一種基于云計(jì)算的冷啟動項(xiàng)目推薦的方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信息推送領(lǐng)域，特別是涉及一種基于云計(jì)算的冷啟動項(xiàng)目推薦的方法 及裝置。
【背景技術(shù)】
[0002] 信息推送是一項(xiàng)以數(shù)據(jù)挖掘、自然語言處理以及互聯(lián)網(wǎng)等多門技術(shù)為基礎(chǔ)的綜合 性方向。將合適的信息推送給合適的人，是一項(xiàng)極具挑戰(zhàn)的工作。這個過程需要對信息作 充分的分析，并對人的興趣、行為做細(xì)致的刻畫，并對兩者進(jìn)行有效匹配。
[0003] 所謂的冷啟動項(xiàng)目是指剛剛加入個性化推薦系統(tǒng)的項(xiàng)目（項(xiàng)目指代商品、視頻等 任何被推薦的物品），由于冷啟動項(xiàng)目的信息缺乏，存在著冷啟動推薦問題，所謂的冷啟動 推薦問題是指如何為冷啟動項(xiàng)目產(chǎn)生精確推薦結(jié)果方面所存在的問題。
[0004] 申請?zhí)枮?00810116477. 0,名稱為《一種個性化服務(wù)推薦系統(tǒng)和方法》的專利公開 了用戶信息收集器監(jiān)控在終端上進(jìn)行的各種操作信息，并分析用戶操作信息，提取新的用 戶信息并記入，上下文感知處理器感知用戶的當(dāng)前的上下文，輸出當(dāng)前的上下文描述信息， 啟動個性化推薦處理根據(jù)上下文的信息檢索推薦策略數(shù)據(jù)庫，獲得匹配的最優(yōu)推薦策略并 進(jìn)行推薦。該推薦系統(tǒng)和方法雖然可以實(shí)現(xiàn)個性化推薦，但對于新加入系統(tǒng)的項(xiàng)目即冷啟 動項(xiàng)目仍然無法準(zhǔn)確的進(jìn)行推薦。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是：提供一種基于云計(jì)算的冷啟動項(xiàng)目推薦的方法及 裝置，用于解決現(xiàn)有技術(shù)中冷啟動項(xiàng)目難以準(zhǔn)確地確定推薦的目標(biāo)用戶。
[0006] 為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：
[0007] -種基于云計(jì)算的冷啟動項(xiàng)目推薦的方法，包括以下步驟：
[0008] S1、注冊新項(xiàng)目，并獲取該項(xiàng)目所具有的項(xiàng)目屬性；
[0009] S2、預(yù)設(shè)新項(xiàng)目的分類，所述分類包括"Like"和"Dislike" ；
[0010] S3、預(yù)設(shè)項(xiàng)目屬性的評分矩陣，包括正評分?jǐn)?shù)矩陣P(u，a)、負(fù)評分?jǐn)?shù)矩陣N(u，a) 和總評分?jǐn)?shù)矩陣1'(11，8)，其中，？(11，&)、叭11，&)以及1'(11， &)中的每個元素分別代表用戶對 已有項(xiàng)目各項(xiàng)目屬性的正評分個數(shù)、負(fù)評分個數(shù)以及總評分個數(shù)；
[0011] S4、從云端服務(wù)器導(dǎo)入已有項(xiàng)目，所述已有項(xiàng)目中包含用戶、用戶對已有項(xiàng)目的評 分值，以及已有項(xiàng)目所屬的項(xiàng)目屬性的信息；
[0012] S5、根據(jù)步驟S4導(dǎo)入的已有項(xiàng)目和所述項(xiàng)目屬性的評分矩陣統(tǒng)計(jì)用戶的評分?jǐn)?shù) 據(jù)信息，具體為：遍歷所有用戶對已有項(xiàng)目的評分值，并判斷用戶對已有項(xiàng)目的評分值是否 高于預(yù)設(shè)的評分值，若是，將正評分?jǐn)?shù)矩陣P(u，a)和總評分?jǐn)?shù)矩陣T(u，a)的對應(yīng)元素加 一，若否，將負(fù)評分?jǐn)?shù)矩陣N(u，a)和總評分?jǐn)?shù)矩陣T(u，a)的對應(yīng)元素加一；
[0013] S6、根據(jù)所述評分?jǐn)?shù)據(jù)信息和貝葉斯算法計(jì)算用戶u喜歡的項(xiàng)目中包含冷 啟動項(xiàng)目i的概率P(u，Like|i)，和用戶u不喜歡的項(xiàng)目中包含冷啟動項(xiàng)目i的概率 P(u,Dislike|i)；
[0014] S7、根據(jù)公式：
【主權(quán)項(xiàng)】
1. 一種基于云計(jì)算的冷啟動項(xiàng)目推薦的方法，其特征在于，包括以下步驟： 51、 注冊新項(xiàng)目，并獲取該項(xiàng)目所具有的項(xiàng)目屬性； 52、 預(yù)設(shè)新項(xiàng)目的分類，所述分類包括"Like"和"Dislike"； 53、 預(yù)設(shè)項(xiàng)目屬性的評分矩陣，包括正評分?jǐn)?shù)矩陣P (u，a)、負(fù)評分?jǐn)?shù)矩陣N(u，a)和總 評分?jǐn)?shù)矩陣1'(11，8)，其中，？(11，&)、叭11， &)以及1'(11，&)中的每個元素分別代表用戶對已有 項(xiàng)目各項(xiàng)目屬性的正評分個數(shù)、負(fù)評分個數(shù)以及總評分個數(shù)； 54、 從云端服務(wù)器導(dǎo)入已有項(xiàng)目，所述已有項(xiàng)目中包含用戶、用戶對已有項(xiàng)目的評分 值，以及已有項(xiàng)目所屬的項(xiàng)目屬性的信息； 55、 根據(jù)步驟S4導(dǎo)入的已有項(xiàng)目和所述項(xiàng)目屬性的評分矩陣統(tǒng)計(jì)用戶的評分?jǐn)?shù)據(jù)信 息，具體為：遍歷所有用戶對已有項(xiàng)目的評分值，并判斷用戶對已有項(xiàng)目的評分值是否高于 預(yù)設(shè)的評分值，若是，將正評分?jǐn)?shù)矩陣P(u，a)和總評分?jǐn)?shù)矩陣T(u，a)的對應(yīng)元素加一，若 否，將負(fù)評分?jǐn)?shù)矩陣N(u，a)和總評分?jǐn)?shù)矩陣T(u，a)的對應(yīng)元素加一； 56、 根據(jù)所述評分?jǐn)?shù)據(jù)信息和貝葉斯算法計(jì)算用戶u喜歡的項(xiàng)目中包含冷啟動項(xiàng)目i 的概率P(u, Like |i),和用戶u不真歡的頂目中包含冷啟動頂目i的概率P(u, Dislike |i); 57、 根據(jù)公式：
：寸P(u, Like | i)進(jìn)行歸一 化處理，將歸一化處理得到的D (u，Like | i)值按降序排列，選取排名靠前的N個用戶進(jìn)行該 項(xiàng)目推薦，其中N為正整數(shù)。
2. 根據(jù)權(quán)利要求1所述的冷啟動項(xiàng)目推薦的方法，其特征在于，所述步驟S6中 P(u，Like |i)是根據(jù)公式：
P(u，Dislike |i)是根據(jù)公式：
p(u，i)表示項(xiàng)目i的先驗(yàn)概率，在不同分類中，p(u，i)均為固定值，0表示一個微調(diào) 常數(shù)，e為自然常數(shù)，a表示項(xiàng)目屬性自變量，在P(u，i|Like)和P(u，i|Dislike)中K表示 項(xiàng)目i所具有的項(xiàng)目屬性的數(shù)量，在P (u，Like)和P (u，Dislike)中K表示用戶u中有評分 的項(xiàng)目屬性數(shù)量，？^1、1^分別為？(11，&)^(11，&)以及1'(11， &)中的元素。
3. 根據(jù)權(quán)利要求1所述的基于云計(jì)算的冷啟動項(xiàng)目推薦的方法，其特征在于，所述設(shè) 定的評分值為每個用戶各自對已有項(xiàng)目的所有評分值的平均值。
4. 根據(jù)權(quán)利要求1所述的基于云計(jì)算的冷啟動項(xiàng)目推薦的方法，其特征在于，所述云 端服務(wù)器實(shí)時(shí)監(jiān)測并記錄用戶瀏覽網(wǎng)頁的操作行為，并根據(jù)所述操作行為獲取用戶對項(xiàng)目 的評分值，具體為： 判斷所述用戶操作中是否包括對項(xiàng)目的評分值，若是，則記錄用戶對項(xiàng)目的評分值，若 否，則判斷用戶操作中是否包括項(xiàng)目"展示"、"點(diǎn)擊"或"收藏"操作，若用戶操作中包括對項(xiàng) 目"展示"、"點(diǎn)擊"操作，則對應(yīng)的項(xiàng)目評分值加一，若用戶操作中包括對項(xiàng)目"收藏"操作， 則對應(yīng)的項(xiàng)目評分值加二。
5. 根據(jù)權(quán)利要求4所述的基于云計(jì)算的冷啟動項(xiàng)目推薦的方法，其特征在于，所述云 端處理器還根據(jù)所述操作行為獲取用戶對項(xiàng)目中不同屬性的評分值，具體為：判斷所述用 戶操作中是否包括對項(xiàng)目各屬性的評分值，若是，則記錄用戶對項(xiàng)目屬性的評分值以及根 據(jù)項(xiàng)目屬性的評分值修正用戶對項(xiàng)目的評分。
6. 根據(jù)權(quán)利要求5所述的基于云計(jì)算的冷啟動項(xiàng)目推薦的方法，其特征在于，所述根 據(jù)項(xiàng)目屬性的評分值修正用戶對項(xiàng)目的評分值具體包括： 遍歷所述項(xiàng)目各屬性的評分值，判斷所述項(xiàng)目屬性評分值是否為優(yōu)評或差評，若項(xiàng)目 屬性評分值為優(yōu)評則項(xiàng)目的評分值加1 ;若項(xiàng)目屬性評分值為差評，則項(xiàng)目的評分值減1。
7. 根據(jù)權(quán)利要求1所述的基于云計(jì)算的冷啟動項(xiàng)目推薦的方法，其特征在于，所述項(xiàng) 目屬性模板為MovieLens數(shù)據(jù)集的數(shù)據(jù)，MovieLens數(shù)據(jù)中包括多種屬性選項(xiàng)。
8. -種基于云計(jì)算的冷啟動項(xiàng)目推薦的裝置，其特征在于，包括云端服務(wù)器和本地端 服務(wù)器，所述本地端服務(wù)器包括項(xiàng)目注冊單元、導(dǎo)入單元、設(shè)置單元、統(tǒng)計(jì)單元、計(jì)算單元和 個性化推薦單元； 項(xiàng)目注冊單元用于注冊新項(xiàng)目，并獲取該項(xiàng)目所具有的項(xiàng)目屬性； 導(dǎo)入單元用于從云端服務(wù)器導(dǎo)入已有項(xiàng)目，所述已有項(xiàng)目中包含用戶、用戶對已有項(xiàng) 目的評分值，以及已有項(xiàng)目所屬的項(xiàng)目屬性的信息； 設(shè)置單元用于預(yù)設(shè)新項(xiàng)目的分類，所述分類包括"Like"和"Dislike" ；以及用于預(yù)設(shè) 項(xiàng)目屬性的評分矩陣，包括正評分?jǐn)?shù)矩陣P (u，a)、負(fù)評分?jǐn)?shù)矩陣N(u，a)和總評分?jǐn)?shù)矩陣 1'(11，8)，其中，？(11，&)、叭11， &)以及1'(11，&)中的每個元素分別代表用戶對已有項(xiàng)目各項(xiàng)目 屬性的正評分個數(shù)、負(fù)評分個數(shù)以及總評分個數(shù)； 統(tǒng)計(jì)單元用于根據(jù)導(dǎo)入的已有項(xiàng)目和所述項(xiàng)目屬性的評分矩陣統(tǒng)計(jì)用戶的評分?jǐn)?shù)據(jù) 信息，具體為：遍歷所有用戶對已有項(xiàng)目的評分值，并判斷用戶對已有項(xiàng)目的評分值是否高 于預(yù)設(shè)的評分值，若是，將正評分?jǐn)?shù)矩陣P(u，a)和總評分?jǐn)?shù)矩陣T(u，a)的對應(yīng)元素加一， 若否，將負(fù)評分?jǐn)?shù)矩陣N(u，a)和總評分?jǐn)?shù)矩陣T(u，a)的對應(yīng)元素加一； 計(jì)算單元用于根據(jù)所述評分?jǐn)?shù)據(jù)信息和貝葉斯算法計(jì)算用戶u喜歡的項(xiàng)目中包含 冷啟動項(xiàng)目i的概率P(u，Like |i)，和用戶u不喜歡的項(xiàng)目中包含冷啟動項(xiàng)目i的概率 P (u, Dislike|i)； 個性化推薦單元用于根據(jù)公式
對 P(u，Like I i)進(jìn)行歸一化處理，將歸一化處理得到的D(u，Like I i)值按降序排列，選取排名 靠前的N個用戶進(jìn)行該項(xiàng)目推薦，其中N為正整數(shù)。
9. 根據(jù)權(quán)利要求8所述的基于云計(jì)算的冷啟動項(xiàng)目推薦的裝置，其特征在于，所述計(jì) 算單元中P(u，Dislike |i)是根據(jù)公式：
p(u，i)表示項(xiàng)目i的先驗(yàn)概率，在不同分類中，p(u，i)均為固定值，0表示一個微調(diào) 常數(shù)，e為自然常數(shù)，a表示項(xiàng)目屬性自變量，在P(u，i|Like)和P(u，i|Dislike)中K表示 項(xiàng)目i所具有的項(xiàng)目屬性的數(shù)量，在P (u，Like)和P (u，Dislike)中K表示用戶u中有評分 的項(xiàng)目屬性數(shù)量，？^1、1^分別為？(11，&)^(11， &)以及1'(11，&)中的元素。
10. 根據(jù)權(quán)利要求8所述的基于云計(jì)算的冷啟動項(xiàng)目推薦的裝置，其特征在于，所述設(shè) 定的評分值為每個用戶各自對已有項(xiàng)目的所有評分的平均值。
【專利摘要】本發(fā)明公開一種基于云計(jì)算的冷啟動項(xiàng)目推薦的方法及裝置，所述方法包括：注冊新項(xiàng)目，獲取該項(xiàng)目具有的項(xiàng)目屬性；從云端服務(wù)器導(dǎo)入已有項(xiàng)目；生成項(xiàng)目屬性評分矩陣，包括正評分?jǐn)?shù)矩陣P(u,a)、負(fù)評分?jǐn)?shù)矩陣N(u,a)和總評分?jǐn)?shù)矩陣T(u,a)；根據(jù)導(dǎo)入的已有項(xiàng)目和所述評分矩陣統(tǒng)計(jì)用戶的評分?jǐn)?shù)據(jù)信息；根據(jù)所述評分?jǐn)?shù)信息和貝葉斯算法計(jì)算用戶u喜歡的項(xiàng)目中包含冷啟動項(xiàng)目i的概率P(u,Like|i)，和用戶u不喜歡的項(xiàng)目中包含冷啟動項(xiàng)目i的概率P(u,Dislike|i)；對P(u,Like|i)進(jìn)行歸一化處理，將歸一化處理得到的D(u,Like|i)值按降序排列，選取排名靠前的N個用戶進(jìn)行該項(xiàng)目推薦。本發(fā)明大大提高了冷啟動項(xiàng)目的推薦準(zhǔn)確度。
【IPC分類】G06F17-30
【公開號】CN104615741
【申請?zhí)枴緾N201510072895
【發(fā)明人】何志清, 廖壽福, 陳添輝
【申請人】福建金科信息技術(shù)股份有限公司
【公開日】2015年5月13日
【申請日】2015年2月12日