[发明专利]面向中小型网站的用户访问意图获取方法及系统

摘要

本发明公开了一种面向中小型网站的用户访问意图获取方法及系统，采用了应用较为广泛的协同过滤推荐算法来分析用户的访问意图并为用户进行推荐。但是，与传统推荐算法相比，本发明在计算用户之间的相似度时，使用了改进的皮尔逊相关系数计算方法，通过理论分析与实验证明，本发明中的方法取得了较高的精确度。采用用户间独立式更新的方法，根据用户访问网站的情况，每次只对有访问行为的用户的历史数据进行更新操作，而不是每次都对所有用户进行计算，该方法不仅大大减少了每次更新的计算量，降低了时间消耗，而且使网站对用户的推荐结果具有相对的实时性。

主权项

一种面向中小型网站的用户访问意图获取方法，其特征在于，包括以下步骤：1)将物品集合IS定义如下：IS＝{n1,n2,…,nj,…,n|W|}，其中，nj＝(n_identity,link)表示第j个物品，且1≤j≤W，W表示物品数量，link表示物品的链接地址，n_identity表示物品的唯一标志；用户对物品的评分集合γ定义为：γ＝{T1,T2,…,Tq,…,TS|1≤q≤S,Tq＝(u_identity,n_identity,rating)}，其中，rating表示用户u_identity对物品n_identity的评分值，S表示非零评分的数量；用户集合定义为：US＝{u1,u2,…,ui,…,uN}，其中，ui＝(u_identity,client)表示用户i，u_identity表示用户i的唯一标志，client表示用户i的账号信息或客户端地址，N表示用户的数量；2)利用集合IS、US和γ创建用户‑物品评分矩阵UIM，再由UIM得到用户‑用户相似度矩阵UUSM，当为某一用户uc进行推荐时，寻找该用户uc的最近邻居，根据这些最近邻居对物品的评分情况，预测用户uc对其未曾有过浏览操作的物品的评分，将这些物品按预测评分值降序排序后，推荐给用户。