[发明专利]一种个性化内容推荐方法、平台以及系统

权利要求书

1.一种个性化内容推荐方法，包括：

根据用户的访问数据生成用户第一兴趣列表；

对候选文件进行处理形成候选文件列表；其特征在于，还包括：

根据含有所述用户第一兴趣列表中的关键词的其他用户的兴趣列表，对所述用户第一兴趣列表进行兴趣扩散形成用户第二兴趣列表；

比较用户第二兴趣列表和候选文件列表之间的相似度，并从大到小排序将TOP-K个候选文件推荐给用户。

2.根据权利要求1所述的个性化内容推荐方法，其特征在于，所述根据含有所述用户第一兴趣列表中的关键词的其他用户的兴趣列表，对所述用户第一兴趣列表进行兴趣扩散形成用户第二兴趣列表，具体包括：

分别计算用户第一兴趣列表中关键词向其他所有用户推荐关键词的推荐能力；

根据所述关键词的推荐能力形成兴趣扩散矩阵；

根据所述兴趣扩散矩阵对用户第一兴趣列表进行向量计算，形成用户第二兴趣列表。

3.根据权利要求1或2所述的个性化内容推荐方法，其特征在于，所述根据用户的访问数据生成用户第一兴趣列表，具体包括：

建立用户集合U_i＝{u₁，u₂，...，u_n}，其中，用户u_i的兴趣列表采用向量空间模型表示：

p_i＝((T₁，w_i1)，(T₂，w_i2)，...，(T_k，w_ik))，

其中，w_ij表示用户u_i第一兴趣列表中关键词T_j对于用户u_i的权重，k表示用户u_i第一兴趣列表之中所有关键词的数量。

4.根据权利要求1或2所述的个性化内容推荐方法，其特征在于，所述对候选文件进行处理形成候选文件列表，具体包括：

建立候选文件集合D＝{d₁，d₂，...，d_n}，其中，候选文件d_j的文件列表采用向量空间模型表示为：

d_j＝{(T₁，w_1j)，(T₂，w_2j)，...，(T_k，w_kj)}，

其中，w_ij表示文件d_j之中关键词T_i在文件d_j之中的权值，k表示文件d_j之中关键词的数量。