[发明专利]一种多维协同推荐的系统与方法

权利要求书

1.一种多维协同推荐的系统，其特征在于，包括以下模块：

挖掘模块，完成主题提取、位置关系挖掘和文本分类；

推荐模块，完成各推荐内容对于各用户的推荐指数以及被阅读后的内容相对于相关用户的推荐指数，综合得出待推荐内容的推荐模型，计算过程需调用挖掘模块；

内容数据库模块，用于记录推荐内容、分类标签和内容分类；

用户数据库模块，记录用户基本信息、群组属性、交流记录、位置信息记录、浏览记录、关联用户、关注标签和推荐记录。

2.一种多维协同推荐的方法，其特征在于，包括以下步骤：

(1)、计算用户的主题关注度

(11)、根据用户浏览记录将相应内容抽取为样本集合；

(12)、对步骤(11)中的样本集合进行主题提取，

(13)、将步骤(12)提取的主题作为该用户的关注标签，以用户浏览量为权重，对各标签进行相关度赋值，用户浏览量包括浏览次数和浏览时长，其中时长转化为分钟数处理；

(2)、计算用户之间的群组相关度

根据用户分属群组和在群组中交流的频次，对用户进行群组关联赋值，第1用户与第2用户的群组相关度为累计用户在同一群组中交流的时长，时长转化为分钟数取整处理；

(3)、计算用户间话题相关度，

(31)、提取第1用户与第2用户间的交流记录做为统计样本；

(32)、从步骤(31)中的统计样本中进行主题提取；

(33)、根据用户对主题的内容贡献大小对第1用户与第2用户在每个主题上的相关度进行赋值，用户对主题的内容贡献以用户每次发言与主题的吻合度来衡量；

(4)、计算用户间位置相关度

通过位置关系挖掘，发现用户的邻居，即与用户在地理位置上经常处于邻近局域的另一用户为该用户的邻居，

(5)、组合关联用户的群组相关度、话题相关度、位置相关度及用户的主题相关度，进行分条件的赋权累加，得出最终的推荐模型；

(6)、内容分类，

(61)从样本内容集合中进行主题提取，得到对内容的分类标签；

(62)使用文本分类器，将目标内容集合按步骤(61)得到的分类标签分类；

(7)、内容推荐，分两种情况：

(71)、若推荐的内容是用户未浏览过的内容：首先根据内容的类别属性和任意用户的关注标签的匹配度进行计算，得出一个推荐指数，当某一用户的推荐指数大于阈值，则向该用户推荐，该阈值取值区间为(0，1)；

(72)、若推荐的内容为用户浏览过的内容，首先确保该用户对内容产生真正的接收，然后分三种情况计算用户的关联用户的推荐指数；

(721)、位置关联用户的基础系数为r1，当分类的内容涉及物理方位信息时，则该基础系数进行放大处理，物理方位信息包括场所、卖场、地点和位置；

(722)、群组关联用户的基础系数为r2，当分类的内容覆盖到群组主题或群组标签时，则该系数进行放大处理；

(723)、话题关联用户的相关系数算法为：R＝|{T_C}∩{T_u1-u2}|*r，其中{T_c}为内容主题的集合，{T_u1-u2}为第1用户与第2用户之间话题的集合，取两个集合交集的度再乘以一个系数r作为话题相关系数,系数r的取值范围为[1,10]；

最终相关用户推荐指数计算公式为：R _u1-u2＝r₁*R_g+r₂*R_t+r₃R_L，其中，r1，r2，r3的初始值均设为1，R_g表示群组关联用户的群组相关度，R_t表示话题关联用户的话题相关度，R_L表示位置关联用户的位置相关度；

对于第1用户阅读过的内容，当推荐指数R _u1-u2大于阈值，则向第2用户推荐，阈值取1或者根据统计区间段内的所有推荐指数的总体情况取中间值；

(8)、推荐优化

(81)、对于推荐给用户的内容，当用户进行主动接收后，记录用户的阅读时长，当阅读时长超过阈值，则认为推荐成功；否则认为推荐失败；

(82)、查看该用户的推荐模型，确定该模型中起主要作用的相关度系数，若推荐成功，则调大该系数的百分比；如果推荐失败，则调小该系数的百分比。