[发明专利]基于协同过滤的用户偏好模型构建方法

权利要求书

1.基于协同过滤的用户偏好模型构建方法，包括知识发现推荐策略数据库和用户画像，其特征在于：所述知识发现推荐策略数据库识别系统由查询、领域知识数据库、产品属性数据库、用户画像数据库和用户产品交易数据库共同组成的，查询系统可以直接读取知识发现推荐策略数据库内的数据，并在显示屏上显示出得出的数据，领域知识、产品属性数据库、用户画像和用户产品交易数据库将获取的数据汇总，并通过电子元件传递到知识发现推荐策略数据库内储存，产品属性数据库和用户画像数据库通过电子元件与内容过滤推荐策略数据库连接，用户画像数据库和用户产品交易数据库通过电子元件与协同过滤推荐策略数据库连接，知识发现推荐策略数据库、协同过滤推荐策略数据库和内容过滤推荐策略数据库通过电子元件与组合式推荐策略数据库连接。

2.根据权利要求1所述的基于协同过滤的用户偏好模型构建方法，其特征在于：所述用户画像数据库内设有基本信息、偏好、消费能力、位置信息、行为数据和出行方式，利用识别相同的信息来寻找相同的兴趣，进而为有共同兴趣爱好的群体推荐信息。

3.根据权利要求1所述的基于协同过滤的用户偏好模型构建方法，其特征在于：所述内容过滤推荐策略内分为内容分析器、文件学习器和过滤部件，变内容分析器：从原先的商品信息中提取有用的信息用一种适当的方式表示，文件学习器：该模块收集、泛化代表用户偏好的数据，生成用户概要信息。

4.通常，是采用机器学习方法从用户之前喜欢和不喜欢的商品信息中推出一个表示用户喜好的模型，过滤部件：通过学习用户概要信息，匹配用户概要信息和商品信息，推荐相关的商品，结果是一个二元的连续型的相关判断。

5.根据权利要求1所述的基于协同过滤的用户偏好模型构建方法，其特征在于：所述组合式推荐策略数据库分为两项策略，一种是基于内容推荐策略和基于用户行为推荐策略，基于内容推荐策略先通过用户属性信息，得到属性信息后即可达到匹配商品的目的，而基于用户行为推荐策略，这种方式不需要显性属性信息，则对于新系统来说，基于内容的推荐更优。