一種在線系統(tǒng)中用戶定制推薦系統(tǒng)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)據(jù)挖掘及網(wǎng)絡(luò)應(yīng)用技術(shù)領(lǐng)域，提出一種在線系統(tǒng)中用戶定制推薦系 統(tǒng)的方法。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)經(jīng)濟的日益繁榮，使得我們身處于一個信息爆炸的時代，如何從海量 信息中篩選出自己感興趣的信息已經(jīng)成為了一件非常困難的事情。但是隨著大數(shù)據(jù)的思想 落地，推薦系統(tǒng)憑借其能夠在用戶沒有明確目標的情況下幫助他們發(fā)現(xiàn)感興趣的內(nèi)容，為 用戶推薦符合其興趣愛好的信息、產(chǎn)品的特點，漸漸收到了業(yè)界的熱捧，因此各種互聯(lián)網(wǎng) 行業(yè)紛紛引進了推薦技術(shù)，如電子商務(wù)、電影和視頻網(wǎng)站、在線音樂、社交網(wǎng)絡(luò)等，這給互聯(lián) 網(wǎng)經(jīng)濟帶來了無法估量的效益。
[0003]相比于搜索引擎和分類目錄，推薦系統(tǒng)可以根據(jù)不同用戶的要求提供個性化推薦 服務(wù)。當(dāng)前，大部分推薦系統(tǒng)設(shè)計的推薦算法往往單一的追求具有較高準確性或者較好的 多樣性，例如，傳統(tǒng)的協(xié)同過濾算法有著很高的推薦準確性，而近年來信息物理方面提出的 基于二部圖網(wǎng)絡(luò)結(jié)構(gòu)的熱傳導(dǎo)算法有著較好的推薦結(jié)果多樣性。雖然有些推薦系統(tǒng)設(shè)計了 準確性和多樣性兼?zhèn)涞幕旌纤惴ǎ鐚⑽镔|(zhì)擴散方法和熱傳導(dǎo)方法進行結(jié)合構(gòu)建混合推薦 算法，以此來保證推薦結(jié)果同時具有準確性和多樣性。但是，現(xiàn)有的推薦系統(tǒng)都不同程度地 存在以下的缺點：
[0004] 1.絕大多數(shù)推薦系統(tǒng)中推薦引擎是固定不變的，系統(tǒng)設(shè)計時只采用單一的推薦算 法（如準確性算法或多樣性算法），但是每種特定的算法只適合某個或者某類別的用戶，并 不能滿足所有用戶的偏好。例如，對于采用準確性推薦算法的推薦系統(tǒng)，其推薦結(jié)果往往并 不符合注重推薦多樣性用戶的需求；同樣對于使用多樣性推薦算法的推薦系統(tǒng)，其推薦結(jié) 果必然不能滿足注重推薦準確性用戶的要求。因此，推薦系統(tǒng)所采用的推薦算法應(yīng)該在推 薦結(jié)果中兼顧不同用戶的偏好。
[0005] 2.目前，有一些系統(tǒng)采取混合推薦算法來保證推薦結(jié)果能夠兼具準確性和多樣 性，但是由于混合策略中參數(shù)是固定的，存在推薦結(jié)果準確率低、個性化程度不高等缺陷。 針對該問題，少數(shù)推薦系統(tǒng)采用自適應(yīng)策略來改善混合推薦算法的推薦性能，例如通過機 器學(xué)習(xí)的方式分析用戶行為并挖掘用戶的興趣來動態(tài)調(diào)節(jié)算法參數(shù)，但這些算法往往需經(jīng) 過長期的學(xué)習(xí)時間，導(dǎo)致周期過長且推薦結(jié)果準確率不一定高，不能滿足用戶想迅速得到 符合其興趣的推薦結(jié)果的要求，因此用戶對系統(tǒng)的體驗度不高，無法幫助電子商務(wù)網(wǎng)站有 效地吸引和挽留用戶。

【發(fā)明內(nèi)容】

[0006] 有鑒于此，本發(fā)明的目的在于提供一種在線系統(tǒng)中用戶定制推薦系統(tǒng)的方法，該 方法針對以往推薦系統(tǒng)中推薦算法固定不變，無法構(gòu)建出符合不同用戶需求的個性化推薦 系統(tǒng)的問題，采用用戶自主定制個性化推薦引擎的方式，實現(xiàn)了系統(tǒng)可以根據(jù)用戶不同偏 好自適應(yīng)配置推薦算法，進行個性化推薦的目的，同時保證了推薦結(jié)果具有較好的推薦多 樣性和較高的推薦準確度，有效地縮短了系統(tǒng)學(xué)習(xí)用戶行為的周期。
[0007] 為達到上述目的，本發(fā)明提供如下技術(shù)方案：
[0008] -種在線系統(tǒng)中用戶定制推薦系統(tǒng)的方法，包括以下步驟：步驟一：用戶在在線 系統(tǒng)中啟動推薦引擎配置；步驟二：用戶根據(jù)自身的需求和偏好，在系統(tǒng)設(shè)計的推薦引擎 配置頁面中自主設(shè)定推薦引擎參數(shù)；步驟三：保存所配置的推薦引擎并應(yīng)用于推薦系統(tǒng)。
[0009] 在步驟一中，根據(jù)用戶的不同身份，啟動推薦引擎設(shè)置的方法也不盡相同。具體 為：新用戶在注冊過程中啟動推薦引擎配置；老用戶在登錄系統(tǒng)后根據(jù)自身需求，在需要 重新定制個性化推薦引擎的時候，自主啟動推薦引擎配置。
[0010] 在步驟二中，所述推薦引擎配置頁面具有以下功能：
[0011] 1)推薦引擎頁面提供兩類不同的推薦算法（準確性算法和多樣性算法），用戶可 以依據(jù)自己的需求和偏好在配置頁面中設(shè)置推薦引擎參數(shù)，進而確定兩類算法的權(quán)重以此 來構(gòu)建個性化混合推薦算法；
[0012] 2)系統(tǒng)還可以給用戶提供推薦引擎參數(shù)的建議值。系統(tǒng)根據(jù)用戶的歷史行為數(shù) 據(jù)（新用戶采用注冊信息），利用相似度公式來計算最能反映用戶當(dāng)前興趣偏好的推薦引 擎參數(shù)建議值，并將該值作為推薦引擎參數(shù)的默認選擇進行推薦，若用戶對系統(tǒng)給予的默 認設(shè)置不滿意，則可依據(jù)自身偏好修改推薦引擎參數(shù)，自主定制個性化推薦引擎。
[0013] 在步驟三中，將步驟二中定制好的推薦引擎參數(shù)值應(yīng)用于推薦系統(tǒng)中。首先從推 薦引擎庫中選定合適的準確性算法和多樣性算法，再者根據(jù)用戶在推薦引擎配置頁面里設(shè) 置推薦引擎參數(shù)，確定混合算法中準確性算法和多樣性算法各自的權(quán)重，并依據(jù)混合策略 將兩類算法加權(quán)組合為混合推薦算法，最后通過運行混合推薦算法得到最終的推薦結(jié)果。
[0014] 本發(fā)明的有益效果在于：
[0015] 1)本發(fā)明基于用戶的個性化偏好來定制推薦引擎，給予用戶自主選擇的權(quán)利，相 比以往推薦系統(tǒng)中用戶無法參與算法選擇的缺點，本發(fā)明提供了算法的靈活性，真正實現(xiàn) 了為每個用戶構(gòu)建個性化算法的目的。
[0016] 2)本發(fā)明提供了一種通過推薦引擎參數(shù)配置，用戶自主構(gòu)建個性化推薦系統(tǒng)的方 法。與現(xiàn)有推薦系統(tǒng)通過數(shù)據(jù)分析學(xué)習(xí)用戶行為來改變算法可調(diào)參數(shù)的方法不同，本發(fā)明 采用用戶和推薦系統(tǒng)直接交互的方式來改變推薦引擎參數(shù)，有效地縮短了系統(tǒng)學(xué)習(xí)用戶行 為的周期，達到了快速收集高質(zhì)量的用戶反饋，完善推薦質(zhì)量的目的。
【附圖說明】
[0017] 為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進行 說明：
[0018]圖1為本發(fā)明一種在線系統(tǒng)中用戶定制推薦系統(tǒng)的方法流程圖；
[0019] 圖2為本發(fā)明應(yīng)用于無推薦引擎參數(shù)建議值的推薦系統(tǒng)執(zhí)行流程圖；
[0020] 圖3為本發(fā)明應(yīng)用于有系統(tǒng)提供推薦引擎參數(shù)建議值的推薦系統(tǒng)執(zhí)行流程圖；
[0021] 圖4為本發(fā)明無推薦引擎參數(shù)建議值的推薦引擎配置頁面示意圖；
[0022] 圖5為本發(fā)明中系統(tǒng)提供推薦引擎參數(shù)建議值的推薦引擎配置頁面示意圖。
【具體實施方式】
[0023] 下面將結(jié)合附圖，對本發(fā)明的優(yōu)選實施例進行詳細的描述。
[0024]圖1為本發(fā)明一種在線系統(tǒng)中用戶定制推薦系統(tǒng)的方法流程圖，包括的主要步驟 如下：啟動推薦引擎設(shè)置、設(shè)定推薦引擎參數(shù)、保存推薦引擎設(shè)置、應(yīng)用于推薦系統(tǒng)。
[0025] 圖2為本發(fā)明公開的一種用戶定制推薦引擎的方法應(yīng)用到推薦系統(tǒng)的執(zhí)行流程 圖，包括的主要步驟為：啟動推薦引擎配置、顯示推薦引擎配置頁面、用戶自主定制推薦引 擎、系統(tǒng)后臺算法選擇、個性化推薦引擎的形成。具體而言：
[0026] 步驟2. 1，在線系統(tǒng)啟動推薦引擎配置：對新用戶而言，在其填寫注冊信息的同 時，通過點擊設(shè)置在注冊框里的推薦引擎配置按鈕來顯示推薦引擎配置頁面，進而定制個 性化推薦引擎；而對于老用戶而言，在登錄系統(tǒng)后根據(jù)自身的需求來選擇啟動個性化推薦 引擎的時機，即在需重新定制個性化推薦引擎的時候，才啟動推薦引擎配置頁面；
[0027]步驟2. 2,在線系統(tǒng)實時地顯示在推薦引擎配置頁面（參見圖4)，其主要包括在線 系統(tǒng)提供給用戶的兩類不同推薦算法，即準確性推薦算法和多樣性推薦算法，以及能夠自 由調(diào)節(jié)兩類算法在混合算法中所占比例的滑動條，通過上述設(shè)置以便實現(xiàn)用戶自主設(shè)置推 薦引擎參數(shù)的目的；
[0028] 步驟2. 3,用戶自主定制推薦引擎參數(shù)。在推薦引擎配置頁面，用戶以拖動滑動條 的方式來設(shè)置推薦引擎參數(shù)λ，用來確定混合推薦算法中準確性算法和多樣性算法所占權(quán) 重，其中推薦引擎參數(shù)λ是一個可調(diào)參數(shù)，其取值范圍為[0，1]。當(dāng)滑動條拖動到最左端 時，λ=〇,此時混合算法為標準的準確性算法；當(dāng)滑動條處于最右端時，λ= 1，此時混合 算法是標準的多樣性算法；而當(dāng)滑動條處于中間某個位置時，對應(yīng)的λe(〇，1)，此時混合 算法為準確性算法和多樣性算法的加權(quán)算法，即當(dāng)滑動條處于中間某個位置λ，即說明混