一种个性化推荐方法及系统.pdf

本发明适用于互联网技术领域，提供了一种个性化推荐方法及系统，所述方法包括下述步骤：分别提取用户数据和推荐内容的特征词；根据提取出的特征词，通过在预设的领域分类体系中分别针对用户数据和推荐内容为每个级别生成相应的分类模型，获取用户数据和推荐内容归属于每个类别的分类概率；生成用户兴趣标签树和推荐内容标签树，计算所述用户兴趣标签树和所述推荐内容标签树的相关性，当所述相关性大于第一预设阈值时，为用户推荐相应的推荐内容。本发明对领域分类体系的每一级均生成不同的分类模型，来分别对用户数据及推荐内容进行自动分类，从而生成相应的标签树以进行相关性匹配，提高了标签描述的准确性和覆盖率。

权利要求书一种个性化推荐方法，其特征在于，所述方法包括下述步骤：
分别提取用户数据和推荐内容的特征词，所述特征词用于表征其所处数据的领域；
根据提取出的特征词，通过在预设的领域分类体系中分别针对用户数据和推荐内容为每个级别生成相应的分类模型，获取用户数据和推荐内容归属于每个类别的分类概率；
根据相应的分类概率生成用户兴趣标签树和推荐内容标签树，计算所述用户兴趣标签树和所述推荐内容标签树的相关性，当所述相关性大于第一预设阈值时，为用户推荐相应的推荐内容。
如权利要求1所述的方法，其特征在于，在所述分别提取用户数据和推荐内容的特征词的步骤之前，所述方法包括下述步骤：
建立多级的领域分类体系。
如权利要求1所述的方法，其特征在于，所述分别提取用户数据和推荐内容的特征词的步骤包括：
度量用户数据和推荐内容中词汇的特征强度；将特征强度大于第二预设阈值的词汇分别提取为用户数据和推荐内容的特征词。
如权利要求1所述的方法，其特征在于，所述获取用户数据和推荐内容归属于每个类别的分类概率的步骤包括：
在所述领域分类体系的每个级别中，通过每个特征词为每个类别生成一个投票值；
分别针对用户数据和推荐内容，将每个类别的投票值进行累加，生成该类别的累计投票值；
归一化所述累计投票值，分别生成用户数据和推荐内容归属于该类别的分类概率。
如权利要求1所述的方法，其特征在于，所述计算所述用户兴趣标签树和所述推荐内容标签树的相关性的步骤包括：
根据相应的分类概率生成用户兴趣标签树和推荐内容标签树；
将分类概率由标签树的顶部至底部逐层连乘，得到每个标签的权重；
在所述用户兴趣标签树和所述推荐内容标签树具备公共节点的最底层，分别提取相应的标签及权重，生成用户兴趣特征向量和推荐内容特征向量；
计算所述用户兴趣特征向量和所述推荐内容特征向量的相关性。
如权利要求5所述的方法，其特征在于，在所述计算所述用户兴趣特征向量和所述推荐内容特征向量的相关性的步骤中，通过余弦夹角来进行相关性计算。
一种个性化推荐系统，其特征在于，所述系统包括：
特征词提取模块，用于分别提取用户数据和推荐内容的特征词；
分类概率获取模块，用于根据提取出的特征词，通过在预设的领域分类体系中分别针对用户数据和推荐内容为每个级别生成相应的分类模型，获取用户数据和推荐内容归属于每个类别的分类概率；
推荐模块，用于根据相应的分类概率生成用户兴趣标签树和推荐内容标签树，计算所述用户兴趣标签树和所述推荐内容标签树的相关性，当所述相关性大于第一预设阈值时，为用户推荐相应的推荐内容。
如权利要求7所述的系统，其特征在于，所述系统还包括：
分类体系建立模块，用于建立多级的领域分类体系。
如权利要求7所述的系统，其特征在于，所述特征词提取模块包括：
特征强度度量单元，用于度量用户数据和推荐内容中词汇的特征强度；
提取单元，用于将特征强度大于第二预设阈值的词汇分别提取为用户数据和推荐内容的特征词。
如权利要求7所述的系统，其特征在于，所述分类概率获取模块包括：
投票值生成单元，用于在所述领域分类体系的每个级别中，通过每个特征词为每个类别生成一个投票值；
投票值累加单元，用于分别针对用户数据和推荐内容，将每个类别的投票值进行累加，生成该类别的累计投票值；
投票值归一化单元，用于归一化所述累计投票值，分别生成用户数据和推荐内容归属于该类别的分类概率。
如权利要求7所述的系统，其特征在于，所述推荐模块包括：
标签树生成单元，用于根据相应的分类概率生成用户兴趣标签树和推荐内容标签树；
标签权重获取单元，用于将分类概率由标签树的顶部至底部逐层连乘，得到每个标签的权重；
特征向量生成单元，用于在所述用户兴趣标签树和所述推荐内容标签树具备公共节点的最底层，分别提取相应的标签及权重，生成用户兴趣特征向量和推荐内容特征向量；
相关性计算单元，用于计算所述用户兴趣特征向量和所述推荐内容特征向量的相关性；
推荐单元，用于当所述相关性大于第一预设阈值时，为用户推荐相应的推荐内容。

说明书一种个性化推荐方法及系统
技术领域
本发明属于互联网技术领域，尤其涉及一种个性化推荐方法及系统。
背景技术
随着互联网搜索引擎技术的迅猛发展以及社会性网络服务(social networking service，SNS)的迅速普及，个性化推荐已成为了人们网络生活中不可或缺的网络服务之一，也成为了互联网产品未来发展的一个重点。
现有的个性化推荐方案如下：1、用户根据自身兴趣自行设定喜好的兴趣标签，系统根据推荐内容与用户兴趣标签的匹配程度为用户进行个性化推荐。例如，在新浪微博中，用户自行设定自己的兴趣标签，系统根据推荐微博与用户兴趣标签的匹配程度，为用户进行微博的个性化推荐；2、用户根据自身兴趣，在已经设定好的分类中选择感兴趣的类别标签，系统根据推荐内容与用户类别标签的匹配程度为用户进行个性化推荐。例如，在百度知道中，用户自行选择自己擅长领域的类别标签，系统根据待解答问题与用户类别标签的匹配程度，为用户进行待解答问题的个性化推荐。
然而，由于用户自行选择标签的时间及精力有限，或者鉴于个人隐私不愿意去配置相应的标签，导致标签描述不准确且覆盖率低，使得现有技术无法将标签与推荐内容进行精确匹配。
发明内容
本发明实施例提供一种个性化推荐方法，旨在解决现有的个性化推荐必须由用户自行设定标签，导致推荐内容与标签匹配的准确度和覆盖率均不高的问题。
本发明实施例是这样实现的，一种个性化推荐方法，所述方法包括下述步骤：
分别提取用户数据和推荐内容的特征词，所述特征词用于表征其所处数据的领域；
根据提取出的特征词，通过在预设的领域分类体系中分别针对用户数据和推荐内容为每个级别生成相应的分类模型，获取用户数据和推荐内容归属于每个类别的分类概率；
根据相应的分类概率生成用户兴趣标签树和推荐内容标签树，计算所述用户兴趣标签树和所述推荐内容标签树的相关性，当所述相关性大于第一预设阈值时，为用户推荐相应的推荐内容。
本发明实施例的另一目的在于提供一种个性化推荐系统，所述系统包括：
特征词提取模块，用于分别提取用户数据和推荐内容的特征词；
分类概率获取模块，用于根据提取出的特征词，通过在预设的领域分类体系中分别针对用户数据和推荐内容为每个级别生成相应的分类模型，获取用户数据和推荐内容归属于每个类别的分类概率；
推荐模块，用于根据相应的分类概率生成用户兴趣标签树和推荐内容标签树，计算所述用户兴趣标签树和所述推荐内容标签树的相关性，当所述相关性大于第一预设阈值时，为用户推荐相应的推荐内容。
在本发明实施例中，基于从用户数据和推荐内容中提取出的特征词，对领域分类体系的每一级均生成不同的分类模型，来分别对用户数据及推荐内容进行自动分类，从而生成相应的标签树，以进一步通过相关性匹配来实现对用户的个性化推荐，提高了标签描述的准确性和覆盖率，也由此提高了用户数据与推荐内容匹配的精确性。
附图说明
图1是本发明第一实施例提供的个性化推荐方法的实现流程图；
图2A是词汇“JUMPSQ”的类间分布和类先验分布的对比情况图；
图2B是词汇“招股”的类间分布和类先验分布的对比情况图；
图2C是词汇“始端”的类间分布和类先验分布的对比情况图；
图3是本发明实施例提供的领域分类体系示例图；
图4是本发明第二实施例提供的个性化推荐方法自动分类的具体实现流程图；
图5是本发明第三实施例提供的个性化推荐方法相关性计算的具体实现流程图；
图6A是本发明实现示例提供的用户兴趣标签树示例图；
图6B是本发明实现示例提供的推荐内容标签树示例图；
图7是本发明第四实施例提供的个性化推荐系统的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明实施例中，基于从用户数据和推荐内容中提取出的特征词，并根据改进的贝叶斯(Bayes)分类算法来分别对用户数据及推荐内容进行自动分类，从而生成相应的标签树，以进一步通过相关性匹配来实现对用户的个性化推荐，提高了标签描述的准确性和覆盖率，也由此提高了用户数据与推荐内容匹配的精确性。
图1示出了本发明第一实施例提供的个性化推荐方法的实现流程，详述如下：
在步骤S101中，分别提取用户数据和推荐内容的特征词。
在本实施例中，用户数据可以由用户的网络行为中获取，例如通过用户在互联网上的浏览新闻、关键词搜索等网络行为，从上述网络行为中获取到携带有用户兴趣倾向的用户数据。而推荐内容则可以为新闻、博客等能够为用户提供信息的互联网内容。
对用户数据和推荐内容进行自动分类，十分重要的一个环节就是要准确地提取相应数据的特征词，该特征词用于表征其所处数据的领域，因此需要具备鲜明的领域性，以能够准确地对领域进行表征。
传统的词频‑逆向文档频率(term frequency‑inverse document frequency，TF‑IDF)方法对于特征词的提取只考虑了词汇的频次，且认为频次很高及很低的词汇都不能够作为特征词，因此常常会出现诸如“JUMPSQ”为动漫领域的特征词，但在考察数据中的出现频次很低，以及“招股”为股票、财经领域的特征词，但在考察数据中的出现频次很高的情况，若使用传统方法，“JUMPSQ”和“财经”均无法入选特征词。同时，诸如“始端”这样领域性不强的噪音词，却其频次适中而入选了特征词，导致特征词提取不准确。
而在本实施例中，对于特征词的提取不但基于词汇的频次，同时还结合了信息增益(information gain，IG)和χ2统计(CHI)，具体地，对于数据中词汇特征强度的度量公式如下：
F(w)＝log(DF(w))*(λlog(χ2(w)+(1‑λ)IG(w)))，
其中，w为当前进行特征强度度量的词汇，F(w)为w的特征强度，IG(w)、χ2(w)和DF(w)分别为w的信息增益、χ2统计量和文档频率，且χ2(w)和IG(w)均是描述词汇w在分类体系中的类间分布与类先验分布的差异度，而DF(w)则是词汇w的频次。
关于信息增益的度量公式为