[发明专利]一种面向用户的推荐方法、装置及存储介质

说明书

本发明公开了一种面向用户的推荐方法、装置及存储介质，其中，面向用户的推荐方法包括：基于人口统计学的推荐方法获取与目标用户相似度最高的第一参考用户，并将第一参考用户的第一评分列表作为目标用户的第一推荐结果；利用协同过滤算法确定目标用户的相似用户群，并将相似用户群的第二评分列表作为目标用户的第二推荐结果；计算第一推荐结果与第一权重值的第一乘积以及第二推荐结果与第二权重值的第二乘积，并将第一乘积和第二乘积合并作为最终推荐结果。由此可见，本方法同时用到基于人口统计学的推荐方法和协同过滤算法，相对于单独的协同过滤算法，基于人口统计学的推荐方法能够克服冷启动的问题，因此，本方法适用范围更广。

技术领域

本发明涉及推荐算法技术领域，特别是涉及一种面向用户的推荐方法、装置及存储介质。

背景技术

互联网技术的迅猛发展把我们带进了信息爆炸的时代，使得大量少人问津的信息成为网络中的“暗信息”，无法被一般用户获取。针对这一情况，推荐算法能够有效地为用户筛选信息的优势受到了重视，尤其在电子商务系统中的应用最为广泛。推荐算法是计算机专业中的一种算法，通过一些数学算法，推测出用户可能喜欢的东西，目前应用推荐算法比较好的地方主要是网络。所谓推荐算法就是利用用户的一些行为，例如购买某种物品，浏览某种物品的网页等，通过一些数学算法，推测出用户可能喜欢的东西。

推荐方法中的典型之一是采用协同过滤荐算法(Collaborative FilteringRecommendation，CFR)，其具有出色的统计速度和个性化推荐的特性，因此在现有技术中被广泛应用。然而，协同过滤推荐算法存在一些缺点，主要是冷启动问题。所谓的冷启动是指在用户没有发生特定行为之前，因缺少参考数据而无法实现对用户的预测。

由此可见，如何克服协同过滤算法在推荐方法中的冷启动问题是本领域技术人员亟待解决地问题。

发明内容

本发明的目的是提供一种面向用户的推荐方法、装置及存储介质，用于克服协同过滤算法在推荐方法中的冷启动问题。

为解决上述技术问题，本发明提供一种面向用户的推荐方法，包括：

基于人口统计学的推荐方法获取与目标用户相似度最高的第一参考用户，并将所述第一参考用户的第一评分列表作为所述目标用户的第一推荐结果；

利用协同过滤算法确定所述目标用户的相似用户群，并将所述相似用户群的第二评分列表作为所述目标用户的第二推荐结果；

计算所述第一推荐结果与第一权重值的第一乘积以及所述第二推荐结果与第二权重值的第二乘积；

将所述第一乘积和所述第二乘积合并作为对所述目标用户的最终推荐结果。

优选地，所述协同过滤算法具体包括：

以项目为基础的协同过滤算法和以用户为基础的协同过滤算法；

其中，若用户数大于物品数，则采用所述项目为基础的协同过滤算法，若用户数小于物品数，则采用所述以用户为基础的协同过滤算法。

优选地，所述第一权重值具体为1-k/n，所述第二权重值具体为k/n；

其中，n为注册用户的总数，k为所述目标用户已评分的物品数。

优选地，所述基于人口统计学的推荐方法用到的用户信息具体包括用户的年龄和用户的性别。

为解决上述技术问题，本发明还提供一种面向用户的推荐装置，包括：

获取单元，用于基于人口统计学的推荐方法获取与目标用户相似度最高的第一参考用户，并将所述第一参考用户的第一评分列表作为所述目标用户的第一推荐结果；

确定单元，用于利用协同过滤算法确定所述目标用户的相似用户群，并将所述相似用户群的第二评分列表作为所述目标用户的第二推荐结果；