[发明专利]一种信息推荐方法和系统

说明书

技术领域

本发明涉及通信技术领域，特别是指一种信息推荐方法和系统。

背景技术

个性化推荐能够通过收集和分析用户信息来学习用户的兴趣爱好，并据此向用户推荐符合其偏好的产品与服务，其信息过滤的效果及推荐被用户接受的地程度都远胜于非个性化推荐系统，因此，在电影、音乐、新闻、产品和WEB页面推荐领域等方面都得到了越来越广泛的应用。

随着移动电话用户数量的快速增加以及移动通信技术的飞速发展，带来了移动增值数据业务的迅猛增长，带来了大量的数据业务与应用点，比如为用户实时提供天气、新闻、体育、交通及股票等正成为移动增值服务市场上新的热点。为了使用户在海量信息中能够及时、准确得到自己所需要的信息，就需要深入挖掘用户不同的兴趣，从而开展相应的业务以增加活跃用户数比例是当前提高用户满意度和忠诚度的一大重要举措，于是个性化信息服务在移动应用中应运而生。

目前，个性化推荐技术中已经有很多成熟的方法，比如协同过滤方法，基于概念聚类的方法，此类方法所述方法已可实现，比如在一篇专利“一种个性化信息推荐的方法”（申请号：200910086471），使用协同过滤工具计算项集相似性，挖掘用户属性及偏好。现有的基于协同过滤的个性化推荐方法存在着如下缺陷：（1）可扩展性问题:推荐算法需要实时进行，能够在尽可能短的时间内作出响应，而海量数据逐渐增大的规模会导致算法速度急剧下降，无法及时产生推荐；（2）稀疏性，由于大规模的商品数量和为数众多的用户数量，而用户一般只对自己感兴趣的商品评分，所利用的表示用户兴趣的信息是有限的。

目前还有一些图论的个性化推荐方法，将用户、项目建立二分图，利用二分图原理来计算用户和项目的相关度，从而能准确计算出TOP-N个推荐，避免推荐空值，能实现快速离线计算，从而为实时计算提供可能。但是该方法只考虑了用户-项目之间的结构相关性来计算节点之间的关联程度，而忽略了用户与用户之间、项目与项目之间的相似性，忽视了用户对项目具体评分，而只考虑用户与项目之间的相关性。

发明内容

本发明要解决的技术问题是，现有的个性化推荐方法只考虑用户与项目之间的相关性，没有考虑用户与用户之间、项目与项目之间的相似性，忽视了用户对项目具体评分。

为解决上述技术问题，本发明的实施例提供一种信息推荐方法，包括如下步骤：

将用户、项目以及用户对项目的评分处理成二分图，用户和项目对应二分图上节点，用户对项目的评分对应二分图上的边；

根据用户对项目的评分，确定目标用户与其他用户的相似度；

将所述目标用户与其他用户的相似度组成的向量作为重启向量，基于可重启的随机游走模型计算目标用户与项目的相关度；

根据目标用户与项目的相关度，选择项目对应的信息推荐给目标用户。

本发明还提供了一种信息推荐系统，包括：

二分图建立模块，用于将用户、项目以及用户对项目的评分处理成二分图，用户和项目对应二分图上节点，用户对项目的评分对应二分图上的边；

用户-用户相似度确定模块，用于根据用户对项目的评分，确定目标用户与其他用户的相似度；

用户-项目相关度确定模块，用于将所述目标用户与其他用户的相似度组成的向量作为重启向量，基于可重启的随机游走模型计算目标用户与项目的相关度；

项目推荐模块，用于根据目标用户与项目的相关度，选择项目对应的信息推荐给目标用户。

本发明的上述技术方案的有益效果如下：本发明的信息推荐方法是根据用户对项目的评分来确定目标用户与其他用户的相似度，将所述目标用户与其他用户的相似度组成的向量作为重启向量，基于可重启的随机游走模型计算目标用户与项目的相关度，用以扩展带起始点的随机游走模型，控制随机游走过程向与出发节点相似的节点靠拢，从而充分挖掘用户节点和项目节点之间的相关性，减少数据稀疏问题的影响，对项目重要性排序作出了更准确地评估，可以较准确地推荐用户感兴趣的评分项目，提高了推荐质量。

附图说明

图1为本发明提供的一种实施例的信息推荐方法流程图；

图2为本发明确定用户与项目的相关度的流程图；

图3为本发明选择项目对应的信息推荐给目标用户的流程图；

图4为本发明的信息推荐系统的结构框图；

图5为本发明的用户-项目相关度确定模块的结构框图；

图6为本发明的项目推荐模块的结构框图；

图7为本发明一种实施例的按照用户-项目评分建立的二分图。

具体实施方式