026]对于当前的推荐数据集合中的每条目标标签数据，将所述初始数据集中与所述目标标签数据的数据内容相匹配的各个标签数据删除，得到第一数据集；
[0027]确定当前的推荐数据集合中每条所述目标标签数据的属性标签，并将属性标签相同的各个目标标签数据组成数据组；
[0028]判断各个所述数据组中是否存在满足预设的达标条件的达标数据组，所述达标条件为数据组存在匹配标签，且该数据组中的目标标签数据的个数与该数据组的匹配标签所对应的达标数值相等，所述匹配标签为与该数据组的属性标签相匹配的个性化标签；
[0029]若确定各个所述数据组中存在满足所述达标条件的达标数据组，则将所述第一数据集中与所述达标数据组的属性标签相匹配的各个标签数据删除，得到目标数据集；
[0030]若确定各个所述数据组中不存在满足所述达标条件的达标数据组，则将所述第一数据集确定为目标数据集。
[0031]上述的方法，可选的，所述基于所述隐私属性集合，确定所述目标数据集中每个标签数据的质量分数，包括：
[0032]基于所述隐私属性集合，确定打分函数；
[0033]使用所述打分函数对每个所述标签数据进行处理，得到每个所述标签数据的质量分数。
[0034]上述的方法，可选的，所述使用所述个性化推荐数据中的隐私保护参数和每个所述标签数据的质量分数，计算得到每个所述标签数据的推荐概率，包括：
[0035]确定与所述隐私属性集合对应的敏感度；
[0036]对于每个所述标签数据，将所述敏感度、所述隐私保护参数以及所述标签数据的
质量分数，均代入预设的指数函数中，得到所述标签数据的推荐数值；
[0037]对每个所述标签数据的推荐数值进行归一化处理，得到每个所述标签数据的推荐概率。
[0038]上述的方法，可选的，所述基于各个所述标签数据的推荐概率，在各个所述标签数据中确定目标标签数据，包括：
[0039]按照从小到大的顺序，将各个所述推荐概率进行排序，得到概率序列；
[0040]确定所述概率序列中每个推荐概率的累计概率值；
[0041]生成与每个所述累计概率值对应的概率区间；
[0042]生成位于预设的数值区间内的随机数；
[0043]将所述随机数所属的概率区间确定为目标概率区间，并将所述目标概率区间所对应的累计概率值作为目标累计概率值；
[0044]将所述目标累计概率值所对应的标签数据确定为目标标签数据。
[0045]本专利技术第二方面公开一种个性化推荐装置，包括：
[0046]第一获取单元，用于获取初始数据集，其中，所述初始数据集中包含多条标签数据；
[0047]第二获取单元，用于获取用户输入的个性化推荐数据；
[0048]筛选单元，用于基于预设的数据筛选规则，对所述初始数据集进行筛选处理，得到目标数据集；
[0049]第一确定单元，用于获取所述用户的隐私属性集合，并基于所述隐私属性集合，确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种个性化推荐方法，其特征在于，包括：获取初始数据集，其中，所述初始数据集中包含多条标签数据；获取用户输入的个性化推荐数据；基于预设的数据筛选规则，对所述初始数据集进行筛选处理，得到目标数据集；获取所述用户的隐私属性集合，并基于所述隐私属性集合，确定所述目标数据集中每个标签数据的质量分数；使用所述个性化推荐数据中的隐私保护参数和每个所述标签数据的质量分数，计算得到每个所述标签数据的推荐概率；基于各个所述标签数据的推荐概率，在各个所述标签数据中确定目标标签数据，并将所述目标标签数据加入推荐数据集合中；判断所述推荐数据集合中的目标标签数据的数目是否等于所述个性化推荐数据中的推荐数据总数目；若所述推荐数据集合中的目标标签数据的数目不等于所述个性化推荐数据中的推荐数据总数目，则返回执行所述基于预设的数据筛选规则，对所述初始数据集进行筛选处理，得到的目标数据集的步骤，直至推荐数据集合中的目标标签数据的数目等于所述个性化推荐数据中的推荐数据总数目时，将推荐数据集合中的各个目标标签数据向所述用户推荐。2.根据权利要求1所述的方法，其特征在于，所述获取初始数据集，包括：获取所述用户的采集数据；对所述用户的采集数据进行清洗，得到有效数据；对所述有效数据进行解析，得到各项属性标签以及各项待推荐数据；对于每个所述待推荐数据，将所述待推荐数据分别与每个所述属性标签进行匹配，得到与每个所述属性标签对应的标签数据；将各个所述标签数据组成初始数据集。3.根据权利要求1所述的方法，其特征在于，所述基于预设的数据筛选规则，对所述初始数据集进行筛选处理，得到目标数据集，包括：获取当前的推荐数据集合，并确定当前的推荐数据集合是否为空集合；若所述当前的推荐数据集合为空集合，则将所述初始数据集作为目标数据集；若所述当前的推荐数据集合不为空集合，则基于所述当前的推荐数据集合，以及所述个性化推荐数据中的每个个性化标签的达标数值，对所述初始数据集进行筛选处理，得到目标数据集。4.根据权利要求3所述的方法，其特征在于，所述基于所述当前的推荐数据集合，以及所述个性化推荐数据中的每个个性化标签的达标数值，对所述初始数据集进行筛选处理，得到目标数据集，包括：对于当前的推荐数据集合中的每条目标标签数据，将所述初始数据集中与所述目标标签数据的数据内容相匹配的各个标签数据删除，得到第一数据集；确定当前的推荐数据集合中每条所述目标标签数据的属性标签，并将属性标签相同的各个目标标签数据组成数据组；判断各个所述数据组中是否存在满足预设的达标条件的达标数据组，所述达标条件为数据组存在匹配标签，且该数据组中的目标标签数据的个数与该数据组的匹配标签所对应
的达标数值相等，所述匹配标签为与该数据组的属性标签相匹配的个性化标签；若确定各个所述数据组中存在满足所述达标条件的达标数据组，则将所述第一数据集中与所述达标数据组的属性标签相匹配的各个标签数据删除，得到目标数据集；若确定各个所述数据组中不存在满足所述达标条件的达标数据组，则将所述第一数...

【专利技术属性】
技术研发人员：韩恺，陈浪，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：