[发明专利]一种个性化推荐方法及装置

权利要求书

1.一种个性化推荐方法，其特征在于，包括：

从模型库中提取推荐模型，并将所提取的推荐模型划分到至少两种推荐域中，所述推荐域包括内容类推荐域和行为类推荐域，其中，所述内容类推荐域包括：基于用户属性信息和标签信息建立的推荐模型，所述行为类推荐域包括：基于用户的购物行为建立的推荐模型；

根据划分得到的推荐域，分别建立得分转换单元，所述得分转换单元至少包括：内容类域内得分转换单元、行为类域内得分转换单元和域间得分转换单元；

通过所述内容类域内得分转换单元，对内容类推荐集进行域内融合，并通过所述行为类域内得分转换单元，对行为类推荐集进行域内融合，再通过所述域间得分转换单元对所述内容类推荐集和所述行为类推荐集进行域间融合，结合上下文推荐集，得到至少3种融合集；

根据得到的融合集，按照品类得分对商品品类进行排序，并在每个商品品类中对所选取的商品排序。

2.根据权利要求1所述的方法，其特征在于，所述根据划分得到的推荐域，分别建立得分转换单元，包括：

利用历史单个推荐模型集数据和用户的行为数据，基于三层人工神经网络模型，通过误差反向传播算法对所述划分得到的推荐域中的推荐模型进行训练；

将训练得到的推荐模型建立得分转换单元，其中，在所述得分转换单元中以单个召回数据作为输入，通过所述训练得到的推荐模型计算得到融合得分。

3.根据权利要求2所述的方法，其特征在于，所述利用历史单个推荐模型集数据和用户的行为数据，基于三层人工神经网络模型，通过误差反向传播算法对所述划分得到的推荐域中的推荐模型进行训练，包括：

根据推荐结果表，从所述历史单个推荐模型集数据和所述用户的行为数据中，获取用户商品对(user,item)、对应用户商品对的推荐来源rec_src和对应用户商品对的原始得分raw_score；

对获取的推荐来源进行编码，其中，推荐域中的推荐模型有n个，并标识为模型1、模型2、…和模型n,模型i的编码为(0,0，…1…0)的n维向量，其中第i位的取值为1，其他取值均为0；

根据所述用户商品对，检测用户对用户商品对所表示的推荐商品在指定时间段内是否存在点击或则浏览行为，若是则训练目标变量is_focused＝1，若否则is_focused＝0；

建立所述三层人工神经网络模型，其中，输出层为推荐模型的推荐来源rec_src和原始得分raw_score，输出层为所述训练目标变量，隐含层为两层，推荐模型的训练采用误差反向传播算法。

4.根据权利要求1所述的方法，其特征在于，所述通过所述域间得分转换单元对所述内容类推荐集和所述行为类推荐集进行域间融合，包括：

通过所述内容类域内得分转换单元，将CB1,CB2,…CBp融合得到内容类域内融合集CB，通过所述行为类域内得分转换单元，对BM1,BM2,…BMq融合得到行为类域内融合集BM，其中，CB1,CB2,…CBp表示内容类推荐集，BM1,BM2,…BMq表示行为类推荐集；

根据CB和BM建立内容类和行为类类间融合集HM，其中，所述内容类推荐集有p个：CB1,CB2,…CBp，所述行为类推荐集有q个：BM1,BM2,…BMq。

5.根据权利要求4所述的方法，其特征在于，还包括：

所述推荐域还包括上下文推荐域，所述上下文推荐域包括：基于时间、地点、天气和舆情信息建立的推荐模型；

根据划分得到的上下文推荐域，建立上下文推荐域内得分转换单元，再通过上下文推荐域内得分转换单元，对上下文推荐集CT进行域内融合；

将融合集HM和上下文推荐集CT，以预设的加权值进行加权融合，形成总融合集，所述最终融合集用于商品品类排序和商品排序。