CN101685458A - 一种基于协同过滤的推荐方法和*** - Google Patents

一种基于协同过滤的推荐方法和*** Download PDF

Info

Publication number
CN101685458A
CN101685458A CN200810216517A CN200810216517A CN101685458A CN 101685458 A CN101685458 A CN 101685458A CN 200810216517 A CN200810216517 A CN 200810216517A CN 200810216517 A CN200810216517 A CN 200810216517A CN 101685458 A CN101685458 A CN 101685458A
Authority
CN
China
Prior art keywords
project
user
group
recommended
customer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN200810216517A
Other languages
English (en)
Other versions
CN101685458B (zh
Inventor
杜家春
汪芳山
方琦
谭卫国
钟杰萍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN200810216517.9A priority Critical patent/CN101685458B/zh
Priority to PCT/CN2009/073275 priority patent/WO2010037286A1/zh
Publication of CN101685458A publication Critical patent/CN101685458A/zh
Priority to US13/072,155 priority patent/US20110184977A1/en
Application granted granted Critical
Publication of CN101685458B publication Critical patent/CN101685458B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于协同过滤的推荐方法，包括：获取目标用户标识；查找该目标用户标识对应的用户群标识；获取根据所述用户群标识对应的用户－项目评分矩阵确定的项目间相似度；根据该项目间相似度，向目标用户推荐项目。采用本发明提供的推荐方法能提高项目推荐的准确度，提高用户体验。本发明同时提供一种基于协同过滤的推荐***。

Description

一种基于协同过滤的推荐方法和***
技术领域
本发明涉及网络通讯技术领域，尤其涉及一种基于协同过滤的推荐方法和***。
背景技术
推荐***是为解决信息过载问题而提出的一种智能代理***，能从大量信息中向用户自动推荐出符合其兴趣偏好或需求的资源。随着互联网的普及和飞速发展，推荐***已经被广泛应用于各种领域，尤其在电子商务领域，推荐***得到了越来越多的研究和应用。目前，几乎所有的大型电子商务网站都不同程度的使用了各种形式的推荐***，比如Amazon、CDNOW、eBay和当当网上书店等。其中，协同过滤技术在当前推荐***的应用中获得了较大的成功。
协同过滤算法主要有基于用户的协同过滤算法和基于项目的协同过滤算法。两种算法的输入都是用户对项目的评分矩阵，如表1所示：
表1  用户对项目的评分矩阵
Figure A20081021651700071
其中，用户对项目的评分可以显式获得，例如：通过用户对项目进行评分操作；也可隐式获得，例如：通过用户对项目的搜索、浏览、购买等行为构造评分函数计算得到。矩阵的每一行形成的向量表示该行对应用户的对各个项目的评分向量。
基于用户的协同过滤算法的基本原理是利用用户对项目评分的相似性来互相推荐用户可能感兴趣的项目。例如：对当前用户U，***通过其评分记录及特定相似度函数，计算出与其评分行为最相近的k个用户作为用户U的最近邻居集，统计用户U的近邻用户评分过而用户U未评分的项目生成候选推荐集，然后计算用户U对候选推荐集中每个项目i的预测评分，取其中预测评分最高的N个项目作为用户U的Top-N推荐集。
基于项目的协同过滤算法则比较项目之间的相似性，根据当前用户已评分的项目集合推荐未评分的项目。由于项目之间的相似性比用户相似性稳定，因此可以离线进行计算存储并定期更新，所以基于项目的协同过滤算法相对于基于用户的协同过滤算法，推荐精度高，实时性好，对基于项目的协同过滤算法进行优化推荐准确度更高、效果更佳、更符合客户需求。
基于项目的协同推荐的基本处理流程，分为线下相似度计算和线上推荐两个部分。图1所示为基于项目的协同推荐方法中线下相似度计算流程，图2所示为基于项目的协同推荐方法中线上推荐流程。
图1中线下相似度计算流程用于计算并保存项目间的相似度。其中，步骤1：获取每一用户对每一项目的评分矩阵；步骤2：计算各个项目间相似度，可采用相似度函数为余弦相似度、皮尔森相似度(Pearson)等；步骤3、存储各个不同项目间相似度。
在预先计算存储了各个不同项目间相似度的基础上，如图2所示线上推荐流程如下：步骤11：获取待推荐的用户标识(ID)，即目标用户标识(ID)；步骤12：获取目标用户ID对应的目标用户已经评分的项目集合；步骤13：根据预先存储的项目相似度数据，获取与目标用户已经评分的项目集合中各项目相似度高的项目，形成该目标用户的待推荐项目集；步骤14：根据项目间相似度，进一步计算目标用户对待推荐项目集中每个项目的预测评分，例如：根据如下公式计算预测评分：
Figure A20081021651700091
其中，PU，i表示目标用户U对待项目i的预测评分，sim(j，i)表示项目j和项目i之间的相似度，RU，j表示用户U对项目j的实际评分；步骤15：根据预测评分结果取评分最高的前N项作为对目标用户的推荐结果。
在基于项目的协同过滤算法流程中，项目间的相似度对最终的推荐结果有着至关重要的影响。在传统的基于项目的协同过滤推荐算法中，项目之间相似度的计算并未考虑到不同偏好用户群之间的差异。项目间相似度基于用户评分矩阵计算得到，对所有的用户而言，同样两个项目，它们之间的相似度是相同的。而现实中，对同样两个项目的看法，不同偏好的用户群观点通常不同。这势必造成推荐准确度低，质量下降。
发明内容
为了提高推荐的准确性，符合用户偏好，本发明实施例提供一种基于协同过滤的推荐方法和***。
一种基于协同过滤的推荐方法，包括：获取目标用户标识；查找所述目标用户标识对应的用户群标识；获取根据所述用户群标识对应的用户-项目评分矩阵确定的项目间相似度；根据所述项目间相似度，向目标用户推荐项目。
一种基于协同过滤的推荐***，包括：推荐控制模块，用于获取目标用户标识，调用确定待推荐集模块和生成模块向所述目标用户标识对应的目标用户推荐项目；确定待推荐集模块，用于查找所述目标用户标识对应的用户群组标识，获取根据所述用户群标识对应的用户-项目评分矩阵确定的项目间相似度，根据所述项目间相似度确定待推荐集，或者获取根据所述用户群标识对应的用户-项目评分矩阵确定的热点项目集，将所述热点项目集作为待推荐集；生成推荐模块，用于向用户推荐推荐集中的项目。
采用本发明实施例提供的基于协同过滤的推荐方法和***，通过将用户分群，使得用户群中的每个用户偏好基本相同，利用这样的用户群所包含的项目相似度信息为用户推荐，提高了推荐的准确性，体现了个性化。
附图说明
图1为现有技术基于项目的协同推荐方法中线下相似度计算流程；
图2为现有技术基于项目的协同推荐方法中线上推荐流程；
图3为本发明实施例一提供的一种基于协同过滤的推荐***结构示意图；
图4为本发明实施例二提供的一种基于协同过滤的推荐方法流程中用户分群流程示意图；
图5为本发明实施例二提供的一种基于协同过滤的推荐方法流程中计算项目间相似度流程示意图；
图6为本发明实施例二提供的一种基于协同过滤的推荐方法流程中计算项目热点度流程示意图；
图7为本发明实施例二提供的一种基于协同过滤的推荐方法流程中建立分类器流程示意图；
图8为本发明实施例二提供的一种基于协同过滤的推荐方法流程中线上推荐流程示意图；
图9为为本发明实施例三提供的一种基于协同过滤的推荐方法流程示意图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
本发明实施例中提出了一种首先将用户基于用户-项目评分矩阵分群，每一个用户群仅包含该群中用户对所有项目的评分数据，然后在每一个用户群上独立计算项目间相似度，最后以目标用户所在群中计算得到的相似度作为依据对目标用户进行推荐。
如图3所示为本发明实施例一提供的一种基于协同过滤的推荐***结构示意图。该推荐***包括：推荐控制模块51、生成推荐模块52，确定待推荐集模块54、数据库55、评分预测模块53、以及定时器56、用户分群模块57、分类器生成模块58、项目热点度计算模块59和项目相似度计算模块60。其中、评分预测模块53中还包括相似项目评分预测模块531、热点项目评分预测模块532；确定待推荐集模块54中还包括用户所属群组确定模块541、待推荐项目集确定模块542；数据库55中还包括用户基本信息库551、用户群库552、用户群项目热点度库553、用户项目评分矩阵库555和用户群项目相似度库554。运算过程中出现并进行了五个部分数据的存储和提取，其中包括***基础数据集和***运算数据集。
***基础数据集主要包括：用户-项目评分矩阵数据，具体为每一用户在业务使用过程中产生的对不同项目的评分数据；用户基本信息数据，具体为描述了用户本身的基本属性信息，包括地域、职业、性别、年龄、教育程度等。
***运算数据集主要包括：用户群数据，包含用户基于用户-项目评分矩阵数据分群的结果，每一个用户对应一个群组，每一个群组对应一个群组中心；用户群项目热点度数据库，用于记录基于用户分群结果生成的每个用户群对应的热点项目以及热点度，其中，热点项目为被评分最多的前M(M不小于N)个项目，热点项目热点度为所述项目所得评分的平均值；用户群项目相似度数据库，用于记录基于用户分群结果生成的每个用户群对应的项目之间相似度的情况。
如下详细介绍该推荐***中每一模块的功能及模块间的交互。该推荐***中各个模块并非全部必要，可以根据功能或性能的强弱需要，相应增减部分模块。
推荐控制模块51为在线推荐部分的主控模块，在接收到待推荐用户ID(即目标用户ID)之后，具有调用其他各模块能力，完成整个推荐处理流程。
确定待推荐集模块54用于根据待推荐用户ID确定对应目标用户之后，通过定位目标用户所属用户群，找到目标用户评分项目的邻居项目的集合，或者所述用户群对应的热点项目集，得到待推荐集，将此集合作为下一步评分预测模块53的运算基础。确定待推荐集模块可进一步细分为用户所属群组确定模块541、待推荐项目集确定模块542。其中，用户所属群组确定模块541用于确定用户所属的用户群，可以根据目标用户ID定位目标用户所属用户群，或者根据分类器确定目标用户所属用户群；待推荐项目集确定模块542用于在目标用户所属群中确定待推荐项目集合，可以通过目标用户评分项目的邻居项目的集合，或者所述用户群对应的热点项目集，得到待推荐集。如果待推荐集合中项目个数小于N，则计算目标用户与其他群组的距离，在距离最近的群组中继续上述确定待推荐集的过程，直到推荐项目数大于或等于N，或者直到所有用户群遍历完毕为止。
评分预测模块53，主要用于在确定待推荐集模块54得到的待推荐项目集合中进行基于相似项目评分的预测或基于热点项目评分的预测，得出目标用户对于待推荐项目的预测评分。此模块可进一步细分为相似项目评分预测模块531、热点项目评分预测模块532。其中，相似项目评分预测模块531根据相似项目间的相似度计算预测评分，例如：根据如下公式计算预测评分：
Figure A20081021651700121
其中，PU，i表示目标用户U对待项目i的预测评分，sim(j，i)表示项目j和项目i之间的相似度，Ru，j表示用户U对项目j的实际评分；热点项目评分预测模块532用于计算基于热点项目的预测评分，例如：计算热点项目的热点度作为热点项目的预测评分。在本发明的其他实施例中也可不需要进行待推荐项目集合的进一步预测评分而直接推荐给用户。
生成推荐模块52，主要用于根据评分预测模块53对待推荐项目集合中各项目的预测评分，将评分最高的前N个项目作为对目标用户的推荐结果。
用户分群模块57，用于根据数据库55中用户-项目评分矩阵库555中存储的全部用户的用户-项目评分矩阵进行用户分群，得到全体用户的分群结果，以及每个群组的群组中心，存储在数据库55的用户群库552中。
分类器生成模块58，用于根据用户分群结果，以数据库55中用户基本信息库551中每一用户群中各个用户基本信息为分类特征，构建一个分类器并存储。在本发明的其他实施例中，分类训练集也可以是根据已有用户数量大小取一个合适的百分比，以此百分比为要求在每一个用户群中随机选出若干用户基本信息作为分类训练集数据。
项目热点度计算模块59，用于根据用户分群结果和用户-项目评分矩阵，在每-个用户群中独立找出评分最多的若干项目，即热点项目，计算所得评分均值，即热点度，并存储在数据库55的用户群项目热点度库553中。
项目相似度计算模块60，用于根据用户分群结果和用户-项目评分矩阵，在每一个用户群中独立计算项目间相似度并存储在数据库55的用户群项目相似度库554中。
在本发明其他实施例中，待推荐项目集确定模块542可以同时使用项目热点度计算模块59及项目相似度计算模块60中存储数据确定针对目标用户所在用户群确定待推荐项目集，也可以根据需要采用二者其中任一模块中存储的数据确定针对目标用户所在用户群确定待推荐项目集。
定时器56，用于定时触发用户分群模块57、分类器生成模块58、项目热点度计算模块、项目相似度计算模块60对基础数据集进行处理，包括更新后的基础数据集。在本发明的其他实施例中该模块为可选模块。
根据上述对推荐***的描述可知，推荐***在执行具体操作时可以分为线下和线上两部分组成。其中，线下部分由定时器56定时触发用户分群模块57、分类器生成模块58、项目热点度计算模块59及项目相似度计算模块60，也可通过手动触发，主要为线上部分的运算提供数据，减轻线上计算量，提高推荐速率，以达到实时推荐目的。所需数据存储于数据库55中。线上部分主要完成的是对目标用户的在线推荐工作。获得目标用户所在群组、待推荐项目集合和对待推荐项目的评分预测是线上部分的重要过程，其主要任务是在推荐前为目标用户寻找与其兴趣度最类似的项目集合并预测其评分。
图4所示为本发明实施例二提供的一种基于协同过滤的推荐方法流程中用户分群流程详细示意图。步骤S101，获取每一用户对各个项目的评分；步骤S102，根据用户项目评分，建立用户-项目评分矩阵，如表2所示；
表2用户-项目评分矩阵
Figure A20081021651700141
步骤S103，对用户分群，得到若干用户群和每个用户群的群组中心。本实施例中提供一种基于用户间相似度的均值聚类算法(k-means)对所有用户进行分群。在本发明的其他实施例中可采用多种分群的方法，如人工分群、机器分群、人机结合等。
其中，基于用户间相似度的k-means聚类算法对所有用户进行分群，包括：(1)定义类别个数k和误差精度e，随机选取k个用户M1，M2，…，Mk作为初始群组中心，分别对应类别C1，C2，…，Ck；(2)对每个用户U，计算所述用户与各初始群组中心的距离d(U，Mi)＝1-sim(U，Mi)，i＝1，2，…，k，sim(U，Mi)指用户U与群组中心Mi的相似度。将所述用户分到与其距离最近的初始群组中心所在的群组中，并计算分散度
Figure A20081021651700151
t指迭代次数；(3)计算新的聚类中心
Figure A20081021651700152
其中‖U‖指用户U的评分向量的模长，‖Ci‖指类别Ci中用户的总数；(4)重复(2)、(3)直到|E(t+1)-E(t)|＜e终止。为每一个群赋予一个用户群标识(ID)，同时记录下每一个用户群最终的群组中心。在本实施例中，以将所有用户划分为两个用户群为例进行说明。如表3所示为用户群列表。
表3用户群列表
Figure A20081021651700153
上述用户群1和用户群2对应的群组中心，如表4所示。
表4用户群对应的群组中心
图5所示为本发明实施例二提供的一种基于协同过滤的推荐方法流程中计算项目间相似度流程示意图。步骤S201，获取唯一标识每一用户群的用户群ID；步骤S202，根据该用户群ID获取对应用户群中所有用户对应的用户-项目评分矩阵；步骤S203，计算该用户群对应用户-项目评分矩阵中项目间相似度并保存。在本发明的其他实施例中项目间相似度可采用：余弦相似度、Pearson相似度、修正的余弦相似度等。在本实施例中，采用余弦相似度，得到每个用户群对应的项目间相似度，如表5和表6所示。
表5用户群1对应的项目间相似度
Figure A20081021651700161
表6用户群2对应的项目间相似度
Figure A20081021651700162
步骤S204，判断所有的用户群是否遍历完毕，若没有遍历完毕，返回步骤S201；若遍历完毕，结束本流程。
图6所示为本发明实施例二提供的一种基于协同过滤的推荐方法流程中计算项目热点度流程示意图。步骤S301，获取唯一标识每一用户群的用户群ID；步骤S302，根据该用户群ID获取对应用户群中每一个用户对应的用户-项目评分矩阵；步骤S302，计算该用户群对应用户-项目评分矩阵中热点项目热点度，热点项目是指被评分最多的前若干项目，项目热点度是该项目所得评分的平均值。在本实施例中，以每个用户群取2个热点项目为例，每个用户群对应的热点项目与项目热点度为，如表7和表8所示。
表7用户群1对应的项目热点度
  项目   热点度
  项目3   3.50
  项目1   3.25
表8用户群2对应的项目热点度
  项目   热点度
  项目7   4.60
  项目4   3.60
步骤S304，判断所有的用户群是否遍历完毕，若没有遍历完毕，返回步骤S301；若遍历完毕，结束本流程。
图7所示为本发明实施例二提供的一种基于协同过滤的推荐方法流程中建立分类器流程示意图。步骤S401，在每个用户群中随机选出占该群用户总数a％的用户ID；步骤S402，获取以上用户的基本属性；步骤S403，分析上述用户基本属性特征构建分类器。在本发明的实施例中，可以采用决策树、神经网络等多种方法构造分类器。
上述图4、图5、图6、图7所述流程均可在线下或离线状态完成。基于上述用户分群数据、用户群对应项目相似度数据、用户群对应项目热点度数据、分类器构建。
图8为本发明实施例二提供的线上推荐流程示意图。
步骤S501，确定待推荐的用户ID，通常将该用户称为目标用户，即获取目标用户ID；
步骤S502，根据该目标用户ID判断对应目标用户是否在用户群中，如果在，执行步骤S503，则获取该目标用户对应的用户群ID，否则，执行步骤S504，获取目标用户基本属性；步骤S505，利用分类器将目标用户分到对应的某个用户群，获取对应的用户群ID；
步骤S506，判断目标用户是否有项目评分记录，如果有，执行步骤S507，确定相似项目待推荐集，否则，执行步骤S508，计算目标用户对所属用户群的热点项目的评分预测，在本实施例中可以要求热点项目数不小于N；
步骤S509，利用目标用户所在用户群中项目相似度和用户项目评分为依据，选择与用户评分高的项目相似度高的且目标用户未评分的项目作为待推荐集，判断待推荐集中项目数目是否不小于N；如果否，执行步骤S511，计算目标用户与其他用户群的群组中心的距离，在离目标用户最近的其他群中选择待推荐集并与上述步骤的待推荐集作并集处理，直到待推荐集中项目数目不小于N，或者直到所有用户群遍历完毕为止；如果是，执行步骤S510，计算目标用户对待推荐集中每一个项目的评分预测。
步骤S512，将评分预测最高的N个项目作为推荐项目向目标用户推荐。
在本实施例中，步骤S504，步骤S505为了解决当新目标用户不在已有的用户群中，对新用户进行分群后进行推荐的流程，可以预见的在不考虑新目标用户的情况下。步骤S504，步骤S505为可选步骤。步骤S506给出了了当目标用户有评分记录和没有评分记录的两种推荐流程，在本发明的其他实施例中可以采用其中之一。步骤S508和步骤S507也同时给出了两种推荐的算法，可以预见在本发明的其他实施例中可以任意采用其中之一。步骤S509，S511给出当待推荐集中项目数小于N时，在临近用户群中确定待推荐集的流程，可以预见在本发明的其他实施例中若对推荐集项目数不做限制时为可选步骤。步骤S510在本发明的其他实施例中直接将待推荐集推荐给用户时为可选步骤。步骤S510同样为提高推荐准确度的步骤在本发明的其他实施例为可选步骤。综上所述，本实施例方法流程的上述步骤可以根据推荐准确度的需要进行灵活适当的调整、取舍，均能达到提高推荐准确度的效果。
如图9所示为本发明实施例三结合一具体应用实例说明本发明方法流程。
步骤S601，获取目标用户ID，确定对应的目标用户。
在本发明的实施例中，目标用户由业务调用方提供。业务调用方给出目标用户ID，期望获取该目标用户的推荐项目列表。假设用户7为目标用户，如表9所示为用户-项目评分矩阵。
表9用户-项目评分矩阵
步骤S602，获取目标用户所在用户群的ID。在本实施例中，根据表3可知用户7属于用户群2。如果目标用户是新用户，则需要利用用户基本信息将用户分类以获取该新用户所在用户群的ID。
步骤S603，确定待推荐集。首先取用户7评分高的项目，这里以用户7评分大于等于4为评分高的标准，例如：评分大于等于4的项目为项目4、项目7、项目8，并且接下来通过查找前述实施例表6得到与项目4、项目7和项目8相似度高(这里的相似度高指所选项目与项目4、项目7和项目8的相似度的均值大于0.5)且用户7没有评分过的项目作为待推荐集，即得待推荐集为项目6和项目3。当待推荐项目集中项目数不小于N，N等于1；此时待推荐集中有两个项目，满足不小于1的条件。
如果待推荐集中项目数小于1，则需要计算目标用户与其他群组中心的距离，挑选最近的用户群，并在此用户群中挑选待推荐集，直到待推荐集中项目总数不小于1，或者直到所有用户群遍历完毕为止。
如果目标用户没有评分记录，则计算目标用户对所属群组的热点项目的评分预测。该评分预测可查阅前述实施例表7、表8的结果。
步骤S604，计算评分预测。
利用公式计算，PU，i表示目标用户U对待项目i的预测评分，sim(j，i)表示项目j和项目i之间的相似度，RU，j表示用户U对项目j的实际评分。根据如上公式，用户7对待推荐项目的评分预测，如表10所示。
表10用户7对待推荐项目的评分预测
  项目   评分预测
  项目3   3.79
  项目6   3.73
步骤S604，将满足上述条件的项目推荐给用户。根据表10，最终将项目3推荐给用户7。
本发明实施例提供一种基于协同过滤推荐的方法和***。该方法在线下处理的过程中，首先利用用户项目评分数据将用户分群，然后在每个用户群中独立计算项目间相似度，并且可以由分群结果建立一个分类器，使得对新用户亦能进行较好的分类。线上推荐时，需要获取目标用户所属的群组，利用该群组相关的项目间相似度对目标用户进行基于项目的协同过滤推荐，或者利用该群组相关的热点项目的热点度为目标用户进行推荐。相比于传统的协同推荐流程，本发明先将用户分群，使得每个用户群的用户偏好基本相似，利用这样的用户群所包含的项目相似度信息为用户推荐，提高了推荐的准确性，体现了个性化。同时，分群后计算相似度也提高了线下处理的计算速度。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
此外，本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (27)

1、一种基于协同过滤的推荐方法，其特征在于，包括：
获取目标用户标识；查找所述目标用户标识对应的用户群标识；获取根据所述用户群标识对应的用户-项目评分矩阵确定的项目间相似度；根据所述项目间相似度，向目标用户推荐项目。
2、如权利要求1所述的方法，其特征在于，所述方法还包括：
根据用户对项目的评分，建立用户-项目评分矩阵；根据用户-项目评分矩阵进行用户间相似度计算，将用户进行分群；其中，每一用户群对应一用户群标识。
3、如权利要求2所述的方法，其特征在于，所述根据用户-项目评分矩阵进行用户间相似度计算采用均值聚类算法(K-means)，包括：随机选取k个用户作为初始群组中心；对每个用户，计算所述用户与各初始群组中心的距离，将所述用户分到与其距离最近的初始群组中心所在的群组中。
4、如权利要求3所述的方法，其特征在于，当所有用户分群完毕后，计算每个群组的新群组中心，所述新群组中心是对应群组中所有用户评分向量的单位向量的均值。
5、如权利要求2所述的方法，其特征在于，所述根据用户-项目评分矩阵进行用户间相似度计算，将用户进行分群采用人工分群、机器分群或人机结合分群。
6、如权利要求1所述的方法，其特征在于，所述获取根据所述用户群标识对应的用户-项目评分矩阵确定的项目间相似度，包括：获取用户群标识；根据所述用户群标识获取对应用户群中所有用户对应的用户-项目评分矩阵；计算所述用户-项目评分矩阵中项目间相似度。
7、如权利要求6所述的方法，其特征在于，所述计算所述用户-项目评分矩阵中项目间相似度采用余弦相似度、皮尔森(Pearson)相关系数或修正的余弦相似度计算。
8、如权利要求1所述的方法，其特征在于，若根据所述目标用户标识未查找到对应的用户群标识，包括：获取所述目标用户标识对应目标用户的基本属性；分类器根据所述目标用户基本属性将所述目标用户分到对应用户群，并获得所述用户群对应的用户标识。
9、如权利要求8所述的方法，其特征在于，所述分类器的建立方法包括：在所述每个用户群中随机选出占所述用户群用户总数a％的用户标识；获取所述a％的用户的基本属性；根据所述a％的用户基本属性特征构建分类器。
10、如权利要求1所述的方法，其特征在于，所述根据所述项目间相似度，向目标用户推荐项目，包括：
判断目标用户在所述用户群对应的用户-项目评分矩阵中是否有评分记录，若有，通过所述项目间相似度，确定与所述评分记录对应项目相似的项目作为待推荐集。
11、如权利要求10所述的方法，其特在于，所述根据所述项目间相似度，向目标用户推荐项目，包括：
判断目标用户在所述用户群对应的用户-项目评分矩阵中是否有评分记录，若没有，通过计算所述用户-项目评分矩阵中热点项目的评分预测，将热点项目作为待推荐集，其中，热点项目为被评分最多的前M个项目。
12、如权利要求11所述的方法，其特征在于，对所述用户-项目评分矩阵中热点项目计算基于热点项目的评分预测，包括：获取用户群标识；根据所述用户群标识获取对应用户群中所有用户对应的用户-项目评分矩阵；计算所述用户群对应用户-项目评分矩阵中热点项目热点度，热点项目热点度为所述项目所得评分的平均值，所述热点项目的热点度即为所述热点项目的评分预测。
13、如权利要求10所述的方法，其特征在于，所述方法进一步包括：判断所述待推荐集中项目数目是否不小于N，若小于，则在距离目标用户最近的其它用户群中获取待推荐集，与已确定的待推荐集取并集，直到推荐项目数大于或等于N，或者直到所有用户群遍历完毕为止。
14、如权利要求13所述的方法，其特征在于，所述方法进一步包括：判断所述推荐集中项目数目是否不小于N，若大于或等于，则计算所述推荐集中各项目的评分预测，将评分预测最高的前N个项目作为推荐项目向用户推荐。
15、如权利要求14所述的方法，其特征在于，计算所述推荐集中各项目的评分预测采用基于相似项目评分预测。
16、一种基于协同过滤的推荐***，其特征在于，包括：
推荐控制模块，用于获取目标用户标识，调用确定待推荐集模块和生成模块向所述目标用户标识对应的目标用户推荐项目；
确定待推荐集模块，用于查找所述目标用户标识对应的用户群组标识，获取根据所述用户群标识对应的用户-项目评分矩阵确定的项目间相似度，根据所述项目间相似度确定待推荐集，或者获取根据所述用户群标识对应的用户-项目评分矩阵确定的热点项目集，将所述热点项目集作为待推荐集；
生成推荐模块，用于向用户推荐推荐集中的项目。
17、如权利要求16所述的***，其特征在于，包括：数据库，所述数据库中进一步包括：用户-项目评分矩阵，用于存储每一用户对各个项目的用户-项目评分矩阵。
18、如权利要求17所述的***，其特征在于，包括：用户分群模块用于根据所述数据库中所述用户-项目评分矩阵库中存储的用户-项目评分矩阵对用户进行用户分群，每个用户群对应一用户群标识和群组中心，用户分群结果存储于所述数据库中的用户群库中。
19、如权利要求17所述的***，其特征在于，所述数据库中进一步包括：用户基本信息库，用于存储每一用户的基本信息。
20、如权利要求19所述的***，其特征在于，包括：分类器生成模块用于根据所述用户分群结果，将每一用户群中对应用户的基本信息作为分类特征，构建一个分类器。
21、如权利要求18所述的***，其特征在于，包括：热点项目热点度计算模块，用于根据所述用户分群结果和与所述用户群对应的用户-项目评分矩阵，在每一个用户群中独立找出评分最多的若干项目作为热点项目，计算所述热点项目的评分均值得到热点项目的热点度。
22、如权利要求21所述的***，其特征在于，所述数据库中进一步包括：用户群项目热点度库，用于存储所述用户群组对应的热点项目的热点度。
23、如权利要求21所述的***，其特征在于，包括：项目相似度计算模块，用于根据所述用户分群结果和与所述用户群组对应的用户-项目评分矩阵，在每一个用户群组中独立计算项目间相似度。
24、如权利要求23所述的***，其特征在于，所述数据库中进一步包括：用户群组项目相似度库，用于存储所述用户群组对应的所述项目间相似度。
25、如权利要求24所述的***，其特征在于，所述确定待推荐集模块包括：
用户所属群组确定模块，用于在用户群库中根据所述目标用户标识确定对应得用户群标识；
待推荐项目集确定模块，用于根据所述用户群标识在用户项目相似度库中获取项目间相似度，根据所述项目间相似度确定待推荐集，或者获取根据所述用户群标识对应的用户-项目评分矩阵确定的热点项目集，将所述热点项目集作为待推荐集。
26、如权利要求16所述的***，其特征在于，包括：评分预测模块，用于对所述待推荐集中各项目进行基于相似项目评分的预测或基于热点项目评分的预测，得出目标用户对于待推荐集中各项目的预测评分，将评分最高的N个项目向用户推荐。
27、如权利要求26所述的***，其特征在于，所述评分预测模块包括：相似项目评分预测模块，用于对所述待推荐集中各项目进行基于相似项目评分的预测；或者，热点项目评分预测模块，用于对所述待推荐集中各项目进行基于热点项目评分的预测。
CN200810216517.9A 2008-09-27 2008-09-27 一种基于协同过滤的推荐方法和*** Expired - Fee Related CN101685458B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN200810216517.9A CN101685458B (zh) 2008-09-27 2008-09-27 一种基于协同过滤的推荐方法和***
PCT/CN2009/073275 WO2010037286A1 (zh) 2008-09-27 2009-08-14 一种基于协同过滤的推荐方法和***
US13/072,155 US20110184977A1 (en) 2008-09-27 2011-03-25 Recommendation method and system based on collaborative filtering

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN200810216517.9A CN101685458B (zh) 2008-09-27 2008-09-27 一种基于协同过滤的推荐方法和***

Publications (2)

Publication Number Publication Date
CN101685458A true CN101685458A (zh) 2010-03-31
CN101685458B CN101685458B (zh) 2012-09-19

Family

ID=42048622

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200810216517.9A Expired - Fee Related CN101685458B (zh) 2008-09-27 2008-09-27 一种基于协同过滤的推荐方法和***

Country Status (3)

Country Link
US (1) US20110184977A1 (zh)
CN (1) CN101685458B (zh)
WO (1) WO2010037286A1 (zh)

Cited By (81)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279866A (zh) * 2010-06-08 2011-12-14 索尼公司 内容推荐设备和内容推荐方法
CN102385586A (zh) * 2010-08-27 2012-03-21 日电（中国）有限公司 多方协同过滤方法和***
CN102521362A (zh) * 2011-12-15 2012-06-27 北京航空航天大学 Web服务推荐方法及装置
CN102546228A (zh) * 2011-06-16 2012-07-04 广州市龙泰信息技术有限公司 一种电信用户细分方法
CN102662975A (zh) * 2012-03-12 2012-09-12 浙江大学 一种混合双向聚类好友推荐方法
CN102663128A (zh) * 2012-04-24 2012-09-12 南京师范大学 一种大规模协同过滤的推荐***
CN102722550A (zh) * 2012-05-25 2012-10-10 清华大学 基于灰色预测模型的推荐方法及***
CN102779131A (zh) * 2011-05-12 2012-11-14 同济大学 基于用户间多相似度的协同过滤推荐方法
CN102819529A (zh) * 2011-06-10 2012-12-12 阿里巴巴集团控股有限公司 社交网站信息发布方法及***
CN102855333A (zh) * 2012-09-27 2013-01-02 南京大学 一种基于组推荐的服务选取***及其选取方法
CN102880501A (zh) * 2012-07-24 2013-01-16 北京奇虎科技有限公司 应用推荐的实现方法、装置和***
CN102915307A (zh) * 2011-08-02 2013-02-06 腾讯科技（深圳）有限公司 一种个性化信息推荐的方法、装置及信息处理***
CN102934113A (zh) * 2010-06-08 2013-02-13 索尼电脑娱乐公司 信息提供***、信息提供方法、信息提供设备、程序和信息记录介质
CN102968444A (zh) * 2012-10-23 2013-03-13 盘古文化传播有限公司 一种推荐的方法及装置
CN103020784A (zh) * 2012-12-27 2013-04-03 智比特信息技术（镇江）有限公司 一种对事物的评价***
CN103077220A (zh) * 2012-12-29 2013-05-01 中国科学院深圳先进技术研究院 一种基于用户群关联度的个性化推荐方法及***
CN103093376A (zh) * 2013-01-16 2013-05-08 北京邮电大学 基于奇异值分解算法的聚类协同过滤推荐***
CN103106600A (zh) * 2012-11-15 2013-05-15 深圳中兴网信科技有限公司 商品信息推送***和商品信息推送方法
CN103180845A (zh) * 2010-10-21 2013-06-26 雅虎公司 将用户生成内容的项目匹配到实体
CN103530416A (zh) * 2013-10-28 2014-01-22 海南大学 项目数据预测评分库的生成、项目数据的推送方法和***
CN103544625A (zh) * 2012-07-10 2014-01-29 百度在线网络技术（北京）有限公司 一种根据海量数据进行应用相似度判断的方法及***
CN103605791A (zh) * 2013-12-04 2014-02-26 深圳中兴网信科技有限公司 信息推送***和信息推送方法
CN103716338A (zh) * 2012-09-28 2014-04-09 腾讯科技（深圳）有限公司 一种信息推送方法和装置
CN103886003A (zh) * 2013-09-22 2014-06-25 天津思博科科技发展有限公司 一种协同过滤处理器
CN103886073A (zh) * 2014-03-24 2014-06-25 河南理工大学 基于协同过滤的煤矿信息推荐***
CN104021230A (zh) * 2014-06-27 2014-09-03 重庆邮电大学 一种基于社区发现的协同过滤方法
CN104111938A (zh) * 2013-04-18 2014-10-22 腾讯科技（深圳）有限公司 一种信息推荐的方法及装置
CN104166884A (zh) * 2014-05-04 2014-11-26 广西中烟工业有限责任公司 基于协同过滤的零售点产品销量预测方法
CN104239496A (zh) * 2014-09-10 2014-12-24 西安电子科技大学 一种结合模糊权重相似性度量和聚类协同过滤的方法
CN104318452A (zh) * 2014-05-04 2015-01-28 广西中烟工业有限责任公司 面向产品的零售点营销推荐方法
CN104391843A (zh) * 2013-08-19 2015-03-04 捷达世软件（深圳）有限公司 文件推荐***及方法
CN104462597A (zh) * 2014-12-31 2015-03-25 湖南大学 一种综合用户正负性评分和评分偏好因子的协同过滤算法
CN104572669A (zh) * 2013-10-15 2015-04-29 财团法人资讯工业策进会 推荐***及其方法
CN104699958A (zh) * 2015-02-13 2015-06-10 小米科技有限责任公司 一种根据用户身体状况推荐菜谱的方法及装置
CN104717124A (zh) * 2013-12-13 2015-06-17 腾讯科技（深圳）有限公司 一种好友推荐方法、装置及服务器
CN104794250A (zh) * 2015-05-19 2015-07-22 苏州融希信息科技有限公司 一种基于自适应主动学习的项目选择方法
CN104866474A (zh) * 2014-02-20 2015-08-26 阿里巴巴集团控股有限公司 个性化数据搜索方法及装置
CN105335409A (zh) * 2014-07-31 2016-02-17 华为技术有限公司 一种目标用户的确定方法、设备和网络服务器
CN105354208A (zh) * 2015-09-21 2016-02-24 江苏讯狐信息科技有限公司 一种大数据信息挖掘方法
CN105427136A (zh) * 2015-12-17 2016-03-23 浪潮软件股份有限公司 一种推荐商品的方法及装置
CN105554140A (zh) * 2015-12-24 2016-05-04 腾讯科技（深圳）有限公司 一种用户群体定位方法及服务器
WO2016086802A1 (zh) * 2014-12-04 2016-06-09 阿里巴巴集团控股有限公司 基于计算机***的推荐方法及其装置
CN105677647A (zh) * 2014-11-17 2016-06-15 ***通信集团广东有限公司 一种个体推荐方法及***
CN105706132A (zh) * 2013-09-24 2016-06-22 电子湾有限公司 基于社交媒体的推荐
CN105740210A (zh) * 2016-03-17 2016-07-06 腾讯科技（深圳）有限公司 一种信息相似度确定方法及装置
CN105824942A (zh) * 2016-03-21 2016-08-03 上海珍岛信息技术有限公司 一种基于协同过滤算法的项目推荐方法及***
CN106204083A (zh) * 2015-04-30 2016-12-07 ***通信集团山东有限公司 一种目标用户分类方法、装置及***
CN106469146A (zh) * 2015-08-12 2017-03-01 腾讯科技（深圳）有限公司 一种利用社交群组进行推荐的验证***及***
CN106599037A (zh) * 2016-11-04 2017-04-26 焦点科技股份有限公司 一种基于标签语义规范化推荐方法
CN106708938A (zh) * 2016-11-18 2017-05-24 北京大米科技有限公司 用于辅助推荐的方法及装置
CN106776859A (zh) * 2016-11-28 2017-05-31 南京华苏科技有限公司 基于用户偏好的移动应用App推荐***
CN106886872A (zh) * 2017-01-20 2017-06-23 淮阴工学院 一种基于聚类和余弦相似度的物流推荐方法
CN106910148A (zh) * 2017-01-19 2017-06-30 崔翛龙 基于协同过滤的指挥要素自适应推送方法
CN106951436A (zh) * 2017-02-09 2017-07-14 华南理工大学 一种基于移动情境的大规模在线推荐方法
CN106991598A (zh) * 2017-04-07 2017-07-28 北京百分点信息科技有限公司 数据推送方法及其***
CN107016589A (zh) * 2016-08-10 2017-08-04 阿里巴巴集团控股有限公司 推荐产品的确定方法及装置
CN107305677A (zh) * 2016-04-25 2017-10-31 北京京东尚科信息技术有限公司 产品信息推送方法和装置
CN107657004A (zh) * 2017-09-21 2018-02-02 广州华多网络科技有限公司 视频推荐方法、***及设备
CN107786943A (zh) * 2017-11-15 2018-03-09 北京腾云天下科技有限公司 一种用户分群方法及计算设备
CN107808278A (zh) * 2017-10-11 2018-03-16 河海大学 一种基于稀疏自编码器的Github开源项目推荐方法
CN107871055A (zh) * 2016-09-27 2018-04-03 华为技术有限公司 一种数据分析方法和装置
CN107885742A (zh) * 2016-09-29 2018-04-06 腾讯科技（深圳）有限公司 服务推荐方法和装置
CN108073578A (zh) * 2016-11-07 2018-05-25 阿里巴巴集团控股有限公司 一种进行对象推荐的方法和***
CN108335171A (zh) * 2018-01-15 2018-07-27 杭州华量软件有限公司 一种快消品精准推荐方法以及***
CN108537620A (zh) * 2018-03-06 2018-09-14 上海康斐信息技术有限公司 一种穿衣搭配推荐方法及***
CN108665120A (zh) * 2017-03-27 2018-10-16 阿里巴巴集团控股有限公司 打分模型的建立、用户信用的评估方法及装置
CN108681581A (zh) * 2018-05-11 2018-10-19 重庆工商职业学院 一种就业数据的协同过滤方法及***
CN108710648A (zh) * 2018-04-28 2018-10-26 东华大学 一种基于s型改进相似度的协同过滤推荐方法
CN109815406A (zh) * 2019-01-31 2019-05-28 腾讯科技（深圳）有限公司 一种数据处理、信息推荐方法及装置
CN109934673A (zh) * 2019-02-25 2019-06-25 校宝在线（杭州）科技股份有限公司 一种基于推荐***的智能销售线索分配方法
CN109933726A (zh) * 2019-03-22 2019-06-25 江西理工大学 基于用户平均加权兴趣向量聚类的协同过滤电影推荐方法
CN110135893A (zh) * 2019-04-16 2019-08-16 深圳壹账通智能科技有限公司 ***的确定方法、装置、计算机设备及存储介质
CN110162706A (zh) * 2019-05-22 2019-08-23 南京邮电大学 一种基于交互数据聚类的个性化推荐方法及***
CN110188958A (zh) * 2019-06-03 2019-08-30 杭州志优网络科技有限公司 一种高考志愿智能填报预测推荐的方法
CN110321490A (zh) * 2019-07-12 2019-10-11 科大讯飞(苏州)科技有限公司 推荐方法、装置、设备及计算机可读存储介质
CN110633418A (zh) * 2019-09-20 2019-12-31 曹严清 商品推荐方法及装置
CN111125473A (zh) * 2019-12-23 2020-05-08 支付宝(杭州)信息技术有限公司 推荐业务处理及信息推荐方法、装置、设备及***
CN111581506A (zh) * 2020-04-28 2020-08-25 海南太美航空股份有限公司 基于协同过滤的航班推荐方法及***
CN112703526A (zh) * 2018-07-26 2021-04-23 全球文档***股份有限公司 基于相似性群组的用户管理内容和广告递送
CN112765230A (zh) * 2020-12-30 2021-05-07 陈非 基于互联网金融的支付大数据分析方法及大数据分析***
CN116628829A (zh) * 2023-07-24 2023-08-22 山东融谷信息科技有限公司 一种基于数字孪生的智慧建筑三维可视化***

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8301624B2 (en) * 2009-03-31 2012-10-30 Yahoo! Inc. Determining user preference of items based on user ratings and user features
CN102959539B (zh) * 2011-06-29 2015-09-23 华为技术有限公司 一种业务交叉时的项目推荐方法及***
DE102011052496A1 (de) * 2011-08-08 2013-02-14 Michael Lauk Verfahren zur individuellen Anpassung von Smartphone Applikationen undeiner Website, die mit den Applikationen kommuniziert
CN102609523B (zh) * 2012-02-10 2018-03-06 上海视畅信息科技有限公司 基于物品分类和用户分类的协同过滤推荐方法
CN102789499B (zh) * 2012-07-16 2015-08-12 浙江大学 基于物品间情景化隐式关系的协同过滤方法
US9122678B2 (en) * 2012-12-05 2015-09-01 Business Objects Software Ltd. Method and system for recommending enterprise collaboration data
CN103279552A (zh) * 2013-06-06 2013-09-04 浙江大学 一种基于用户兴趣分组的协同过滤推荐方法
US9727723B1 (en) * 2014-06-18 2017-08-08 EMC IP Holding Co. LLC Recommendation system based approach in reducing false positives in anomaly detection
CN108197330B (zh) * 2014-11-10 2019-10-29 北京字节跳动网络技术有限公司 基于社交平台的数据挖掘方法及装置
CN104809584B (zh) * 2015-05-06 2018-05-04 中国南方电网有限责任公司电网技术研究中心 变电站巡维方法和***
CN105426392B (zh) * 2015-10-28 2019-03-26 浪潮软件集团有限公司 一种协同过滤推荐方法及***
US9524468B2 (en) * 2015-11-09 2016-12-20 International Business Machines Corporation Method and system for identifying dependent components
CN105868254A (zh) * 2015-12-25 2016-08-17 乐视网信息技术（北京）股份有限公司 信息推荐方法及装置
CN105404700B (zh) * 2015-12-30 2019-04-16 山东大学 一种基于协同过滤的视频栏目推荐***及推荐方法
CN106156941B (zh) * 2016-06-06 2018-01-23 腾讯科技（深圳）有限公司 一种用户信用评分优化方法和装置
US20180101591A1 (en) * 2016-10-06 2018-04-12 Capital One Services, LLC. Methods and Systems for Cluster-Based Historical Data
CN108122123B (zh) * 2016-11-29 2021-08-20 华为技术有限公司 一种扩展***的方法及装置
EP3459025A4 (en) 2017-06-16 2019-03-27 Beijing Didi Infinity Technology And Development Co., Ltd. SYSTEMS AND METHODS FOR ASSIGNING SERVICE REQUESTS
CN109146211A (zh) * 2017-06-16 2019-01-04 北京嘀嘀无限科技发展有限公司 订单的分配、模型的训练方法及装置
CN107492036B (zh) * 2017-09-15 2020-12-01 大连丰泰保险信息咨询有限公司 一种保险保单托管***
CN108470050A (zh) * 2018-03-09 2018-08-31 吉林农业大学 一种面向农业互联网web资源的时空推荐方法及***
US11126736B2 (en) * 2018-03-12 2021-09-21 Microsoft Technology Licensing, Llc Protecting storage by detecting unrecommended access
CN108573041B (zh) * 2018-04-08 2022-09-27 南京理工大学 基于加权信任关系的概率矩阵分解推荐方法
CN108711075A (zh) * 2018-05-22 2018-10-26 阿里巴巴集团控股有限公司 一种产品推荐方法和装置
CN108897790B (zh) * 2018-06-11 2022-09-20 南京邮电大学 基于鲁棒协同过滤算法的推荐方法
CN108959184B (zh) * 2018-06-26 2022-06-07 武汉理工大学 一种基于相似性和相似性可信度的协同过滤推荐算法及装置
US10922725B2 (en) * 2019-01-31 2021-02-16 Salesforce.Com, Inc. Automatic rule generation for recommendation engine using hybrid machine learning
CN110209874B (zh) * 2019-04-24 2021-08-20 北京奇艺世纪科技有限公司 信息处理方法、装置、电子设备及存储介质
CN110390046B (zh) * 2019-06-04 2022-04-12 深思考人工智能机器人科技（北京）有限公司 一种协同过滤推荐方法及***
CN110188289B (zh) * 2019-06-05 2021-02-26 南京邮电大学 一种面向群组的服务推荐列表生成方法
CN112347368A (zh) * 2019-08-07 2021-02-09 青岛海大新星软件咨询有限公司 一种推荐方法和装置
CN110852785B (zh) * 2019-10-12 2023-11-21 中国平安人寿保险股份有限公司 用户分级方法、装置及计算机可读存储介质
CN111523045A (zh) * 2020-03-09 2020-08-11 浙江工业大学 一种协同过滤推荐方法
CN111488531B (zh) * 2020-03-16 2023-04-18 浪潮通用软件有限公司 一种基于协同过滤算法的信息推荐方法、设备及介质
CN111859135B (zh) * 2020-07-22 2022-08-02 复旦大学出版社有限公司 适应于新学术平台的匿名用户行为挖掘与资源推荐方法
CN113516355A (zh) * 2021-04-30 2021-10-19 江苏电力信息技术有限公司 一种面向综合能源服务的推荐方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6266549B1 (en) * 1993-12-06 2001-07-24 Heska Corporation Apparatus and method for evaluating cardiac functions
US5790426A (en) * 1996-04-30 1998-08-04 Athenium L.L.C. Automated collaborative filtering system
US5790425A (en) * 1997-02-19 1998-08-04 Sun Microsystems, Inc. Generic server benchmarking framework in a client-server environment
DE10154656A1 (de) * 2001-05-10 2002-11-21 Ibm System und Verfahren für Empfehlungen von Artikeln
CN1950908B (zh) * 2004-05-05 2012-04-25 皇家飞利浦电子股份有限公司 用于从项目集合中选择项目的方法和设备
CA2512945A1 (en) * 2004-07-23 2006-01-23 Genesis Group Inc. System and method for estimating user ratings from user behavior and providing recommendations
US7739314B2 (en) * 2005-08-15 2010-06-15 Google Inc. Scalable user clustering based on set similarity
US7624095B2 (en) * 2005-11-15 2009-11-24 Microsoft Corporation Fast collaborative filtering through sketch function based approximations
WO2007057800A2 (en) * 2005-11-16 2007-05-24 Koninklijke Philips Electronics N.V. Method of generating and methods of filtering a user profile
CN100581227C (zh) * 2008-05-16 2010-01-13 华东师范大学 一种引入节目热门度权重的协作过滤推荐方法

Cited By (126)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102934113A (zh) * 2010-06-08 2013-02-13 索尼电脑娱乐公司 信息提供***、信息提供方法、信息提供设备、程序和信息记录介质
CN102934113B (zh) * 2010-06-08 2016-10-12 索尼电脑娱乐公司 信息提供***、信息提供方法、信息提供设备
CN102279866A (zh) * 2010-06-08 2011-12-14 索尼公司 内容推荐设备和内容推荐方法
US9088811B2 (en) 2010-06-08 2015-07-21 Sony Corporation Information providing system, information providing method, information providing device, program, and information storage medium
CN102385586A (zh) * 2010-08-27 2012-03-21 日电（中国）有限公司 多方协同过滤方法和***
CN102385586B (zh) * 2010-08-27 2014-03-19 日电（中国）有限公司 多方协同过滤方法和***
CN103180845B (zh) * 2010-10-21 2017-06-09 埃克斯凯利博Ip有限责任公司 将用户生成内容的项目匹配到实体
CN103180845A (zh) * 2010-10-21 2013-06-26 雅虎公司 将用户生成内容的项目匹配到实体
CN102779131A (zh) * 2011-05-12 2012-11-14 同济大学 基于用户间多相似度的协同过滤推荐方法
CN102779131B (zh) * 2011-05-12 2015-02-18 同济大学 基于用户间多相似度的协同过滤推荐方法
CN102819529A (zh) * 2011-06-10 2012-12-12 阿里巴巴集团控股有限公司 社交网站信息发布方法及***
CN102819529B (zh) * 2011-06-10 2015-08-19 阿里巴巴集团控股有限公司 社交网站信息发布方法及***
CN102546228A (zh) * 2011-06-16 2012-07-04 广州市龙泰信息技术有限公司 一种电信用户细分方法
CN102915307A (zh) * 2011-08-02 2013-02-06 腾讯科技（深圳）有限公司 一种个性化信息推荐的方法、装置及信息处理***
CN102915307B (zh) * 2011-08-02 2018-01-02 腾讯科技（深圳）有限公司 一种个性化信息推荐的方法、装置及信息处理***
CN102521362A (zh) * 2011-12-15 2012-06-27 北京航空航天大学 Web服务推荐方法及装置
CN102521362B (zh) * 2011-12-15 2014-04-09 北京航空航天大学 Web服务推荐方法及装置
CN102662975A (zh) * 2012-03-12 2012-09-12 浙江大学 一种混合双向聚类好友推荐方法
CN102663128B (zh) * 2012-04-24 2014-11-05 南京师范大学 一种大规模协同过滤的推荐***
CN102663128A (zh) * 2012-04-24 2012-09-12 南京师范大学 一种大规模协同过滤的推荐***
CN102722550B (zh) * 2012-05-25 2014-10-22 清华大学 基于灰色预测模型的推荐方法及***
CN102722550A (zh) * 2012-05-25 2012-10-10 清华大学 基于灰色预测模型的推荐方法及***
CN103544625A (zh) * 2012-07-10 2014-01-29 百度在线网络技术（北京）有限公司 一种根据海量数据进行应用相似度判断的方法及***
CN102880501A (zh) * 2012-07-24 2013-01-16 北京奇虎科技有限公司 应用推荐的实现方法、装置和***
CN102855333A (zh) * 2012-09-27 2013-01-02 南京大学 一种基于组推荐的服务选取***及其选取方法
CN103716338A (zh) * 2012-09-28 2014-04-09 腾讯科技（深圳）有限公司 一种信息推送方法和装置
CN102968444A (zh) * 2012-10-23 2013-03-13 盘古文化传播有限公司 一种推荐的方法及装置
CN103106600A (zh) * 2012-11-15 2013-05-15 深圳中兴网信科技有限公司 商品信息推送***和商品信息推送方法
CN103020784A (zh) * 2012-12-27 2013-04-03 智比特信息技术（镇江）有限公司 一种对事物的评价***
CN103077220B (zh) * 2012-12-29 2016-06-29 中国科学院深圳先进技术研究院 一种基于用户群关联度的个性化推荐方法及***
CN103077220A (zh) * 2012-12-29 2013-05-01 中国科学院深圳先进技术研究院 一种基于用户群关联度的个性化推荐方法及***
CN103093376B (zh) * 2013-01-16 2020-02-14 北京邮电大学 基于奇异值分解算法的聚类协同过滤推荐***
CN103093376A (zh) * 2013-01-16 2013-05-08 北京邮电大学 基于奇异值分解算法的聚类协同过滤推荐***
CN104111938A (zh) * 2013-04-18 2014-10-22 腾讯科技（深圳）有限公司 一种信息推荐的方法及装置
CN104111938B (zh) * 2013-04-18 2018-09-18 腾讯科技（深圳）有限公司 一种信息推荐的方法及装置
CN104391843A (zh) * 2013-08-19 2015-03-04 捷达世软件（深圳）有限公司 文件推荐***及方法
CN103886003A (zh) * 2013-09-22 2014-06-25 天津思博科科技发展有限公司 一种协同过滤处理器
US11625762B2 (en) 2013-09-24 2023-04-11 Ebay Inc. Method, medium, and system for social media-based recommendations
US11120491B2 (en) 2013-09-24 2021-09-14 Ebay Inc. Method, medium, and system for social media based recommendations
CN105706132A (zh) * 2013-09-24 2016-06-22 电子湾有限公司 基于社交媒体的推荐
CN104572669A (zh) * 2013-10-15 2015-04-29 财团法人资讯工业策进会 推荐***及其方法
CN104572669B (zh) * 2013-10-15 2017-12-19 财团法人资讯工业策进会 推荐***及其方法
CN103530416B (zh) * 2013-10-28 2017-01-18 海南大学 项目数据预测评分库的生成、项目数据的推送方法和***
CN103530416A (zh) * 2013-10-28 2014-01-22 海南大学 项目数据预测评分库的生成、项目数据的推送方法和***
CN103605791A (zh) * 2013-12-04 2014-02-26 深圳中兴网信科技有限公司 信息推送***和信息推送方法
CN104717124A (zh) * 2013-12-13 2015-06-17 腾讯科技（深圳）有限公司 一种好友推荐方法、装置及服务器
CN104866474A (zh) * 2014-02-20 2015-08-26 阿里巴巴集团控股有限公司 个性化数据搜索方法及装置
CN103886073A (zh) * 2014-03-24 2014-06-25 河南理工大学 基于协同过滤的煤矿信息推荐***
CN103886073B (zh) * 2014-03-24 2017-03-29 河南理工大学 基于协同过滤的煤矿信息推荐***
CN104318452A (zh) * 2014-05-04 2015-01-28 广西中烟工业有限责任公司 面向产品的零售点营销推荐方法
CN104166884A (zh) * 2014-05-04 2014-11-26 广西中烟工业有限责任公司 基于协同过滤的零售点产品销量预测方法
CN104021230B (zh) * 2014-06-27 2017-02-15 重庆邮电大学 一种基于社区发现的协同过滤方法
CN104021230A (zh) * 2014-06-27 2014-09-03 重庆邮电大学 一种基于社区发现的协同过滤方法
CN105335409A (zh) * 2014-07-31 2016-02-17 华为技术有限公司 一种目标用户的确定方法、设备和网络服务器
CN105335409B (zh) * 2014-07-31 2019-02-01 华为技术有限公司 一种目标用户的确定方法、设备和网络服务器
CN104239496A (zh) * 2014-09-10 2014-12-24 西安电子科技大学 一种结合模糊权重相似性度量和聚类协同过滤的方法
CN105677647B (zh) * 2014-11-17 2019-04-19 ***通信集团广东有限公司 一种个体推荐方法及***
CN105677647A (zh) * 2014-11-17 2016-06-15 ***通信集团广东有限公司 一种个体推荐方法及***
WO2016086802A1 (zh) * 2014-12-04 2016-06-09 阿里巴巴集团控股有限公司 基于计算机***的推荐方法及其装置
CN104462597B (zh) * 2014-12-31 2018-04-03 湖南大学 一种综合用户正负性评分和评分偏好因子的协同过滤方法
CN104462597A (zh) * 2014-12-31 2015-03-25 湖南大学 一种综合用户正负性评分和评分偏好因子的协同过滤算法
CN104699958B (zh) * 2015-02-13 2018-12-11 小米科技有限责任公司 一种根据用户身体状况推荐菜谱的方法及装置
CN104699958A (zh) * 2015-02-13 2015-06-10 小米科技有限责任公司 一种根据用户身体状况推荐菜谱的方法及装置
CN106204083A (zh) * 2015-04-30 2016-12-07 ***通信集团山东有限公司 一种目标用户分类方法、装置及***
CN106204083B (zh) * 2015-04-30 2020-02-18 ***通信集团山东有限公司 一种目标用户分类方法、装置及***
CN104794250A (zh) * 2015-05-19 2015-07-22 苏州融希信息科技有限公司 一种基于自适应主动学习的项目选择方法
CN104794250B (zh) * 2015-05-19 2018-10-19 苏州融希信息科技有限公司 一种基于自适应主动学习的项目选择方法
CN106469146A (zh) * 2015-08-12 2017-03-01 腾讯科技（深圳）有限公司 一种利用社交群组进行推荐的验证***及***
CN105354208A (zh) * 2015-09-21 2016-02-24 江苏讯狐信息科技有限公司 一种大数据信息挖掘方法
CN105427136A (zh) * 2015-12-17 2016-03-23 浪潮软件股份有限公司 一种推荐商品的方法及装置
CN105554140B (zh) * 2015-12-24 2020-01-10 腾讯科技（深圳）有限公司 一种用户群体定位方法及服务器
CN105554140A (zh) * 2015-12-24 2016-05-04 腾讯科技（深圳）有限公司 一种用户群体定位方法及服务器
CN105740210B (zh) * 2016-03-17 2020-06-16 腾讯科技（深圳）有限公司 一种信息相似度确定方法及装置
CN105740210A (zh) * 2016-03-17 2016-07-06 腾讯科技（深圳）有限公司 一种信息相似度确定方法及装置
CN105824942A (zh) * 2016-03-21 2016-08-03 上海珍岛信息技术有限公司 一种基于协同过滤算法的项目推荐方法及***
CN107305677A (zh) * 2016-04-25 2017-10-31 北京京东尚科信息技术有限公司 产品信息推送方法和装置
CN107016589A (zh) * 2016-08-10 2017-08-04 阿里巴巴集团控股有限公司 推荐产品的确定方法及装置
CN107016589B (zh) * 2016-08-10 2020-10-30 创新先进技术有限公司 推荐产品的确定方法及装置
CN107871055A (zh) * 2016-09-27 2018-04-03 华为技术有限公司 一种数据分析方法和装置
CN107871055B (zh) * 2016-09-27 2022-03-29 华为技术有限公司 一种数据分析方法和装置
CN107885742A (zh) * 2016-09-29 2018-04-06 腾讯科技（深圳）有限公司 服务推荐方法和装置
CN107885742B (zh) * 2016-09-29 2021-09-07 腾讯科技（深圳）有限公司 服务推荐方法和装置
CN106599037B (zh) * 2016-11-04 2021-01-22 焦点科技股份有限公司 一种基于标签语义规范化推荐方法
CN106599037A (zh) * 2016-11-04 2017-04-26 焦点科技股份有限公司 一种基于标签语义规范化推荐方法
CN108073578A (zh) * 2016-11-07 2018-05-25 阿里巴巴集团控股有限公司 一种进行对象推荐的方法和***
CN108073578B (zh) * 2016-11-07 2021-08-17 阿里巴巴集团控股有限公司 一种进行对象推荐的方法和***
CN106708938A (zh) * 2016-11-18 2017-05-24 北京大米科技有限公司 用于辅助推荐的方法及装置
CN106776859A (zh) * 2016-11-28 2017-05-31 南京华苏科技有限公司 基于用户偏好的移动应用App推荐***
CN106910148A (zh) * 2017-01-19 2017-06-30 崔翛龙 基于协同过滤的指挥要素自适应推送方法
CN106910148B (zh) * 2017-01-19 2020-11-17 崔翛龙 基于协同过滤的指挥要素自适应推送方法
CN106886872A (zh) * 2017-01-20 2017-06-23 淮阴工学院 一种基于聚类和余弦相似度的物流推荐方法
CN106951436B (zh) * 2017-02-09 2020-06-19 华南理工大学 一种基于移动情境的大规模在线推荐方法
CN106951436A (zh) * 2017-02-09 2017-07-14 华南理工大学 一种基于移动情境的大规模在线推荐方法
CN108665120B (zh) * 2017-03-27 2020-10-20 创新先进技术有限公司 打分模型的建立、用户信用的评估方法及装置
US11188565B2 (en) 2017-03-27 2021-11-30 Advanced New Technologies Co., Ltd. Method and device for constructing scoring model and evaluating user credit
CN108665120A (zh) * 2017-03-27 2018-10-16 阿里巴巴集团控股有限公司 打分模型的建立、用户信用的评估方法及装置
CN106991598A (zh) * 2017-04-07 2017-07-28 北京百分点信息科技有限公司 数据推送方法及其***
CN107657004A (zh) * 2017-09-21 2018-02-02 广州华多网络科技有限公司 视频推荐方法、***及设备
CN107808278B (zh) * 2017-10-11 2021-09-24 河海大学 一种基于稀疏自编码器的Github开源项目推荐方法
CN107808278A (zh) * 2017-10-11 2018-03-16 河海大学 一种基于稀疏自编码器的Github开源项目推荐方法
CN107786943A (zh) * 2017-11-15 2018-03-09 北京腾云天下科技有限公司 一种用户分群方法及计算设备
CN107786943B (zh) * 2017-11-15 2020-09-01 北京腾云天下科技有限公司 一种用户分群方法及计算设备
CN108335171A (zh) * 2018-01-15 2018-07-27 杭州华量软件有限公司 一种快消品精准推荐方法以及***
CN108537620A (zh) * 2018-03-06 2018-09-14 上海康斐信息技术有限公司 一种穿衣搭配推荐方法及***
CN108710648A (zh) * 2018-04-28 2018-10-26 东华大学 一种基于s型改进相似度的协同过滤推荐方法
CN108710648B (zh) * 2018-04-28 2021-08-31 东华大学 一种基于s型改进相似度的协同过滤推荐方法
CN108681581A (zh) * 2018-05-11 2018-10-19 重庆工商职业学院 一种就业数据的协同过滤方法及***
CN112703526A (zh) * 2018-07-26 2021-04-23 全球文档***股份有限公司 基于相似性群组的用户管理内容和广告递送
CN109815406A (zh) * 2019-01-31 2019-05-28 腾讯科技（深圳）有限公司 一种数据处理、信息推荐方法及装置
CN109815406B (zh) * 2019-01-31 2022-12-13 腾讯科技（深圳）有限公司 一种数据处理、信息推荐方法及装置
CN109934673A (zh) * 2019-02-25 2019-06-25 校宝在线（杭州）科技股份有限公司 一种基于推荐***的智能销售线索分配方法
CN109933726B (zh) * 2019-03-22 2022-04-12 江西理工大学 基于用户平均加权兴趣向量聚类的协同过滤电影推荐方法
CN109933726A (zh) * 2019-03-22 2019-06-25 江西理工大学 基于用户平均加权兴趣向量聚类的协同过滤电影推荐方法
CN110135893A (zh) * 2019-04-16 2019-08-16 深圳壹账通智能科技有限公司 ***的确定方法、装置、计算机设备及存储介质
CN110162706A (zh) * 2019-05-22 2019-08-23 南京邮电大学 一种基于交互数据聚类的个性化推荐方法及***
CN110162706B (zh) * 2019-05-22 2021-10-26 南京邮电大学 一种基于交互数据聚类的个性化推荐方法及***
CN110188958A (zh) * 2019-06-03 2019-08-30 杭州志优网络科技有限公司 一种高考志愿智能填报预测推荐的方法
CN110321490A (zh) * 2019-07-12 2019-10-11 科大讯飞(苏州)科技有限公司 推荐方法、装置、设备及计算机可读存储介质
CN110633418A (zh) * 2019-09-20 2019-12-31 曹严清 商品推荐方法及装置
CN111125473A (zh) * 2019-12-23 2020-05-08 支付宝(杭州)信息技术有限公司 推荐业务处理及信息推荐方法、装置、设备及***
CN111125473B (zh) * 2019-12-23 2023-10-24 支付宝(杭州)信息技术有限公司 推荐业务处理及信息推荐方法、装置、设备及***
CN111581506A (zh) * 2020-04-28 2020-08-25 海南太美航空股份有限公司 基于协同过滤的航班推荐方法及***
CN112765230B (zh) * 2020-12-30 2021-09-21 深圳钱盒信息技术有限公司 基于互联网金融的支付大数据分析方法及大数据分析***
CN112765230A (zh) * 2020-12-30 2021-05-07 陈非 基于互联网金融的支付大数据分析方法及大数据分析***
CN116628829A (zh) * 2023-07-24 2023-08-22 山东融谷信息科技有限公司 一种基于数字孪生的智慧建筑三维可视化***
CN116628829B (zh) * 2023-07-24 2023-11-07 山东融谷信息科技有限公司 一种基于数字孪生的智慧建筑三维可视化***

Also Published As

Publication number Publication date
WO2010037286A1 (zh) 2010-04-08
CN101685458B (zh) 2012-09-19
US20110184977A1 (en) 2011-07-28

Similar Documents

Publication Publication Date Title
CN101685458B (zh) 一种基于协同过滤的推荐方法和***
CN109034468B (zh) 一种基于布谷鸟算法的带时间窗的物流配送路径规划方法
US20210312347A1 (en) Dispatching distribution
CN111553754B (zh) 行为预测***的更新方法及装置
CN104966125B (zh) 一种社交网络的物品评分及推荐方法
CN105808698B (zh) 一种面向物联网用户查询请求的TOP-k位置兴趣点推荐方法
CN109190043A (zh) 推荐方法及装置，存储介质，电子设备及推荐***
CN107391713A (zh) 一种解决协同过滤推荐技术中冷启动问题的方法及***
CN105373597A (zh) 基于k-medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法
EP2481018A1 (en) Method and apparatus for executing a recommendation
CN110008397A (zh) 一种推荐模型训练方法及装置
CN107918818A (zh) 基于大数据技术的供应链管理决策支持***
CN108470075A (zh) 一种面向排序预测的社会化推荐方法
CN108491540A (zh) 文本信息推送方法、装置及智能终端
CN104573130A (zh) 基于群体计算的实体解析方法及装置
WO2017076297A1 (zh) 设备存放位置的查找方法及装置
WO2023273295A1 (zh) 基于聚类技术的企业esg指数确定方法及相关产品
CN104778284A (zh) 一种空间图像查询方法和***
CN108920709B (zh) 基于随机森林修正的大数据下改进协同过滤推荐方法
CN102737123A (zh) 一种多维数据分布方法
CN109214882A (zh) 一种商品推荐方法
CN105512122B (zh) 信息检索***的排序方法及装置
Liu et al. Model trees for identifying exceptional players in the NHL and NBA drafts
CN111833096A (zh) 一种基于机器学习的广告推荐方法及***
Brero et al. Learning Stackelberg equilibria in sequential price mechanisms

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120919