[发明专利]面向领域的个性化智能推荐系统及实现方法

说明书

技术领域

本发明涉及计算机信息处理与网络通信技术，尤其涉及一种面向领域的个性化智能推荐系统及实现方法。

背景技术

随着信息技术特别是网络技术的发展，信息系统的规模越来越大，信息数量也越来越多，获取信息的工具和方式也越来越丰富，通过网络为用户提供越来越多信息和服务的同时，信息系统的结构和内容也日益复杂。而在海量信息中，为用户及时、准确地提供当前所需要的信息内容也变得更加困难。其原因主要有：其一，由于很难准确描述出需要的信息的特征，用户常常会面对大量的信息而束手无策，迷失在大量的信息空间中；其二，信息系统提供的检索方式，常常不能满足用户描述检索条件的需求，找不到合适的描述所要检索信息的方式。另外，由于用户每次获取信息，都要输入大量、繁琐的检索条件，而信息系统不能通过服务的历史记录和服务过程掌握用户需求，也容易导致信息系统不能对用户产生持久吸引力。

随着下一代网络(NGN)技术的发展和应用，汇聚了有线通信、移动通信以及宽带互联网等多种网络的下一代网络，能够为用户提供种类更丰富、通信质量更好的数字音像内容服务。该技术的应用，将能使人们以更灵活、更快捷的方式获取数字音像内容，然而，在海量并不断增加的信息中及时、准确地选取所需要的信息内容，又将成为亟需解决的问题。因此，在此背景下，个性化智能推荐服务(PRS，Personalized Recommender Services)技术应运而生，并迅速得到发展，应用该技术，能够通过与用户交互过程中获取的信息推测用户的兴趣偏好，并能根据用户的兴趣偏好推荐符合用户兴趣偏好的信息。非但如此，通过个性化智能推荐服务，还可有效维护客户关系，提高信息系统的吸引力和培养用户忠诚度。

基于PRS技术的独特优势，从其诞生至今的十多年间，PRS系统已被广泛应用于电子商务、网上交易等方面。由于其具有巨大的应用需求，PRS得到业界广泛关注，许多国内外学者也纷纷将PRS作为研究专题。

现有的PRS技术归纳起来主要分为三类，即协同过滤推荐(CFR，Collaborative Filtering Recommendation)方式、基于内容过滤的推荐(CBF，Content-based Filtering Recommendation)方式和前述两种方式相结合的混合推荐(Hybrid Recommendation)方式。其中，协同过滤推荐(CFR)方式是研究最为深入且应用最为广泛的方式，这种推荐方式是通过分析用户之间兴趣偏好的相似性来提供推荐服务的。很多网站应用了该技术，如，亚马逊、eBay等都使用CFR技术为用户提供推荐服务。但是，CFR方式会随着系统规模的增大、出现数据稀疏性缺陷，导致推荐服务质量降低，特别是忠诚用户的服务质量将得不到保证。基于内容过滤的推荐(CBF)，是通过用户个人背景资料信息和商品或服务内容的特性消息相匹配，通过分析商品内容的结构来推测用户个性偏好，从而产生推荐结果。但，CBF方式，一般是针对特定领域的，更换其他领域后将会导致系统不能使用，因此，其通用性较差。作为上述两种推荐方式的结合，混合推荐方式能有效利用前述推荐方式的优点，而尽量弥补前二者的缺点。在应用方面，采用混合过滤方式的，如，美国Stanford大学数字图书馆。现有的混合推荐方式虽然在一定范围内提高了推荐服务质量，但仍然不能解决跨领域问题，也无法改善忠诚用户的推荐服务质量。

发明内容

有鉴于此，本发明的主要目的在于提供一种面向领域的个性化智能推荐系统及实现方法，通过合理的数据组织和推荐服务的过程优化处理，使该智能推荐系统具有跨领域应用的能力，以增强该推荐系统的通用性；并且根据用户需求的变化特征，使其具有主动学习能力，即具有智能推荐服务功能，能够根据用户对推荐服务的反映进行自我调整，以改善整体推荐服务质量和提高用户忠诚度。

为达到上述目的，本发明的技术方案是这样实现的：

一种面向领域的个性化智能推荐系统，领域处理模块、系统管理模块、用户接口模块、推荐服务模块和推荐结果处理模块；其中，

领域处理模块，用于通过数据组织方式的设计，使数据输入及系统实现与领域无关；用于确定领域信息的配置方法和系统的初始化，按一定规则和方法进行领域信息的配置，系统根据配置的领域信息初始化推荐系统；

系统管理模块，用于接收和处理各模块的信息或资源调配，算法选择、算法运行及参数设置；

用户接口模块，用于根据用户交互行为获取用户行为信息或上下文信息，并将其传送给推荐服务模块；