[发明专利]基于用户-物品二分图模型的物品推荐方法及系统

说明书

技术领域

本发明涉及计算机信息处理技术，尤其涉及一种基于用户-物品二分图模型的物品推荐方法及系统。

背景技术

个性化物品推荐是指通过挖掘用户的兴趣特点和历史用户行为等用户行为信息，定期向用户推荐物品的一种网络推荐方法。基于个性化推荐的个性化推荐系统（简称推荐系统），是建立在海量用户行为信息挖掘基础上的一种高级智能平台，用于为用户提供完全个性化的决策支持和信息服务，提升用户的业务体验。

图1为现有基于用户-物品二分图模型的物品推荐方法流程示意图。参见图1，该流程包括：

步骤101，提取用户行为信息；

本步骤中，用户行为信息是推荐系统进行物品推荐的基础，通过推荐系统中的日志模块监测用户访问互联网的行为，抓取用户访问互联网的行为信息，存储至推荐系统中的用户行为信息库中。

用户行为信息包括：浏览物品信息、评论物品信息以及给物品打分信息等。

在接收到用户的推荐请求或主动对用户进行物品推荐时，根据需要推荐的用户信息，从用户行为信息库中读取存储的相应用户行为信息。

步骤102，根据提取的用户行为信息构建推荐数据模型；

本步骤中，不同的推荐系统可能采用不同的推荐数据模型，因而，在进行物品推荐之前，需要将用户行为信息按照推荐系统的要求进行组织，组织成满足推荐系统要求的数据模型。例如，对于进行物品推荐的推荐系统，数据模型可以是用户-物品二分图模型等。

以用户-物品二分图模型为例，将提取的用户行为信息表示在用户-物品二分图上，从而构建推荐数据模型。

图2为用户-物品二分图模型结构示意图。参见图2，令G（V，E）表示用户-物品二分图模型，其中，V表示用户-物品二分图模型中的节点，E表示用户-物品二分图模型中，用户节点与物品节点形成的边。

V＝U′UF′，其中，U′表示用户-物品二分图模型中的用户节点集合，F′表示用户-物品二分图模型中的物品节点集合。本申请中，每一用户对应一用户节点，每一物品对应一物品节点。如果用户u_k对物品f_i产生过用户行为，则在用户-物品二分图模型中，用户节点U_k与物品节点F_i具有对应的边E（U_k，F_i），边的权重系数可以设置为该用户对该物品的影响程度。其中，

U′=Σk=1KUk]]>

F′=Σi=1IFi]]>

在图2中，左边表示三个用户A、B、C，分别对应用户节点U_A、U_B、U_C，右边表示四个物品a、b、c、d，分别对应物品节点F_a、F_b、F_c、F_d，其中，用户A对物品a、b具有用户行为，用户B对物品b、c、d具有用户行为，用户C对物品a、c具有用户行为。

步骤103，根据预先设置的推荐算法，对构建的数据模型进行推荐运算，获取初步推荐结果；

本步骤中，推荐引擎中的推荐算法是推荐系统的核心，是生成初步推荐结果的关键。

常用的推荐算法包括协同过滤推荐算法、基于内容的推荐算法、社会化推荐算法等。