[发明专利]用于智能设备的混合推荐系统及其方法

说明书

技术领域

本申请涉及一种为智能设备提供应用程序推荐的推荐系统和方法，尤其涉及一种在基于云平台的分布式系统架构中，使用应用程序访问日志的信息分别生成基于项目的协同过滤推荐数据、基于内容的推荐数据以及基于用户国别的Top-N推荐数据，并且按照预定比例将生成的所述推荐数据进行融合，从而生成混合推荐数据的技术。

背景技术

随着科技的发展，具有操作系统、用户可以自由安装和卸载应用程序的智能设备越来越多，比如智能手机、智能电视、平板电脑等。以电视为例，现在的电视机已经不只具有放电视的功能了，智能电视可像电脑一样具有开放的平台并搭载操作系统。用户可通过智能电视上网、玩游戏、自由安装和卸载软件或游戏等第三方服务商提供的程序。由于智能设备用户的选择越来越多，用户有效确定自己感兴趣的应用程序越来越困难，需要花费大量的时间和精力。然而，智能设备记录了用户几乎所有的使用日志。我们可以通过对日志的分析和模式挖掘来发现各个用户感兴趣的应用程序，然后将一组用户最可能感兴趣的应用程序推荐给用户，以有效解决信息过载和信息迷失的问题，节省用户的时间。

推荐的概念可被定义为：任何能够产生个性化推荐作为输出或在可能选项很大的空间中能够以个性化的方式有效引导用户到感兴趣或有用的对象的系统。在电子商务中，推荐系统就是了解和学习客户的需求与爱好，为用户提供商品信息和建议，推荐其可能感兴趣的商品，实现信息服务的个性化。

目前，常用的推荐技术有协同过滤的推荐、基于内容的推荐、基于效用的推荐、基于知识的推荐和基于规则的推荐等。上述每种推荐技术有其各自的优点和缺点。例如，协同过滤的推荐能够处理复杂的非结构化对象、提供个性化推荐数据、推荐质量可随时间提高、有助发现用户的潜在兴趣等优点，但同时，协同过滤的推荐在应付数据稀疏问题方面、扩展性方面、新用户冷启动问题方面以及新项目冷启动问题方面等都不理想。又例如，基于内容的推荐技术能够提供直观、易解释的推荐结果，不存在新项目的冷启动问题，也不需要以来用户评价数据等，但是却不能有效地解决新用户的冷启动问题，不能够很好地解决属性复杂的项目，而且需要依赖大量的历史数据等等。

当涉及推荐智能设备的应用程序时，还需要考虑以下几点：

1.智能设备对许多用户都是新事物，当前使用智能电视的用户中使用应用程序的用户占少数，而且用户评价的项目数只占项目总数很小的一部分，所以需要考虑数据稀疏问题。

2.在世界范围内，每天都会增加大量的新用户，虽然他们没有历史使用记录，但是有必要为他们产生推荐，即新用户的冷启动问题。

3.现在有第三方参与智能设备应用程序的开发。当新应用程序推出以后，必须能够将它们推荐给用户，即新项目的冷启动问题。

4.智能设备的应用程序的规模相对于智能设备的用户来说小很多。为了推荐系统的效率，必须考虑数据规模和可扩展性。

5.个性化的推荐，以增强用户的体验。

因此，需要一种为各种用户提供有用的、个性化推荐的推荐系统。

发明内容

本发明的目的在于提供一种分布式地进行智能设备的应用程序的推荐处理，并且生成融合了多种推荐技术的优点的混合推荐数据，从而能够针对不同类型的用户以及新推出/已使用过的应用程序都能够生成相关性较强的推荐数据。

根据本发明的一方面，提供一种为智能设备推荐应用程序的混合推荐系统，所述混合推荐系统基于云平台的分布式架构，包括：日志导入和解析器，从数据库导入应用程序访问日志，并且基于MapReduce编程模型对导入的应用程序访问日志进行解析，提取关于应用程序使用状况的信息；用户建模器，用于创建包括多个应用程序项的应用程序表，每个应用程序项包括应用程序标识以及多个属性，所述属性包括应用程序类型、付费类型以及至少一个关键词，并且用于使用日志导入和解析器提取的信息，基于MapReduce编程模型分布式地为各用户进行用户建模，为每个用户构建包括用户对应用程序的至少一个属性的偏好数据的用户模型；混合推荐器，用于使用日志导入和解析器提取的信息以及用户建模器创建的应用程序表和每个用户的用户模型，分别为每个用户生成基于项目的协同过滤算法的第一候选推荐数据、包括在用户所属国家使用频率高的应用程序的第二候选推荐数据以及基于内容的协同过滤算法的第三候选推荐数据，然后按照预定的推荐条目总数以及第一、第二和第三比例，分别从每个用户生成的第一候选推荐数据、第二候选推荐数据和第三候选推荐数据选取符合相应比例的数量的推荐数据条目，并且将分别选取的推荐数据条目合并作为所述用户的混合推荐数据。