CN108038133A - 个性化推荐方法 - Google Patents

Abstract

一种个性化推荐方法，首先收集用户行为数据，将该用户行为数据分成用户的偏好模型数据和用户当前浏览的活动主题数据，然后应用协同过滤算法对所述的偏好模型数据进行处理，给用户基于协同过滤的文化活动推荐；与此同时，根据用户当前浏览的活动主题数据，进行基于本体的文化资料推荐。本发明的优点是：将知识本体技术融入到文化资料的检索中，克服了传统信息检索方式中不能对语义关系进行处理的局限性。通过分析检索项中所包含词组的语义信息，通过知识本体进行简单的推理查询扩展，准确全面的将信息资源反馈给用户。

Description

个性化推荐方法

技术领域

本发明涉及一种个性化推荐方法，主要应用于在公共文化服务领域中，公共文化服务机构通常会举行一些文化活动，比如文艺演出、公益讲座等。用户在公共文化服务网站浏览文化活动时，网站为用户个性化的推荐一些文化活动，在浏览文化活动详情时，为用户推荐一些与该活动主题相关的文化资料。

背景技术

现如今，为满足人们的个性化需求，个性化推荐技术已经广泛的应用在电子商务、社交网络、各种视频音乐网站等领域，例如 Amazon，淘宝，豆瓣等，都在不同程度上采用了个性化推荐***。由于个性化推荐技术能够很好的满足用户个性化需求，能够发掘用户潜在兴趣，因此，将个性化推荐服务集成到公共文化服务平台显得尤为重要。本文提出的个性化推荐服务包含两部分：一是针对文化活动的推荐，二是针对当前用户浏览的文化活动内容而进行的文化资料的推荐。

对于文化活动的推荐着重突出个性化，强调用户兴趣偏好。因而平台利用用户的历史浏览行为数据，对用户相应的浏览行为打分，比如用户点赞、收藏、评论等行为，形成用户—活动评分矩阵，然后利用协同过滤推荐技术给用户进行文化活动推荐。

对于文化资料的推荐着重突出文化活动主题相关性，期望做到的是推荐与当前活动主题具有语义相关的文化资料。一种常规的做法是直接将当前文化活动标题作为检索关键字，利用传统信息检索技术去文化资料库中检索相关文献资料，作为推荐结果呈现给用户。然而这种做法存在如下问题：

1.推荐结果是在字面上符合用户的要求，实际检索出的内容可能偏离用户的浏览意图需求，因为该方法通常把关键词作为一个孤立的词来看待，没有进行概念扩展，无法挖掘信息之间的内在联系，返回的检索结果中只包含含有关键词的内容；这样其检索结果仅仅反映了内容的一个侧面，没有考虑关键词之间的语义信息，无法获得与关键词具有语义一致性的其他关键词的检索结果，导致检索结果的有效性全面下降。

2.缺乏对用户意图的理解，通过自然语言分词技术获得的关键词A往往可能并不是用户想要的，而与关键词A相关的B才是用户真正想要了解的；同时因为整个平台***的应用场景立足于公共文化服务领域，所以检索反馈出来的信息要有领域相关性，传统的检索方式的反馈结果中往往存在大量的无效信息，检索结果并不能很好的符合用户需求。

发明内容

本发明的目的就是提供一种个性化推荐方法，以解决现有技术存在的上述问题。

本发明的技术方案是：一种个性化推荐方法，其特征在于，首先收集用户行为数据，将该用户行为数据分成用户的偏好模型数据和用户当前浏览的活动主题数据，然后应用协同过滤算法对所述的偏好模型数据进行处理，给用户基于协同过滤的文化活动推荐；与此同时，根据用户当前浏览的活动主题数据，进行基于本体的文化资料推荐。

基于协同过滤的文化活动推荐的流程包括：

（1）用户进入***平台中，***平台会收集用户的行为历史数据，如参加文化活动记录、活动点赞记录、活动收藏记录，这些数据记录表明了用户的喜好；

（2）***根据预先设置的评分机制，生成用户-活动评分矩阵；

（3）开始推荐算法流程，利用公式计算用户的相似度，找出相似度最高的N个用户最为最近邻居集，利用最近邻居集进行评分预测，按预测评分排序，得到推荐结果，将结果呈现给用户。

所述的偏好模型数据包括用户的活动点赞数据、收藏活动的数据、参加活动的记录数据。

所述的文化资料推荐包括以下步骤：

（1）活动主题关键词获取：对用户当前浏览的活动标题进行分词处理，抽取活动的主题关键词；分词结果中往往还会存在“的”、“啊”以及标点符号等无意义的词，为此还需要使用基于停用词表的方式进行去停用词操作；

（2）基于本体的查询扩展：经过上述处理，得到了活动主题的关键词词组，这个关键词词组可能包含有名词也可能包含有形容词，下一步就是将其放入本体库，进行基于本体的查询扩展处理；

（3）Lucene资源检索模块：将用本体查询扩展处理后得到的作为关键字，采用基于Java的全文信息检索工具Lucene来进行资源的检索。

所述的文化资料推荐活动主题关键词获取方法为：

（1）预处理过程：利用自然语言处理技术进行分词处理，经过分词处理得到了一个词组，根据词性对关键词进行筛选过滤，保留名词、动词、形容词；

（2）关键词扩展：目前在信息检索***中，大部分都是基于关键词进行查询的，首先获取用户需要查询的关键词，然后自动进行查询扩展，对扩展后的结果进行检索，扩展方式通常采用同义词扩展法，也就是利用同义词词典、近义词词典进行扩展；

（3）查询扩展：利用本体处理相关技术对其进行优化处理，为了对本体概念相关内容扩展，利用本体中的层次结构关系来进行处理，对父子关系节点来对查询概念进行扩展，其处理流程为：

a.对获取的活动主题每个关键字，判断它是本体中的概念、实例还是属性；

b.若均为概念或者实例，则主要利用本体结构中的父子关系进行扩展；若存在属性，则利用属性和概念之间的关系，根据本体中存在的语义关系和推理机制，挖掘隐含的信息；

c.将扩展结果保存，以便后续进行文化资源信息的检索。

本发明的优点是：将知识本体技术融入到文化资料的检索中，这样，可以克服传统信息检索方式中不能对语义关系进行处理的局限性，因为本体语义网包含了机器可以判断的概念的定义，同时本体语义网为各概念之间建立了语义联系，从而使***对领域内知识的概念以及概念之间的联系有了统一的认识。***通过分析检索项中所包含词组的语义信息，通过知识本体进行简单的推理查询扩展，准确全面的将信息资源反馈给用户。

附图说明

图1是本发明实施例的整体框架和流程图；

图2是本发明基于协同过滤的文化活动推荐方法的流程图；

图3是本发明基于本体的文化资料推荐方法流程图；

图4是本发明所依据的Lucene***架构图。

具体实施方式

参见图1-图4，本发明个性化推荐服务方法主要是包含两部分：个性化活动的推荐以及与用户当前浏览活动相关的文化资料推荐。其中，个性化活动的推荐采用协同过滤技术实现，首先通过收集用户的行为数据，比如用户的活动点赞数据、收藏活动的数据、参加活动记录数据等，形成用户的偏好模型，也就是用户-活动评分矩阵，然后应用协同过滤算法给用户进行活动推荐。

在用户浏览文化活动详情时，***会根据用户当前浏览的活动主题利用本体进行语义扩展，查询检索出与当前浏览活动相关的文化资料推荐给用户。

公共文化服务平台的实现采用的基于MVC的Yii框架，用PHP语言开发实现。而对于个性化服务的实现，由于涉及到本体处理，需要应用Jena API提供本体的查询扩展，因而对于个性化推荐服务的实现采用Java框架开发实现。开发完成后将个性化推荐服务程序封装成WebService***服务运行，公共文化服务平台通过WebService接口进行调用。

协同过滤推荐技术是现代个性化推荐***中的一个重要组成部分。协同过滤推荐主要是利用群体的观点为当前活动用户来产生推荐项目，借助过去的用户行为记录，计算各个用户之间兴趣偏好的相似度，找出与当前用户兴趣偏好接近的邻居用户，并通过这些邻居用户组成的相似用户组的建议来产生对当前用户的推荐。在文化活动的推荐中，协同推荐可以为当前用户找到有着相似兴趣背景或者相似文化需求的用户群体，通过相似用户群体推荐得到相关文化活动。

基于协同过滤的个性化推荐***一般由三个模块组成：用户建模模块、推荐对象建模模块、推荐算法模块。其中，用户建模模块也就是收集用户偏好信息的过程，数据收集是个性化推荐***的基础，数据收集主要分为三个方式：显式获取、隐式获取和启发式获取。

在本文的设计中，用户偏好信息的收集主要来自于用户的行为数据，比如对文化活动的点赞、收藏，参加某类文化活动等。然后根据提前设置好的打分机制，例如用户收藏了一个活动，则设置相应的评分为2等，形成用户-项目评分矩阵，如表1所示。

表1 用户-项目评分矩阵表

接下来本文给出基于协同过滤的文化活动推荐流程，如图2所示：

其中，具体推荐过程步骤如下：

1.用户进入***平台中，***平台会收集用户的行为历史数据，比如参加文化活动记录、活动点赞记录、活动收藏记录，这些数据记录表明了用户的喜好；

2.***根据预先设置的评分机制，生成用户-活动评分矩阵；

3.开始推荐算法流程，利用公式计算用户的相似度，找出相似度最高的N个用户作为最近邻居集，利用最近邻居集进行评分预测，按预测评分排序，得到推荐结果，将结果呈现给用户。

基于本体的文化资料推荐：

本文从信息检索的角度，利用信息检索相关技术，融合本体在语义理解方面的优势，实现文化资料的推荐。文化资料推荐作为个性化推荐服务的重要组成部分，本小节将给出基于本体的文化资料推荐的关键流程，并对其中用到的关键技术以及实现步骤给出详细说明。

一、文化资料推荐模块流程

本文设计的文化资料主要是针对用户当前浏览的文化活动来进行的文化资料的推荐，该模块涉及到自然语言处理（NLP）、本体语义查询扩展以及信息检索等相关技术。现在给出基于本体的文化资料推荐流程，并对其中的处理实现过程做出详细说明介绍。基于本体的文化资料推荐流程如图3所示。

通过上图可知，基于本体的文化资料推荐大体上分为三大部分：活动主题关键词获取、基于本体的查询扩展、资源检索模块。

1.活动主题关键词获取。该模块主要是对用户当前浏览的活动标题进行分词处理，抽取活动的主题关键词。分词结果中往往还会存在“的”、“啊”以及标点符号等无意义的词，为此还需要使用基于停用词表的方式进行去停用词操作。

2.基于本体的查询扩展。经过上述处理，得到了活动主题的关键词词组，这个关键词词组可能包含有名词也可能包含有形容词，下一步就是将其放入本体库，进行基于本体的查询扩展处理。

3.Lucene资源检索模块。资源检索模块是文化资料推荐的最后一步，也就是将用本体查询扩展处理后得到的作为关键字，进行全文资源检索。本文采用了基于Java的全文信息检索工具Lucene来进行资源的检索。

接下来本文将给出每一个流程模块的实现说明。

二、活动主题关键词获取

在基于本体的文化资料推荐中，首先需要一个预处理过程，也就是需要利用自然语言处理技术进行分词处理。经过分词处理得到了一个词组，但是并不是每一个词都是关键词，其中往往包含很多语气词、助词等，而该类词并不具有语义信息，因此并不能作为关键词。同时，在分词之后下一步需要对关键词进行扩展，如果对所有的词都进行关键词扩展的话，必然会影响效率，提升处理的复杂度，尤其是如果活动标题过长，进行完全关键词扩展的话影响时间过长，影响用户体验。

因此，需要以某种方式进行关键词过滤。一般来说，通常是按照词性来进行处理，词性的分类有很多，具体如表2所示。通过表格我们可以看出，有很多词并没有实际意义，比如“叹词”、“语气词”等，这部分词不包含语义信息，如果进行关键词扩展，会增加检索负担，提高计算复杂度。而只有名词、动词、形容词含有较多的语义信息，因此本文采用根据词性对关键词进行筛选的方法。当然分词结果中还包含一些标点符号，对于这些标点符号也一并过滤掉。

表2 中文词性分类表

在分词的结果中，我们会对词性进行标注，根据获取到的词性对所有关键词进行过滤，主要保留名词、动词、形容词，然后得到一个词项集合。分析发现，其中仍然会包含有一些无意义的词项，因此本文在上述处理的基础上，再采用停用词库过滤的方法进行二次关键词过滤，该停用词库，可以由用户自己维护。

三、基于本体的查询扩展

经过上一小节的处理，我们得到了活动的关键词，接下来需要按照某种方法进行关键词扩展。目前在信息检索***中，大部分都是基于关键词进行查询的，首先获取用户需要查询的关键词，然后自动进行查询扩展，对扩展后的结果进行检索，扩展方式通常采用同义词扩展法，也就是利用同义词词典、近义词词典进行扩展。

虽然基于关键字的查询扩展虽然在很大程度提高了资源检索的效果，但却不能从根本上解决问题，因为传统的查询扩展是在符号匹配的层次上进行扩展，它是以查询词为中心，机械地进行字符串扩展，从而忽略了查询词语义信息以及查询词与其它概念之间的语义关联，因此用户查询意图得不到充分表达。

由于本体能全面的、精确地描述和定义概念及概念之间的关系，具有较强的语义表达能力，能较好的理解用户的语义意图。因此，为解决上述问题，本文提出，在获取活动的主题关键词组之后，下一步需要利用本体处理相关技术对其进行优化处理，也就是所说的查询扩展。为了对本体概念相关内容扩展，本文首先考虑利用本体中的层次结构关系来进行处理。查询中常用到的本体中出现的关系有：

同义词关系：扩展概念为查询概念的同义词；

父子关系：扩展概念与查询概念是本体层次结构中的父子节点；

子树节点：扩展概念是查询概念的子树上的节点；

兄弟节点：扩展概念是查询概念的兄弟节点，有相同的父节点；

兄弟子树节点：扩展概念是查询概念的兄弟子树上的节点；

本文主要考虑的是对父子关系节点来对查询概念进行扩展，因为在本体层次结构中父子关系是最为普遍的，也是最为容易获取的。其处理流程为：

1.对获取的活动主题每个关键字，判断它是本体中的概念、实例还是属性；

2.若均为概念或者实例，则主要利用本体结构中的父子关系进行扩展；若存在属性，则利用属性和概念之间的关系，根据本体中存在的语义关系和推理机制，挖掘隐含的信息；

3.将扩展结果保存，以便后续进行文化资源信息的检索；

四、文化资源检索模块的实现

文化资源的检索模块的实现采用了基于Java的Lucene全文检索引擎工具包。Lucene作为一个优秀的全文检索引擎，其***结构具有强烈的面向对象特征。首先定义了一个与平台无关的索引文件格式，其次将***的核心组成部分设计成抽象类，具体的平台实现部分设计为抽象类的实现，此外与具体平台相关部分比如文件存储也封装为类。因此，Lucene可以很方便的应用到各类***中。Lucene的***架构图如图4所示。

Claims (5)

1.一种个性化推荐方法，其特征在于，首先收集用户行为数据，将该用户行为数据分成用户的偏好模型数据和用户当前浏览的活动主题数据，然后应用协同过滤算法对所述的偏好模型数据进行处理，给用户基于协同过滤的文化活动推荐；与此同时，根据用户当前浏览的活动主题数据，进行基于本体的文化资料推荐。

2.根据权利要求1所述的个性化推荐方法，其特征在于，基于协同过滤的文化活动推荐的流程包括：

(1)用户进入***平台中，***平台会收集用户的行为历史数据，如参加文化活动记录、活动点赞记录、活动收藏记录，这些数据记录表明了用户的喜好；

(2)***根据预先设置的评分机制，生成用户-活动评分矩阵；

(3)开始推荐算法流程，利用公式计算用户的相似度，找出相似度最高的N个用户最为最近邻居集，利用最近邻居集进行评分预测，按预测评分排序，得到推荐结果，将结果呈现给用户。

3.根据权利要求1所述的个性化推荐方法，其特征在于，所述的偏好模型数据包括用户的活动点赞数据、收藏活动的数据、参加活动的记录数据。

4.根据权利要求3所述的个性化推荐方法，其特征在于，所述的文化资料推荐包括以下步骤：

(1)活动主题关键词获取：对用户当前浏览的活动标题进行分词处理，抽取活动的主题关键词；分词结果中往往还会存在“的”、“啊”以及标点符号等无意义的词，为此还需要使用基于停用词表的方式进行去停用词操作；

(2)基于本体的查询扩展：经过上述处理，得到了活动主题的关键词词组，这个关键词词组可能包含有名词也可能包含有形容词，下一步就是将其放入本体库，进行基于本体的查询扩展处理；

(3)Lucene资源检索模块：将用本体查询扩展处理后得到的作为关键字，采用基于Java的全文信息检索工具Lucene来进行资源的检索。

5.根据权利要求1所述的个性化推荐方法，其特征在于，所述的文化资料推荐活动主题关键词获取方法为：

(1)预处理过程：利用自然语言处理技术进行分词处理，经过分词处理得到了一个词组，根据词性对关键词进行筛选过滤，保留名词、动词、形容词；

(2)关键词扩展：目前在信息检索***中，大部分都是基于关键词进行查询的，首先获取用户需要查询的关键词，然后自动进行查询扩展，对扩展后的结果进行检索，扩展方式通常采用同义词扩展法，也就是利用同义词词典、近义词词典进行扩展；

(3)查询扩展：利用本体处理相关技术对其进行优化处理，为了对本体概念相关内容扩展，利用本体中的层次结构关系来进行处理，对父子关系节点来对查询概念进行扩展，其处理流程为：

a.对获取的活动主题每个关键字，判断它是本体中的概念、实例还是属性；

b.若均为概念或者实例，则主要利用本体结构中的父子关系进行扩展；若存在属性，则利用属性和概念之间的关系，根据本体中存在的语义关系和推理机制，挖掘隐含的信息；

c.将扩展结果保存，以便后续进行文化资源信息的检索。