在陌生领域中生成推荐项目的方法和装置制造方法及图纸

本发明专利技术提供了在陌生领域中为当前用户生成推荐项目的方法和装置。所述方法包括：在不同于所述陌生领域的参考领域中，选择当前用户的参考用户，其中所述当前用户和所述参考用户的行为在所述参考领域中具有符合用户近似度指标条件的用户近似度指标；根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。根据本发明专利技术的技术方案，即使当前用户在陌生领域完全没有历史行为数据或者仅有少量的历史行为数据，也能向当前用户进行有效的推荐。

【技术实现步骤摘要】

本专利技术涉及信息处理领域，更具体地说，涉及在陌生领域中生成推荐项目的方法和装置。
技术介绍
传统的生成推荐项目的方法是基于对大量用户的行为统计，以例如排行榜、畅销榜之类的形式进行推荐。这种推荐方式没有考虑到用户之间的差异。以图书在线销售系统的推荐项目生成系统为例，专业书籍由于其面向的读者群体有限，其销量往往大大少于小说等的销量，从而无法进入畅销榜形式进行的推荐。但是，如果向经常购买专业书籍的用户推荐小说显然并不能向该用户进行有效的推荐。这里的有效推荐可以是指所推荐的项目被用户实际查看。当然本领域中还有很多其他方法来衡量一个推荐是否是有效推荐。作为对这种无差异性推荐方法的改进，可以进一步结合用户自身的历史行为数据来生成推荐项目。再次以图书在线销售系统的推荐项目生成系统为例，如果用户购买了某本图书，那么可以向用户推荐同样购买了该图书的其他用户所购买的其他图书。或者可以根据图书之间的关联性向用户推荐与该图书相关联的其他图书，所述关联性例如同一出版社、同一作者、同一关键词等。还可以根据用户的历史购买行为将用户归入某种的用户类型，例如经常购买旅行指南的用户类型、经常购买计算机教材的用户类型或者经常购买语言学习教材的用户类型等，然后向用户推荐同样属于该用户类型的其他用户所购买的其他图书。当然，还存在进一步的其他改进。当今，图书在线销售系统往往是综合性在线销售系统的一部分。综合性在线销售系统可以包括许多销售领域，例如图书、音像制品、体育器材、服装等。如果用户在某个领域中没有或者仅有很少的历史行为数据可以分析，则难以向用户进行有效的推荐。这样的领域称为陌生领域。本领域技术人员可以根据需要定义陌生领域，例如将用户的历史行为数据量少于某阈值的领域作为该用户的陌生领域。对于主要购买过音像制品、体育器材和服装而很少或者根本不购买图书的用户，图书即为所述陌生领域。在该用户第一次或前几次查看图书时，无法通过对该用户在图书这一陌生领域中的历史行为数据的分析向该用户进行有效的推荐。例如如果用户根本没有购买过图书，那么就不可能向用户推荐同样购买了某图书的其他用户所购买的其他图书。即使用户购买过少量图书，很可能也无法可以根据用户的历史购买行为将用户归入某种的用户类型。此外，除了在线销售系统以外，对于存在领域划分并且存在推荐需求的其他系统， 例如搜索引擎系统，也同样存在上述问题。
技术实现思路
有鉴于此，本专利技术提供了在陌生领域中生成推荐项目的方法和装置。根据本专利技术的一个方面，一种在陌生领域中为当前用户生成推荐项目的方法包括在不同于所述陌生领域的参考领域中，选择当前用户的参考用户，其中所述当前用户和所述参考用户的行为在所述参考领域中具有符合用户近似度指标条件的用户近似度指标； 根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。根据本专利技术的另一方面，一种在陌生领域中为当前用户生成推荐项目的装置包括参考用户确定模块，配置为在不同于所述陌生领域的参考领域中，选择当前用户的参考用户，其中所述当前用户和所述参考用户的行为在所述参考领域中具有符合用户近似度指标条件的用户近似度指标；当前用户推荐模块，配置为根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。按照根据本专利技术实施例的技术方案，由于所述参考用户在所述参考领域与当前用户的行为近似，那么有很大可能该参考用户在所述陌生领域与所述当前用户的行为也近似，因此以该参考用户在所述陌生领域的历史行为数据作为参考为所述当前用户生成的推荐项目很可能是对该当前用户的有效推荐。还可以进一步考虑参考领域和陌生领域之间的领域近似度指标。如果某参考领域与所述陌生领域的领域近似度指标高，说明在该参考领域中行为相似的用户，在该陌生领域中的行为也应该相似；如果在该参考领域中某参考用户与当前用户的用户相似度指标也高，那么在所述陌生领域中该参考用户与当前用户的行为也应该相似，因此在该陌生领域中为该参考用户生成的推荐项目很有可能对于当前用户是有效推荐。这样，即使当前用户在陌生领域完全没有历史行为数据或者仅有少量的历史行为数据，也能向当前用户进行有效的推荐。附图说明所附权利要求中阐述了被认为是本专利技术的特点的创造性特征。但是，通过参照附图阅读下面对说明性实施例的详细说明可更好地理解专利技术本身以及其优选使用模式、目标、特征以及优点，在附图中图1是根据本专利技术实施例的生成推荐项目的方法的流程图。图2是根据本专利技术实施例的生成推荐项目的装置的方框图。具体实施例方式下面参照附图来说明本专利技术的实施例。在下面的说明中，阐述了许多具体细节以便更全面地了解本专利技术。但是，本
技术人员容易理解，本专利技术的实现可不具有这些具体细节中的一些，并且本专利技术并不限于所介绍的特定实施例。相反，可以考虑用下面的特征和要素的任意组合来实施本专利技术，而无论它们是否涉及不同的实施例。因此，下面的方面、特征、实施例和优点仅作说明之用而不应被看作是所附权利要求的要素或限定，除非权利要求中明确提出。还需要说明的一点是，为了避免因不必要的细节而模糊了本专利技术，在附图中仅仅示出了与根据本专利技术的方案密切相关的装置结构和/或处理步骤，而省略了与本专利技术关系不大的其他细节。此外，除非刻意地使用“直接”或者“间接”加以限定，否则本申请文件中的连接既包括直接连接，也包括间接地连接。此外，如前所述，除了在线销售系统以外，对于存在领域划分并且存在推荐需求的其他系统，例如搜索引擎系统，也同样存在上述问题。虽然在以下描述中以在线销售系统为例对本专利技术的实施例进行了说明，但是本领域技术人员可以容易地将本专利技术的思想应用于其他存在领域划分并且存在推荐需求的系统。如图1所示，根据本专利技术实施例的生成推荐项目的方法包括步骤101，在不同于所述陌生领域的至少一个参考领域中选择当前用户的至少一个参考用户，其中所述当前用户和所述参考用户的行为在所述至少一个参考领域中具有符合条件的用户近似度指标。用户近似度指标所需要满足的条件可以称为用户近似度指标条件。根据本专利技术的一个实施例，可以将在所述参考领域中与当前用户属于同一用户类型的用户作为当前用户的参考用户。如果当前用户在所述参考领域中属于多个用户类型， 那么可以将属于这些用户类型的用户都作为当前用户的参考用户。本领域技术人员可以理解，在一个领域中属于同一用户类型的用户其行为必然在一定程度上近似，从而具有符合用户近似度指标条件的用户近似度指标。换句话说，这相当于推断与当前用户属于同一用户类型的用户均具有相同的并且符合所述用户近似度指标条件的用户近似度指标。可以对得出用户近似度指标的方法进行改进，采用根据历史行为数据计算的方法而不是从用户类型推断的方法来得到用户近似度指标，从而使得所述用户近似度指标能更加精确地衡量这些参考用户与当前用户的近似程度。可以将根据历史行为数据计算的方法和从用户类型推断的方法结合使用，即首先选择在所述参考领域中与用户具有属于相同的用户类型的用户作为候选参考用户，然后对候选参考用户计算用户近似度指标，最后根据用户近似度指标选择参考用户。下面详细描述几种计算同一参考领域中两个用户之间的用户近似度指标的实施例。根据本专利技术的一个实施例，可以根据这两个用户在所述参考领域中的历史行为数据确定本文档来自技高网...

【技术保护点】
１．一种在陌生领域中为当前用户生成推荐项目的方法，包括：在不同于所述陌生领域的参考领域中，选择当前用户的参考用户，其中所述当前用户和所述参考用户的行为在所述参考领域中的用户近似度指标符合用户近似度指标条件；根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵石顽，袁泉，张夏天，吴贤，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：US[美国]