CN107016589B - 推荐产品的确定方法及装置 - Google Patents

推荐产品的确定方法及装置 Download PDF

Info

Publication number
CN107016589B
CN107016589B CN201610652089.9A CN201610652089A CN107016589B CN 107016589 B CN107016589 B CN 107016589B CN 201610652089 A CN201610652089 A CN 201610652089A CN 107016589 B CN107016589 B CN 107016589B
Authority
CN
China
Prior art keywords
product
user
recommended
target user
determining
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.)
Active
Application number
CN201610652089.9A
Other languages
English (en)
Other versions
CN107016589A (zh
Inventor
刘正
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Advanced New 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 Advanced New Technologies Co Ltd filed Critical Advanced New Technologies Co Ltd
Priority to CN201610652089.9A priority Critical patent/CN107016589B/zh
Publication of CN107016589A publication Critical patent/CN107016589A/zh
Application granted granted Critical
Publication of CN107016589B publication Critical patent/CN107016589B/zh
Active 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种推荐产品的确定方法及装置，属于信息处理技术领域。所述方法包括：确定目标用户感兴趣的产品类别；获取对目标用户感兴趣的产品类别感兴趣的邻居用户；根据邻居用户对待推荐产品的兴趣度，确定推荐给目标用户的推荐产品。本申请中邻居用户与目标用户对相同的产品类别感兴趣，根据邻居用户的偏好确定的推荐产品为目标用户感兴趣的产品类别中的产品，相对于现有技术，邻居用户与目标用户对所有产品的偏好相关，根据邻居用户确定的推荐产品可能不属于目标用户感兴趣的产品类别而言，提升了推荐准确性。

Description

推荐产品的确定方法及装置
技术领域
本申请涉及信息处理技术领域，尤其涉及推荐产品的确定方法及装置。
背景技术
随着网络时代的到来，电子商务迅猛发展，电子商务运营商所提供的产品迅速增多。在琳琅满目的产品中如何高效和准确地推荐符合用户期望的产品，是电子商务运营商实现个性化和定制化服务、提升服务质量，增强用户粘度的关键。
目前推荐产品的确定方法为：获取目标用户对产品的偏好评分，根据该偏好评分确定与该目标用户相似度较高的邻居用户，根据邻居用户对产品偏好评分确定推荐产品。
例如：产品为音像制品、图书、家电、服饰、水果，偏好评分采用五个偏好级别：“特别不喜欢”、“不喜欢”、“一般”、“喜欢”、“特别喜欢”，相应分值记为1、2、3、4、5，没有评价记0分。假定用户为{u1，u2，u3，u4}，各用户对各产品的偏好评分，如表1所示：
表1
音像制品 图书 家电 服饰 水果
u<sub>1</sub> 5 5 5 0 0
u<sub>2</sub> 5 5 5 0 0
u<sub>3</sub> 0 5 5 4 5
u<sub>4</sub> 0 5 5 1 0
若推荐用户为u4，其对图书、家电和服饰进行评分，对音像制品和水果未进行评分，但u4对水果中的苹果感兴趣。
则根据表1所示的u4的偏好评分，确定与u4相似度较高的邻居用户为u3，根据u3对产品偏好评分确定推荐产品为图书、家电、服饰和水果中的一种或多种。对于向u4推荐水果的情景，虽然u4仅对水果中的苹果感兴趣，但苹果属于水果，因此，向u4推荐水果符合u4的实际情况。
随着产品分类的逐渐细化，上述方法存在推荐产品不准确的弊端。
例如：图书细化为科教书、传记和小说，服饰细化为裙子、裤子和衬衫，水果产品已细化为香蕉、苹果和葡萄。
{u1，u2，u3，u4}对各产品的偏好评分，如表2所示：
-表2
Figure BDA0001074303940000021
若目标用户仍为u4，其对科教书、传记、小说、家电和葡萄进行评分，对音像制品、裙子、裤子、衬衫、香蕉和苹果未进行评分，但u4对苹果感兴趣。
则上述方法，根据表2所示的u4的偏好评分，确定与u4相似度较高的邻居用户为u1和u2，根据u1和u2对产品偏好评分确定推荐产品为音像制品、科教书、传记、小说和家电中的一种或多种，但不会向u4推荐苹果。而实际上u4对苹果感兴趣，因此推荐的产品与u4的实际情况不匹配。
发明内容
为了提升确定的推荐产品的准确性，本申请实施例提出了一种推荐产品的确定方法和装置。
一方面，本申请实施例提供了一种推荐产品的确定方法，所述方法包括：
确定目标用户感兴趣的产品类别；
获取对所述目标用户感兴趣的产品类别感兴趣的邻居用户；
根据所述邻居用户对待推荐产品的兴趣度，确定推荐给所述目标用户的推荐产品。
可选地，所述确定目标用户感兴趣的产品类别之前，还包括：
根据各产品类别中被各用户评价的产品数量确定各用户对各产品类别的兴趣度，所述用户包括目标用户和其他用户；
确定目标用户感兴趣的产品类别，包括：
根据目标用户对各产品类别的兴趣度确定所述目标用户感兴趣的产品类别；
所述获取对所述目标用户感兴趣的产品类别感兴趣的邻居用户，包括：
将对所述目标用户感兴趣的产品类别感兴趣的其他用户确定为邻居用户。
可选地，所述根据各产品类别中被各用户评价的产品数量确定各用户对产品类别的兴趣度，包括：
根据各产品类别中被各用户评价的产品数量和各产品类别包括的产品数量，确定各用户对各产品类别的兴趣度。
可选地，所述根据各产品类别中被各用户评价的产品数量和各产品类别包括的产品数量，确定各用户对各产品类别的兴趣度，包括：
根据
Figure BDA0001074303940000031
确定各用户对各产品类别的兴趣度；
其中，aij为用户i对产品类别j的兴趣度，Mij为产品类别j中被用户i评价的产品数量，
Figure BDA0001074303940000032
为各产品类别中被用户i评价的产品总数量，Nj为产品类别j包括的产品数量，
Figure BDA0001074303940000033
为各产品类别包括的产品总数量。
可选地，所述待推荐产品属于所述目标用户感兴趣的产品类别。
可选地，所述根据所述邻居用户对待推荐产品的兴趣度，确定推荐给所述目标用户的推荐产品，包括：
根据所述邻居用户对待推荐产品的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度；
根据所述推荐度确定推荐给所述目标用户的推荐产品。
可选地，所述根据所述邻居用户对待推荐产品的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度，包括：
根据各邻居用户对待推荐产品的兴趣度、所述目标用户与各邻居用户之间的相似度和所述目标用户与各邻居用户之间的相似度之和，确定所述待推荐产品针对所述目标用户的推荐度。
可选地，所述根据各邻居用户对待推荐产品的兴趣度、所述目标用户与各邻居用户之间的相似度和所述目标用户与各邻居用户之间的相似度之和，确定所述待推荐产品针对所述目标用户的推荐度，包括：
根据
Figure BDA0001074303940000041
确定所述待推荐产品针对所述目标用户的推荐度；
其中，rs，j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s，k)为第目标用户s与邻居用户k之间的相似度，
Figure BDA0001074303940000042
为目标用户s与各邻居用户之间的相似度之和。
可选地，所述根据所述邻居用户对待推荐产品的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度，包括：
根据各邻居用户对待推荐产品的兴趣度、所述目标用户与各邻居用户之间的相似度、所述目标用户与各邻居用户之间的相似度之和、所述目标用户对待推荐产品所属产品类别的兴趣度和所述目标用户对各产品类别的兴趣度之和，确定所述待推荐产品针对所述目标用户的推荐度。
可选地，所述根据各邻居用户对待推荐产品的兴趣度、所述目标用户与各邻居用户之间的相似度、所述目标用户与各邻居用户之间的相似度之和、所述目标用户对待推荐产品所属产品类别的兴趣度和所述目标用户对各产品类别的兴趣度之和，确定所述待推荐产品针对所述目标用户的推荐度，包括：
根据
Figure BDA0001074303940000051
确定所述待推荐产品针对所述目标用户的推荐度；
其中，rs，j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s，k)为目标用户s与邻居用户k之间的相似度，
Figure BDA0001074303940000052
为目标用户s与各邻居用户之间的相似度之和，as，jq为目标用户s对待推荐产品j所属产品类别q的兴趣度，
Figure BDA0001074303940000053
为目标用户s对各产品类别的兴趣度之和，其中，w为产品类别。
另一方面，本申请实施例提供了一种推荐产品的确定装置，所述装置包括：
第一确定模块，用于确定目标用户感兴趣的产品类别；
获取模块，用于获取对所述第一确定模块确定的目标用户感兴趣的产品类别感兴趣的邻居用户；
第二确定模块，用于根据所述获取模块获取的邻居用户对待推荐产品的兴趣度，确定推荐给所述目标用户的推荐产品。
可选地，所述装置，还包括：
第三确定模块，用于根据各产品类别中被各用户评价的产品数量确定各用户对各产品类别的兴趣度，所述用户包括目标用户和其他用户；
所述第一确定模块，用于根据所述第三确定模块确定的目标用户对各产品类别的兴趣度确定所述目标用户感兴趣的产品类别；
所述获取模块，用于将对所述第三确定模块确定的目标用户感兴趣的产品类别感兴趣的其他用户确定为邻居用户。
可选地，所述第三确定模块，用于根据各产品类别中被各用户评价的产品数量和各产品类别包括的产品数量，确定各用户对各产品类别的兴趣度。
可选地，所述第三确定模块，用于根据
Figure BDA0001074303940000061
确定各用户对各产品类别的兴趣度；
其中，aij为用户i对产品类别j的兴趣度，Mij为产品类别j中被用户i评价的产品数量，
Figure BDA0001074303940000062
为各产品类别中被用户i评价的产品总数量，Nj为产品类别j包括的产品数量，
Figure BDA0001074303940000063
为各产品类别包括的产品总数量。
可选地，所述待推荐产品属于所述目标用户感兴趣的产品类别。
可选地，所述第二确定模块，包括：
第一确定单元，用于根据所述邻居用户对待推荐产品的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度；
第二确定单元，用于根据所述第一确定单元确定的推荐度确定推荐给所述目标用户的推荐产品。
可选地，所述第一确定单元，用于根据各邻居用户对待推荐产品的兴趣度、所述目标用户与各邻居用户之间的相似度和所述目标用户与各邻居用户之间的相似度之和，确定所述待推荐产品针对所述目标用户的推荐度。
可选地，所述第一确定单元，用于根据
Figure BDA0001074303940000064
确定所述待推荐立品针对所述目标用户的推荐度；
其中，rs，j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s，k)为第目标用户s与邻居用户k之间的相似度，
Figure BDA0001074303940000065
为目标用户s与各邻居用户之间的相似度之和。
可选地，所述第一确定单元，用于根据各邻居用户对待推荐产品的兴趣度、所述目标用户与各邻居用户之间的相似度、所述目标用户与各邻居用户之间的相似度之和、所述目标用户对待推荐产品所属产品类别的兴趣度和所述目标用户对各产品类别的兴趣度之和，确定所述待推荐产品针对所述目标用户的推荐度。
可选地，所述第一确定单元，用于根据
Figure BDA0001074303940000071
确定所述待推荐产品针对所述目标用户的推荐度；
其中，rs，j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s，k)为目标用户s与邻居用户k之间的相似度，
Figure BDA0001074303940000072
为目标用户s与各邻居用户之间的相似度之和，as，jq为目标用户s对待推荐产品j所属产品类别q的兴趣度，
Figure BDA0001074303940000073
为目标用户s对各产品类别的兴趣度之和，其中，w为产品类别。
有益效果如下：
确定目标用户感兴趣的产品类别；获取对目标用户感兴趣的产品类别感兴趣的邻居用户；根据邻居用户对待推荐产品的兴趣度，确定推荐给目标用户的推荐产品。本申请中的邻居用户与目标用户对相同的产品类别感兴趣，根据邻居用户的偏好确定的推荐产品为目标用户感兴趣的产品类别中的产品，而现有技术中，邻居用户与目标用户对所有产品的偏好相关，根据邻居用户确定的推荐产品可能不属于目标用户感兴趣的产品类别。因此，本申请相对于现有技术，最终确定的推荐产品更符合目标用户的偏好，可以提升推荐准确性。
附图说明
下面将参照附图描述本申请的具体实施例，其中：
图1示出了本申请另一实施例提供的另一种推荐产品的确定方法的流程示意图；
图2示出了本申请另一实施例提供的一种推荐产品的确定装置的结构示意图；
图3示出了本申请另一实施例提供的另一种推荐产品的确定装置的结构示意图；
图4示出了本申请另一实施例提供的一种第二确定模块的结构示意图。
具体实施方式
为了使本申请的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互相结合。
在进行产品推荐时，首先需要确定推荐产品。现有技术中，获取目标用户对所有产品的偏好评分，根据该偏好评分确定与该目标用户相似度较高的邻居用户，根据邻居用户对产品偏好评分确定推荐产品。该方法邻居用户的确定与目标用户对所有产品的偏好评分相关，随着产品分类的逐渐细化，根据目标用户对所有产品的偏好评分确定的邻居用户的偏好不足以代表目标用户的偏好，可能出现根据邻居用户的偏好确定的推荐产品不属于目标用户感兴趣的产品类别，进而降低该方法的推荐准确性。
为了提升推荐准确性，本申请提供了一种推荐产品的确定方法，本申请提供的方法确定目标用户感兴趣的产品类别；获取对目标用户感兴趣的产品类别感兴趣的邻居用户；根据邻居用户对待推荐产品的兴趣度，确定推荐给目标用户的推荐产品。本申请提供的方法中邻居用户与目标用户对相同的产品类别感兴趣，根据本申请提供的方法中的邻居用户的偏好确定的推荐产品属于目标用户感兴趣的产品类别，提升推荐准确性。
结合上述实施环境，本申请提供了一种推荐产品的确定方法。本申请提供的方法可以应用于各种场景中，以确定推荐产品后，向推荐用户推荐该推荐产品，满足用户的个性化和定制化需求，提升用户粘度，增强竞争力。
为了更清楚明确的说明本实施例提供的推荐产品的确定方法，本实施例以如下场景为例，对于其他场景，可参见如下场景的实现方式。
具体场景：产品类别为5类，分别为：音像制品、图书、家电、服饰和水果，其中，音像制品类别和家电类别不细化具体产品，图书类别细化为3种产品，分别为：科教书、传记和小说。服饰类别细化为3种产品，分别为：裙子、裤子和衬衫。水果类别细化为3种产品，分别为：香蕉、苹果和葡萄。偏好评分采用五个偏好级别：“特别不喜欢”、“不喜欢”、“一般”、“喜欢”、“特别喜欢”，相应分值记为1、2、3、4、5，没有评价记0分。历史用户为{u1，u2，u3，u4}，各历史用户对各产品的偏好评分如表3所示：
表3
Figure BDA0001074303940000091
运行本实施例提供的方法的推荐产品的确定装置与存储上述场景中相关数据的存储装置之间的关系，可以为如下关系中的一种：
第一种关系：推荐产品的确定装置与存储装置为同一装置；
即存储上述场景中相关数据的存储装置上运行本实施例提供推荐产品的确定方法。
此种关系下，运行本实施例提供的方法的推荐产品的确定装置直接读取其存储的上述场景相关数据。例如：各历史用户、各产品类别、各产品、产品类别与产品之间的包含关系、对各产品的偏好评分数据。
第二种关系：推荐产品的确定装置与存储装置为不同装置；
存储上述场景中相关数据的存储装置和运行本实施例提供的方法的推荐产品的确定装置为两个装置。
此种关系下，运行本实施例提供的方法的推荐产品的确定装置从存储上述场景中相关数据的存储装置中获取上述场景相关数据。例如，各历史用户、各产品类别、各产品、产品类别与产品之间的包含关系、对各产品的偏好评分数据。
另外，对于上述场景，无论运行本实施例提供的方法的推荐产品的确定装置与存储上述场景中相关数据的存储装置之间为何种关系，在进行推荐产品确定时，目标用户与历史用户之间的关系可能存在如下2情况：
情况1：历史用户不包括目标用户，例如，目标用户为u5。
针对此种情况，表3中未记载u5对各产品的偏好评分，不能确定u5的偏好，因此，不执行本申请提供的推荐产品的确定方法。
在具体实现时，可以将缺省产品确定为推荐产品，待表3中记载u5对某一或某些产品的偏好评分后，再执行本申请提供的方法确定推荐产品。
情况2：历史用户包括目标用户，例如，目标用户为u4。
针对此种情况，可以执行本申请提供的方法确定推荐产品。
下面以目标用户为u4，且u4对苹果感兴趣为例，参见图1，对本实施例提供的推荐产品的确定方法进行说明。
101：根据各产品类别中被各历史用户评价的产品数量确定各历史用户对各产品类别的兴趣度；
其中，历史用户包括目标用户u4和其他用户u1，u2，u3。
本步骤在具体实施时，可以根据各产品类别中被各历史用户评价的产品数量和各产品类别包括的产品数量，确定各历史用户对各产品类别的兴趣度。
例如，ui(任一历史用户)对Lj(任一产品类别)的兴趣度
Figure BDA0001074303940000111
其中，Mij为产品类别j中被历史用户i评价的产品数量，
Figure BDA0001074303940000112
为各产品类别中被历史用户i评价的产品总数量，Nj为产品类别j包括的产品数量，
Figure BDA0001074303940000113
为各产品类别包括的产品总数量。
参照表3，现对u1，u2，u3，u4对各产品类别的兴趣度的计算方法进行详细说明。
1)对于u1：u1对各产品的评价如表4所示。
表4
Figure BDA0001074303940000114
从表4中可看出，类别L1中被u1评价的产品的数量为1，类别L2中被u1评价的产品的数量为3，类别L3中被u1评价的产品的数量为1，类别L4中被u1评价的产品的数量为0，类别L5中被u1评价的产品的数量为0。因此，确定M11＝1，M12＝3，M13＝1，M14＝0，M15＝0。同时，从表4中还可看出，L1包括的产品数量N1＝1，L2包括的产品数量N2＝3，L3包括的产品数量N3＝1，L4包括的产品数量N4＝3，L5包括的产品数量N5＝3。
因此，
Figure BDA0001074303940000115
Figure BDA0001074303940000116
Figure BDA0001074303940000117
Figure BDA0001074303940000118
Figure BDA0001074303940000121
2)对于u2：u2对各产品的评价如表5所示。
表5
Figure BDA0001074303940000122
从表5中可看出，类别L1中被u2评价的产品的数量为1，类别L2中被u2评价的产品的数量为3，类别L3中被u2评价的产品的数量为1，类别L4中被u2评价的产品的数量为0，类别L5中被u2评价的产品的数量为0。因此，确定M21＝1，M22＝3，M23＝1，M24＝0，M25＝0。同时，从表5中还可看出，L1包括的产品数量N1＝1，L2包括的产品数量N2＝3，L3包括的产品数量N3＝1，L4包括的产品数量N4＝3，L5包括的产品数量N5＝3。
因此，
Figure BDA0001074303940000123
Figure BDA0001074303940000124
Figure BDA0001074303940000125
Figure BDA0001074303940000126
Figure BDA0001074303940000127
3)对于u3：u3对各产品的评价如表6所示。
表6
Figure BDA0001074303940000128
从表6中可看出，类别L1中被u3评价的产品的数量为0，类别L2中被u3评价的产品的数量为1，类别L3中被u3评价的产品的数量为1，类别L4中被u3评价的产品的数量为3，类别L5中被u3评价的产品的数量为3。因此，确定M31＝0，M32＝1，M33＝1，M34＝3，M35＝3。同时，从表6中还可看出，L1包括的产品数量N1＝1，L2包括的产品数量N2＝3，L3包括的产品数量N3＝1，L4包括的产品数量N4＝3，L5包括的产品数量N5＝3。
因此，
Figure BDA0001074303940000131
Figure BDA0001074303940000132
Figure BDA0001074303940000133
Figure BDA0001074303940000134
Figure BDA0001074303940000135
4)对于u4：u4对各产品的评价如表7所示。
表7
Figure BDA0001074303940000136
从表7中可看出，类别L1中被u4评价的产品的数量为0，类别L2中被u4评价的产品的数量为3，类别L3中被u4评价的产品的数量为1，类别L4中被u4评价的产品的数量为0，类别L5中被u4评价的产品的数量为1。因此，确定M41＝0，M42＝3，M43＝1，M44＝0，M45＝1。同时，从表7中还可看出，L1包括的产品数量N1＝1，L2包括的产品数量N2＝3，L3包括的产品数量N3＝1，L4包括的产品数量N4＝3，L5包括的产品数量N5＝3。
因此，
Figure BDA0001074303940000137
Figure BDA0001074303940000141
Figure BDA0001074303940000142
Figure BDA0001074303940000143
Figure BDA0001074303940000144
综上，得到各历史用户对各产品类别的兴趣度矩阵
Figure BDA0001074303940000145
显然，当aij＝0表示用户ui尚未评价过产品类别Lj。在产品分类和产品数量确定的情况下，ui对Lj评价的产品数量越多，则aij越大，可以认为ui对Lj兴趣越大。
另外，在得到各历史用户对各产品类别的兴趣度矩阵之后，还可以根据各历史用户对各产品类别的兴趣度，确定对任一产品类别感兴趣的兴趣用户。
具体的，确定一个兴趣偏好尺度参数α，且α＞0，当0＜aij＜α时，认为ui对Lj兴趣一般，甚至很小可以忽略；当aij≥α时，认为ui对Lj有兴趣偏好，且数值越大兴趣偏好越大。
对预先确定的α，将对Lj(j＝1，2，…，m)有兴趣偏好的用户放成一类，即为各产品类别的兴趣用户：
Uj＝{ui|ai，j≥α，i＝1，2，…，N}，其中，N为用户数量。
以各历史用户对各产品类别的兴趣度为兴趣度矩阵
Figure BDA0001074303940000151
α＝1为例：L1的兴趣用户U1为{u1，u2}，L2的兴趣用户U2为{u1，u2，u3，u4}，L3的兴趣用户U3为{u1，u2，u3，u4}，L4的兴趣用户U4为{u3}，L5的兴趣用户U5为{u3，u4}。
当然，在得到Lj的兴趣用户Uj之后，还可以将得到与Uj对应的评分矩阵，即Uj中各历史用户对Lj的评分矩阵，
Figure BDA0001074303940000152
例如，U1中各历史用户对L1的评分矩阵
Figure BDA0001074303940000153
U2中各历史用户对L2的评分矩阵
Figure BDA0001074303940000154
U3中各历史用户对L3的评分矩阵
Figure BDA0001074303940000155
U4中各历史用户对L4的评分矩阵
Figure BDA0001074303940000156
U5中各历史用户对L5的评分矩阵
Figure BDA0001074303940000157
步骤101并非每次执行本实施例提供的推荐产品的确定方法均需要执行的步骤，仅当第一次执行本实施例提供的推荐产品的确定方法，或者，历史用户发生变化，或者，产品发生变化，或者，产品类别发生变化，或者，产品与产品类别的对应关系发生变化，或者，历史用户对任一产品的偏好评分发生变化时，执行步骤101，以确定历史用户对产品类别的最新兴趣度，本实施例不对执行步骤101的触发条件进行限定。
102：确定目标用户感兴趣的产品类别；
其中，目标用户与历史用户之间存在2种关系，历史用户不包括目标用户，或者，历史用户包括目标用户。本实施例仅针对历史用户包括目标用户的情况进行说明。
具体的，历史用户包括目标用户和其他用户，步骤101中得到的历史用户对产品类别的兴趣度也包括目标用户对各产品类别的兴趣度和其他用户对各产品类别的兴趣度，本步骤根据步骤101中得到的目标用户对各产品类别的兴趣度确定目标用户感兴趣的产品类别。
以步骤101中的例子为例，目标用户u4对各产品类别的兴趣度分别为：a41＝0、
Figure BDA0001074303940000161
a44＝0、
Figure BDA0001074303940000162
若兴趣偏好尺度参数α＞0，当aij≥α时，认为ui对Lj有兴趣偏好，则确定u4感兴趣的产品类别为L2、L3和L5。
103：确定待推荐产品是否属于目标用户感兴趣的产品类别，若待推荐产品是不属于目标用户感兴趣的产品类别，则执行步骤104，若待推荐产品属于目标用户感兴趣的产品类别，则执行步骤105及后续步骤；
本实施例中的待推荐产品，可以为目标用户未评分的产品，也可以为目标用户已评分的产品。
例如，待推荐产品可以为u4未评分的音像制品、裙子、裤子、衬衫、香蕉或苹果，通过向u4推荐未评分的产品，可以使u4发现其感兴趣的其他产品，提升用户粘度。待推荐产品也可以为u4已评分的科教书、传记、小说、家电、葡萄，通过u4推荐已评分的产品，可以使u4发现其感兴趣产品的最新动态，提升用户粘度。
以购物平台为例，u4购买过科教书、传记、小说、家电、葡萄且均评分，若待推荐产品确定为音像制品、裙子、裤子、衬衫、香蕉或苹果，可以增加u4购买音像制品、裙子、裤子、衬衫、香蕉或苹果的可能性，提升u4对购物平台的粘度。除此之外，还可以在科教书、传记、小说、家电或葡萄促销时，将u4购买过且已评分的科教书、传记、小说、家电或葡萄再次确定为待推荐产品，使u4获知科教书、传记、小说、家电或葡萄的促销信息，增加u4再次购买科教书、传记、小说、家电或葡萄的可能性，提升用户粘度。
对于本实施例中的具体场景，若待推荐产品为音像制品，其对应的产品类别为L1，不属于u4感兴趣的产品类别，则执行步骤104。若待推荐产品为裙子，其对应的产品类别为L3，不属于u4感兴趣的产品类别，则执行步骤104。若待推荐产品为裤子，其对应的产品类别为L3，不属于u4感兴趣的产品类别，则执行步骤104。若待推荐产品为衬衫，其对应的产品类别为L3，不属于u4感兴趣的产品类别，则执行步骤104。
若待推荐产品为科教书，其对应的产品类别为L2，属于u4感兴趣的产品类别，则执行步骤105。若待推荐产品为传记，其对应的产品类别为L2，属于u4感兴趣的产品类别，则执行步骤105。若待推荐产品为小说，其对应的产品类别为L2，属于u4感兴趣的产品类别，则执行步骤105。若待推荐产品为家电，其对应的产品类别为L3，属于u4感兴趣的产品类别，则执行步骤105。若待推荐产品为香蕉，其对应的产品类别为L5，属于u4感兴趣的产品类别，则执行步骤105。若待推荐产品为苹果，其对应的产品类别为L5，属于u4感兴趣的产品类别，则执行步骤105。若待推荐产品为葡萄，其对应的产品类别为L5，属于u4感兴趣的产品类别，则执行步骤105。
104：确定目标用户对待推荐产品的兴趣度为0，结束流程；
以待推荐产品为音像制品为例，确定u4对音像制品的兴趣度为0，即音像制品非推荐给u4的推荐产品，结束流程。
105：获取对目标用户感兴趣的产品类别感兴趣的邻居用户；
其中，历史用户包括目标用户和其他用户，步骤101中得到的历史用户对产品类别的兴趣度也包括目标用户对各产品类别的兴趣度和其他用户对各产品类别的兴趣度，本步骤根据步骤101中得到的其他用户对各产品类别的兴趣度，将对步骤102中确定的目标用户(us)感兴趣的产品类别(Lw)感兴趣的其他用户(USsw)确定为邻居用户。
以步骤102中的例子为例，步骤102中，确定u4感兴趣的产品类别为L2、L3和L5，步骤101中得到
Figure BDA0001074303940000181
a14＝0、a15＝0；
Figure BDA0001074303940000182
Figure BDA0001074303940000183
a24＝0、a25＝0；a31＝0、
Figure BDA0001074303940000184
若兴趣偏好尺度参数α＞0，当aij≥α时，认为ui对Lj有兴趣偏好，则确定u1感兴趣的产品类别为L1、L2和L3，确定u2感兴趣的产品类别为L1、L2和L3，确定u3感兴趣的产品类别为L2、L3和L5。步骤102中，确定目标用户u4感兴趣的产品类别为L2、L3和L5，则对u4感兴趣的产品类别L2感兴趣的邻居用户US42为{u1，u2，u3}，对u4感兴趣的产品类别L3感兴趣的邻居用户US43为{u1，u2，u3}，对u4感兴趣的产品类别L5感兴趣的邻居用户US45为{u3}。
106：根据邻居用户对待推荐产品的兴趣度，确定推荐给目标用户的推荐产品。
本步骤的具体实施方式，包括但不限于：步骤1：根据邻居用户对待推荐产品的兴趣度，确定待推荐产品针对目标用户的推荐度；步骤2：根据推荐度确定推荐给目标用户的推荐产品。
下面对各步骤的实现方式进行具体介绍。
步骤1：根据邻居用户对待推荐产品的兴趣度，确定待推荐产品针对目标用户的推荐度；
对于步骤1，其实现方式包括但不限于如下两种：
第1种实现方式：根据各邻居用户对待推荐产品的兴趣度、目标用户与各邻居用户之间的相似度和目标用户与各邻居用户之间的相似度之和，确定待推荐产品针对目标用户的推荐度。
第2种实现方式：根据各邻居用户对待推荐产品的兴趣度、目标用户与各邻居用户之间的相似度、目标用户与各邻居用户之间的相似度之和、目标用户对待推荐产品所属产品类别的兴趣度和目标用户对各产品类别的兴趣度之和，确定待推荐产品针对目标用户的推荐度。
对于第1种实现方式，根据各邻居用户对待推荐产品的兴趣度、目标用户与各邻居用户之间的相似度和目标用户与各邻居用户之间的相似度之和，确定待推荐产品针对目标用户的推荐度。
具体实现时，可以根据
Figure BDA0001074303940000191
确定待推荐产品针对目标用户的推荐度。
其中，rs，j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s，k)为第目标用户s与邻居用户k之间的相似度，
Figure BDA0001074303940000192
为目标用户s与各邻居用户之间的相似度之和。
sim(s，k)可以通过现有的任一相似度计算方式确定，此处不进行限定。
例如：对于us的其他用户USsw中的任一其他用户uk，根据云向量V＝(Er，En，He)得到sim(s，k)。
具体的，
1)计算样本均值：
Figure BDA0001074303940000193
其中，M为产品个数；
2)计算一阶样本绝对中心：
Figure BDA0001074303940000194
3)计算样本方差：
Figure BDA0001074303940000195
4)Ers的估计值：
Figure BDA0001074303940000196
5)超熵Hes的估计值：
Figure BDA0001074303940000197
6)熵Ens的估计值：
Figure BDA0001074303940000198
7)得到us的云向量Vs＝(Ers，Ens，Hes)；
8)重复1)-7)得到uk的云向量Vk＝(Erk，Enk，Hek)；
9)根据Vs和Vk得到sim(s，k)＝cos(Vs，Vk)。
下面参照表3，分别以待推荐产品为科教书、传记、小说、家电、香蕉、苹果和葡萄为例，对根据邻居用户对待推荐产品的兴趣度，确定待推荐产品针对u4的推荐度的第1种实现方式进行举例说明。
步骤102中确定u4的兴趣产品类别为L2、L3和L5，步骤105中确定对u4感兴趣的产品类别L2感兴趣的邻居用户US42为{u1，u2，u3}，对u4感兴趣的产品类别L3感兴趣的邻居用户US43为{u1，u2，u3}，对u4感兴趣的产品类别L5感兴趣的邻居用户US45为{u3}。
1)待推荐产品1为科教书
科教书对应的产品类别为L2，US42为{u1，u2，u3}，若u4与u1之间的相似度为sim(4，1)，u4与u2之间的相似度为sim(4，2)，u4与u3之间的相似度为sim(4，3)，则确定科教书针对u4的推荐度
Figure BDA0001074303940000201
2)待推荐产品2为传记
传记对应的产品类别为L2，US42为{u1，u2，u3}，传记针对u4的推荐度
Figure BDA0001074303940000202
3)待推荐产品3为小说
小说对应的产品类别为L2，U542为{u1，u2，u3}，小说针对u4的推荐度
Figure BDA0001074303940000203
4)待推荐产品4为家电
家电对应的产品类别为L3，US43为{u1，u2，u3}，家电针对u4的推荐度
Figure BDA0001074303940000204
5)待推荐产品5为香蕉
香蕉对应的产品类别为L5，US45为{u3}，香蕉针对u4的推荐度
Figure BDA0001074303940000211
6)待推荐产品6为苹果
苹果对应的产品类别为L5，US45为{u3}，苹果针对u4的推荐度
Figure BDA0001074303940000212
7)待推荐产品7为葡萄
葡萄对应的产品类别为L5，US45为{u3}，葡萄针对u4的推荐度
Figure BDA0001074303940000213
由此可知，小说、家电、香蕉、苹果、葡萄针对u4的推荐度均为5，教科书、传记针对u4的推荐度均＜5。
第2种实现方式：根据各邻居用户对待推荐产品的兴趣度、目标用户与各邻居用户之间的相似度、目标用户与各邻居用户之间的相似度之和、目标用户对待推荐产品所属产品类别的兴趣度和目标用户对各产品类别的兴趣度之和，确定待推荐产品针对目标用户的推荐度。
例如：根据
Figure BDA0001074303940000214
确定待推荐产品针对目标用户的推荐度；
其中，rs，j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s，k)为目标用户s与邻居用户k之间的相似度，
Figure BDA0001074303940000215
为目标用户s与各邻居用户之间的相似度之和，as，jq为目标用户s对待推荐产品j所属产品类别q的兴趣度，
Figure BDA0001074303940000216
为目标用户s对各产品类别的兴趣度之和，其中，w为产品类别。
下面仍然参照表3，分别以待推荐产品为科教书、传记、小说、家电、香蕉、苹果和葡萄为例，对根据邻居用户对待推荐产品的兴趣度，确定待推荐产品针对u4的推荐度的第2种实现方式进行举例说明。
步骤102中确定u4的兴趣产品类别为L2、L3和L5，步骤105中确定对u4感兴趣的产品类别L2感兴趣的邻居用户US42为{u1，u2，u3}，对u4感兴趣的产品类别L3感兴趣的邻居用户US43为{u1，u2，u3}，对u4感兴趣的产品类别L5感兴趣的邻居用户US45为{u3}。
1)待推荐产品1为科教书
科教书对应的产品类别为L2，US42为{u1，u2，u3}，若u4与u1之间的相似度为sim(4，1)，u4与u2之间的相似度为sim(4，2)，u4与u3之间的相似度为sim(4，3)，则确定
Figure BDA0001074303940000221
步骤101中获得a41＝0、
Figure BDA0001074303940000222
a44＝0、
Figure BDA0001074303940000223
因此，确定科教书针对u4的推荐度
Figure BDA0001074303940000224
2)待推荐产品2为传记
传记对应的产品类别为L2，US42为{u1，u2，u3}，则确定
Figure BDA0001074303940000225
确定科教书针对u4的推荐度
Figure BDA0001074303940000226
3)待推荐产品3为小说
小说对应的产品类别为L2，US42为{u1，u2，u3}，则确定
Figure BDA0001074303940000227
确定小说针对u4的推荐度
Figure BDA0001074303940000231
4)待推荐产品4为家电
家电对应的产品类别为L3，US43为{u1，u2，u3}，则确定
Figure BDA0001074303940000232
确定家电针对u4的推荐度
Figure BDA0001074303940000233
5)待推荐产品5为香蕉
香蕉对应的产品类别为L5，US45为{u3}，则确定
Figure BDA0001074303940000234
确定香蕉针对u4的推荐度
Figure BDA0001074303940000235
6)待推荐产品6为苹果
苹果对应的产品类别为L5，US45为{u3}，则确定
Figure BDA0001074303940000236
确定苹果针对u4的推荐度
Figure BDA0001074303940000237
7)待推荐产品7为葡萄
葡萄对应的产品类别为L5，US45为{u3}，则确定
Figure BDA0001074303940000238
确定葡萄针对u4的推荐度
Figure BDA0001074303940000241
由此可知，小说、家电针对u4的推荐度均为
Figure BDA0001074303940000242
香蕉、苹果、葡萄针对u4的推荐度均为
Figure BDA0001074303940000243
教科书、传记针对u4的推荐度
Figure BDA0001074303940000244
在执行步骤1：根据邻居用户对待推荐产品的兴趣度，确定待推荐产品针对目标用户的推荐度之后，会执行步骤2：根据推荐度确定推荐给目标用户的推荐产品。
步骤2的具体实现方式之一，可以为先将待推荐产品按推荐度从大到小排序，将排序靠前的预设数量个产品确定为推荐给目标用户的推荐产品。
以预设数量为5为例，若步骤1由第1种实现方式实现，则小说、家电、香蕉、苹果、葡萄针对u4的推荐度均为5，教科书、传记针对u4的推荐度均＜5。将待推荐产品按推荐度从大到小排序为(1)小说、家电、香蕉、苹果、葡萄，(2)教科书、传记，因此，将排序靠前的5个产品：小说、家电、香蕉、苹果、葡萄，确定为推荐给u4的推荐产品，包括苹果，与u4的实际情况匹配。
若步骤1由第2种实现方式实现，则小说、家电针对u4的推荐度均为
Figure BDA0001074303940000245
香蕉、苹果、葡萄针对u4的推荐度均为
Figure BDA0001074303940000246
教科书、传记针对u4的推荐度
Figure BDA0001074303940000247
将待推荐产品按推荐度从大到小排序为(1)小说、家电，(2)香蕉、苹果、葡萄，(3)教科书、传记，因此，将排序靠前的5个产品：小说、家电、香蕉、苹果、葡萄，确定为推荐给u4的推荐产品，包括苹果，与u4的实际情况匹配。
由此可知，无论步骤1由第几种实现方式实现，最终确定推荐给u4的推荐产品均为小说、家电、香蕉、苹果、葡萄。
对于本实施例中的具体场景，现有技术根据图3所示的u4对所有产品的偏好评分，确定与u4相似度较高的邻居用户为u，和u2，根据u1和u2对产品偏好评分确定推荐产品为音像制品、科教书、传记、小说和家电中的一种或多种，但不会向u4推荐苹果。而实际上u4对苹果感兴趣，使得现有技术所推荐的产品与u4的实际情况不匹配。
本实施例提供的方法，最终确定推荐给u4的推荐产品均为小说、家电、香蕉、苹果、葡萄，会向u4推荐苹果，使得本实施例提供的方法所推荐的产品与u4的实际情况匹配。
通过本实施例提供的方法得到的推荐产品，并非像现有技术中根据目标用户的所有评分确定邻居用户，而是根据目标用户感兴趣的产品类别确定邻居用户，使得邻居用户与目标用户对相同的产品类别感兴趣，进而根据邻居用户的偏好确定的推荐产品中至少存在一种推荐产品为目标用户感兴趣的产品类别中的产品，提升了确定的推荐产品的准确性。
在实际应用中，某电影相关网站应用本实施例提供的推荐产品的确定方法进行产品推荐，该网站用户人数已超过70000人，用户评分的电影超过5000部。从数据库中抽取274个用户对1489部电影的21078条评分数据，数据集的稀疏等级为：1-21078/(274*1489)＝0.9483。
采用推荐结果的度量标准MAE(Mean Absolute Error，平均绝对误差)，MAE值越小，则推荐质量越高。
Figure BDA0001074303940000251
其中pi为预测的用户评分集合，qi为实际的评分集合。本实施例提供的方法得到的MAE＝0.77，现有技术得到的MAE＝0.81。
有益效果：
确定目标用户感兴趣的产品类别；获取对目标用户感兴趣的产品类别感兴趣的邻居用户；根据邻居用户对待推荐产品的兴趣度，确定推荐给目标用户的推荐产品。本申请中的邻居用户与目标用户对相同的产品类别感兴趣，根据邻居用户的偏好确定的推荐产品为目标用户感兴趣的产品类别中的产品，而现有技术中，邻居用户与目标用户对所有产品的偏好相关，根据邻居用户确定的推荐产品可能不属于目标用户感兴趣的产品类别。因此，本申请相对于现有技术，最终确定的推荐产品更符合目标用户的偏好，可以提升推荐准确性。
基于同一发明构思，本实施例提供了一种推荐产品的确定装置，由于该装置解决问题的原理与图1所示的一种推荐产品的确定方法相似，因此该应装置的实施可以参见图1所示的方法的实施例，重复之处不再赘述。
参见图2，该装置包括：
第一确定模块201，用于确定目标用户感兴趣的产品类别；
获取模块202，用于获取对第一确定模块201确定的目标用户感兴趣的产品类别感兴趣的邻居用户；
第二确定模块203，用于根据获取模块202获取的邻居用户对待推荐产品的兴趣度，确定推荐给目标用户的推荐产品。
参见图3，该装置，还包括：
第三确定模块204，用于根据各产品类别中被各用户评价的产品数量确定各用户对各产品类别的兴趣度，用户包括目标用户和其他用户；
其中，第一确定模块201，用于根据第三确定模块204确定的目标用户对各产品类别的兴趣度确定目标用户感兴趣的产品类别；
获取模块202，用于将对第三确定模块204确定的目标用户感兴趣的产品类别感兴趣的其他用户确定为邻居用户。
可选地，第三确定模块204，用于根据各产品类别中被各用户评价的产品数量和各产品类别包括的产品数量，确定各用户对各产品类别的兴趣度。
可选地，第三确定模块204，用于根据
Figure BDA0001074303940000261
确定各用户对各产品类别的兴趣度；
其中，aij为用户i对产品类别j的兴趣度，Mij为产品类别j中被用户i评价的产品数量，
Figure BDA0001074303940000262
为各产品类别中被用户i评价的产品总数量，Nj为产品类别j包括的产品数量，
Figure BDA0001074303940000271
为各产品类别包括的产品总数量。
其中，待推荐产品属于目标用户感兴趣的产品类别。
参见图4，第二确定模块203，包括：
第一确定单元2031，用于根据邻居用户对待推荐产品的兴趣度，确定待推荐产品针对目标用户的推荐度；
第二确定单元2032，用于根据第一确定单元2031确定的推荐度确定推荐给目标用户的推荐产品。
可选地，第一确定单元2031，用于根据各邻居用户对待推荐产品的兴趣度、目标用户与各邻居用户之间的相似度和目标用户与各邻居用户之间的相似度之和，确定待推荐产品针对目标用户的推荐度。
可选地，第一确定单元2031，用于根据
Figure BDA0001074303940000272
确定待推荐产品针对目标用户的推荐度；
其中，rs，j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s，k)为第目标用户s与邻居用户k之间的相似度，
Figure BDA0001074303940000273
为目标用户s与各邻居用户之间的相似度之和。
可选地，第一确定单元2031，用于根据各邻居用户对待推荐产品的兴趣度、目标用户与各邻居用户之间的相似度、目标用户与各邻居用户之间的相似度之和、目标用户对待推荐产品所属产品类别的兴趣度和目标用户对各产品类别的兴趣度之和，确定待推荐产品针对目标用户的推荐度。
可选地，第一确定单元2031，用于根据
Figure BDA0001074303940000274
确定待推荐产品针对目标用户的推荐度；
其中，rs，j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s，k)为目标用户s与邻居用户k之间的相似度，
Figure BDA0001074303940000281
为目标用户s与各邻居用户之间的相似度之和，as，jq为目标用户s对待推荐产品j所属产品类别q的兴趣度，
Figure BDA0001074303940000282
为目标用户s对各产品类别的兴趣度之和，其中，w为产品类别。
有益效果如下：
确定目标用户感兴趣的产品类别；获取对目标用户感兴趣的产品类别感兴趣的邻居用户；根据邻居用户对待推荐产品的兴趣度，确定推荐给目标用户的推荐产品。本申请中的邻居用户与目标用户对相同的产品类别感兴趣，根据邻居用户的偏好确定的推荐产品为目标用户感兴趣的产品类别中的产品，而现有技术中，邻居用户与目标用户对所有产品的偏好相关，根据邻居用户确定的推荐产品可能不属于目标用户感兴趣的产品类别。因此，本申请相对于现有技术，最终确定的推荐产品更符合目标用户的偏好，可以提升推荐准确性。
为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本发明时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

Claims (14)

1.一种推荐产品的确定方法，其特征在于，所述方法包括：
确定目标用户感兴趣的产品类别，所述产品类别中包括若干个产品；
获取对所述目标用户感兴趣的产品类别感兴趣的邻居用户；
根据所述邻居用户对待推荐产品的兴趣度，确定推荐给所述目标用户的推荐产品，所述待推荐产品为目标用户感兴趣的产品类别中的产品；
所述根据所述邻居用户对待推荐产品的兴趣度，确定推荐给所述目标用户的推荐产品，包括：
根据所述邻居用户对待推荐产品的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度；
根据所述推荐度确定推荐给所述目标用户的推荐产品；
所述根据所述邻居用户对待推荐产品的兴趣度，确定所述待推荐产品的推荐度，包括：
根据所述目标用户与各邻居用户之间的相似度之和、各邻居用户对待推荐产品的兴趣度和所述目标用户与各邻居用户之间的相似度，确定所述待推荐产品针对所述目标用户的推荐度。
2.根据权利要求1所述的方法，其特征在于，所述确定目标用户感兴趣的产品类别之前，还包括：
根据各产品类别中被各用户评价的产品数量确定各用户对各产品类别的兴趣度，所述用户包括目标用户和其他用户；
确定目标用户感兴趣的产品类别，包括：
根据目标用户对各产品类别的兴趣度确定所述目标用户感兴趣的产品类别；
所述获取对所述目标用户感兴趣的产品类别感兴趣的邻居用户，包括：
将对所述目标用户感兴趣的产品类别感兴趣的其他用户确定为邻居用户。
3.根据权利要求2所述的方法，其特征在于，所述根据各产品类别中被各用户评价的产品数量确定各用户对产品类别的兴趣度，包括：
根据各产品类别中被各用户评价的产品数量和各产品类别包括的产品数量，确定各用户对各产品类别的兴趣度。
4.根据权利要求3所述的方法，其特征在于，所述根据各产品类别中被各用户评价的产品数量和各产品类别包括的产品数量，确定各用户对各产品类别的兴趣度，包括：
根据
Figure FDA0002629574770000021
确定各用户对各产品类别的兴趣度；
其中，aij为用户i对产品类别j的兴趣度，Mij为产品类别j中被用户i评价的产品数量，
Figure FDA0002629574770000022
为各产品类别中被用户i评价的产品总数量，Nj为产品类别j包括的产品数量，
Figure FDA0002629574770000023
为各产品类别包括的产品总数量。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户与各邻居用户之间的相似度之和、各邻居用户对待推荐产品的兴趣度和所述目标用户与各邻居用户之间的相似度，确定所述待推荐产品针对所述目标用户的推荐度，包括：
根据
Figure FDA0002629574770000024
确定所述待推荐产品针对所述目标用户的推荐度；
其中，rs,j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s,k)为目标用户s与邻居用户k之间的相似度，
Figure FDA0002629574770000025
为目标用户s与各邻居用户之间的相似度之和。
6.根据权利要求1所述的方法，其特征在于，所述根据所述邻居用户对待推荐产品的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度，包括：
根据所述目标用户与各邻居用户之间的相似度和值、所述目标用户对各产品类别的兴趣度和值、各邻居用户对待推荐产品的兴趣度、所述目标用户与各邻居用户之间的相似度、和所述目标用户对待推荐产品所属产品类别的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度。
7.根据权利要求6所述的方法，其特征在于，所述根据所述目标用户与各邻居用户之间的相似度和值、所述目标用户对各产品类别的兴趣度和值、各邻居用户对待推荐产品的兴趣度、所述目标用户与各邻居用户之间的相似度和所述目标用户对待推荐产品所属产品类别的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度，包括：
根据
Figure FDA0002629574770000031
确定所述待推荐产品针对所述目标用户的推荐度；
其中，rs,j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s,k)为目标用户s与邻居用户k之间的相似度，
Figure FDA0002629574770000032
为目标用户s与各邻居用户之间的相似度之和，as,jq为目标用户s对待推荐产品j所属产品类别q的兴趣度，
Figure FDA0002629574770000033
为目标用户s对各产品类别的兴趣度之和，其中，w为产品类别。
8.一种推荐产品的确定装置，其特征在于，所述装置包括：
第一确定模块，用于确定目标用户感兴趣的产品类别，所述产品类别中包括若干个产品；
获取模块，用于获取对所述第一确定模块确定的目标用户感兴趣的产品类别感兴趣的邻居用户；
第二确定模块，用于根据所述获取模块获取的邻居用户对待推荐产品的兴趣度，确定推荐给所述目标用户的推荐产品，所述待推荐产品为目标用户感兴趣的产品类别中的产品；
所述第二确定模块，包括：
第一确定单元，用于根据所述邻居用户对待推荐产品的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度；
第二确定单元，用于根据所述第一确定单元确定的推荐度确定推荐给所述目标用户的推荐产品；
所述第一确定单元，用于根据所述目标用户与各邻居用户之间的相似度之和、各邻居用户对待推荐产品的兴趣度和所述目标用户与各邻居用户之间的相似度，确定所述待推荐产品针对所述目标用户的推荐度。
9.根据权利要求8所述的装置，其特征在于，所述装置，还包括：
第三确定模块，用于根据各产品类别中被各用户评价的产品数量确定各用户对各产品类别的兴趣度，所述用户包括目标用户和其他用户；
所述第一确定模块，用于根据所述第三确定模块确定的目标用户对各产品类别的兴趣度确定所述目标用户感兴趣的产品类别；
所述获取模块，用于将对所述第三确定模块确定的目标用户感兴趣的产品类别感兴趣的其他用户确定为邻居用户。
10.根据权利要求9所述的装置，其特征在于，所述第三确定模块，用于根据各产品类别中被各用户评价的产品数量和各产品类别包括的产品数量，确定各用户对各产品类别的兴趣度。
11.根据权利要求10所述的装置，其特征在于，所述第三确定模块，用于根据
Figure FDA0002629574770000041
确定各用户对各产品类别的兴趣度；
其中，aij为用户i对产品类别j的兴趣度，Mij为产品类别j中被用户i评价的产品数量，
Figure FDA0002629574770000042
为各产品类别中被用户i评价的产品总数量，Nj为产品类别j包括的产品数量，
Figure FDA0002629574770000043
为各产品类别包括的产品总数量。
12.根据权利要求8所述的装置，其特征在于，所述第一确定单元，用于根据
Figure FDA0002629574770000051
确定所述待推荐产品针对所述目标用户的推荐度；
其中，rs,j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s,k)为目标用户s与邻居用户k之间的相似度，
Figure FDA0002629574770000052
为目标用户s与各邻居用户之间的相似度之和。
13.根据权利要求8所述的装置，其特征在于，所述第一确定单元，用于根据所述目标用户与各邻居用户之间的相似度和值、所述目标用户对各产品类别的兴趣度和值、各邻居用户对待推荐产品的兴趣度、所述目标用户与各邻居用户之间的相似度、和所述目标用户对待推荐产品所属产品类别的兴趣度，确定所述待推荐产品针对所述目标用户的推荐度。
14.根据权利要求13所述的装置，其特征在于，所述第一确定单元，用于根据
Figure FDA0002629574770000053
确定所述待推荐产品针对所述目标用户的推荐度；
其中，rs,j为待推荐产品j针对目标用户s的推荐度，rkj为邻居用户k对待推荐产品j的兴趣度，sim(s,k)为目标用户s与邻居用户k之间的相似度，
Figure FDA0002629574770000054
为目标用户s与各邻居用户之间的相似度之和，as,jq为目标用户s对待推荐产品j所属产品类别q的兴趣度，
Figure FDA0002629574770000055
为目标用户s对各产品类别的兴趣度之和，其中，w为产品类别。
CN201610652089.9A 2016-08-10 2016-08-10 推荐产品的确定方法及装置 Active CN107016589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610652089.9A CN107016589B (zh) 2016-08-10 2016-08-10 推荐产品的确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610652089.9A CN107016589B (zh) 2016-08-10 2016-08-10 推荐产品的确定方法及装置

Publications (2)

Publication Number Publication Date
CN107016589A CN107016589A (zh) 2017-08-04
CN107016589B true CN107016589B (zh) 2020-10-30

Family

ID=59439415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610652089.9A Active CN107016589B (zh) 2016-08-10 2016-08-10 推荐产品的确定方法及装置

Country Status (1)

Country Link
CN (1) CN107016589B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734553B (zh) * 2018-05-15 2019-12-27 湖南怀仁大健康产业发展有限公司 商品推荐方法及***
CN109121006B (zh) * 2018-08-02 2021-02-02 中国联合网络通信集团有限公司 一种基于直播观看用户的营销方法及平台
CN109345348B (zh) * 2018-09-30 2020-06-30 重庆誉存大数据科技有限公司 基于旅行社用户的多维信息画像的推荐方法
CN110223107B (zh) * 2019-05-23 2021-12-07 中国银行股份有限公司 基于相似对象的参考广告确定方法、装置和设备
CN111179011A (zh) * 2019-11-05 2020-05-19 泰康保险集团股份有限公司 一种保险产品推荐方法及装置
CN117436996A (zh) * 2023-12-21 2024-01-23 深圳市当换网络科技有限公司 产品推荐方法、装置、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0751471A1 (en) * 1995-06-30 1997-01-02 Massachusetts Institute Of Technology Method and apparatus for item recommendation using automated collaborative filtering
CN101685458A (zh) * 2008-09-27 2010-03-31 华为技术有限公司 一种基于协同过滤的推荐方法和***
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
CN105760547A (zh) * 2016-03-16 2016-07-13 中山大学 一种基于用户聚类的图书推荐方法及***

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101030653B1 (ko) * 2009-01-22 2011-04-20 성균관대학교산학협력단 정보 엔트로피를 이용하여 유사도를 보정하는 사용자 기반 협업 필터링 추천 시스템
CN102262764A (zh) * 2010-05-28 2011-11-30 王希 一种基于回归模型的电子商务推荐方法
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和***
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***
CN103246672B (zh) * 2012-02-09 2016-06-08 中国科学技术大学 对用户进行个性化推荐的方法和装置
CN102929959B (zh) * 2012-10-10 2016-02-17 杭州东信北邮信息技术有限公司 一种基于用户行为的图书推荐方法
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***
CN103353865B (zh) * 2013-04-25 2017-04-12 杭州电子科技大学 一种基于位置的易货电子交易商品推荐方法
CN104572863A (zh) * 2014-12-19 2015-04-29 阳珍秀 一种产品推荐方法及***
CN104463637A (zh) * 2014-12-23 2015-03-25 北京石油化工学院 一种基于电商平台的商品推荐方法、装置及服务器
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
CN105809479A (zh) * 2016-03-07 2016-07-27 海信集团有限公司 物品推荐方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0751471A1 (en) * 1995-06-30 1997-01-02 Massachusetts Institute Of Technology Method and apparatus for item recommendation using automated collaborative filtering
CN101685458A (zh) * 2008-09-27 2010-03-31 华为技术有限公司 一种基于协同过滤的推荐方法和***
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
CN105760547A (zh) * 2016-03-16 2016-07-13 中山大学 一种基于用户聚类的图书推荐方法及***

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
"Item-Based and User-Based Incremental Collaborative Filtering for Web Recommendation";Catarina Miranda;《Portuguese Conference on Artificial Intelligence》;20091007;全文 *
"Unifying user-based and item-based collaborative filtering approaches by similarity fusion";Wang;《Proc.of SIGIR 2006, Seatle,USA》;20061231;全文 *
"一种结合基于项目和用户的个性化推荐算法";黎明;《小型微型计算机***》;20110430;全文 *
"基于类别相似性的增量协同过滤推荐算法";汤显;《计算机研究与发展》;20061231;全文 *
"融入项目类别信息的协同过滤推荐算法";邵伟;《数学的实践和认识》;20100331;全文 *
"面向数字图书馆的个性化推荐算法研究";张迎峰;《中国优秀硕士学位论文全文数据库（电子期刊） 信息科技辑》;20110915;第21-23页 *

Also Published As

Publication number Publication date
CN107016589A (zh) 2017-08-04

Similar Documents

Publication Publication Date Title
CN107016589B (zh) 推荐产品的确定方法及装置
US11494594B2 (en) Method for training model and information recommendation system
JP6494804B2 (ja) 商品画像特徴に基づく個性化捜索装置および方法
CN107492008B (zh) 信息推荐方法、装置、服务器及计算机存储介质
US10210237B2 (en) Information processing system, similar category identification method, program, and computer readable information storage medium
CN108509497B (zh) 信息推荐方法、装置和电子设备
CN109492180A (zh) 资源推荐方法、装置、计算机设备及计算机可读存储介质
WO2016015444A1 (zh) 一种目标用户的确定方法、设备和网络服务器
US20120324004A1 (en) Systems and methods for analyzing social network user data
CN111198988B (zh) 业务推荐方法、训练方法、装置、计算机设备和存储介质
CN106933821A (zh) 一种基于相似度计算的个性化职位推荐方法和***
US20130275270A1 (en) Method, web server and web browser of providing information
CN107330750A (zh) 一种推荐产品配图方法及装置，电子设备
CN108805598A (zh) 相似度信息确定方法、服务器及计算机可读存储介质
CN107741967B (zh) 用于行为数据处理的方法、装置以及电子设备
KR102499572B1 (ko) 의류 수출 판매 플랫폼 서비스 제공 방법, 장치 및 시스템
CN110727859B (zh) 一种推荐信息推送方法及其装置
CN110309410B (zh) 一种资讯推荐方法、平台及计算机可读存储介质
CN106933878A (zh) 一种信息处理方法及装置
CN113225580B (zh) 直播数据处理方法、装置、电子设备及介质
CN105404628A (zh) 数据推送方法和装置
CN108170805B (zh) 一种数据表比较方法、装置、电子设备及可读存储介质
US9639808B2 (en) Non-transitory computer readable medium, information processing apparatus, and attribute estimation method
CN103345693A (zh) 一种客户或产品在线推荐方法
CN109145223B (zh) 一种基于社交影响力传播的社交推荐方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1241110

Country of ref document: HK

TA01 Transfer of patent application right

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant