一种基于协同过滤的RSS信息推荐方法.pdf

一种基于协同过滤的RSS信息推荐方法，属信息推荐技术领域，系统由阅读模块、订阅模块、订阅管理模块、行为记录模块、行为处理模块和推荐模块组成，其中阅读模块分别和订阅模块、订阅管理模块、行为记录模块及推荐模块相连接；行为处理模块分别和行为记录模块及推荐模块相连接；订阅模块和订阅管理模块相互连接，模块之间通过由编程实现的控制语句，共享一个或多个服务器数据库的数据。本发明使其推荐效果不仅限于整个RSS信息源的推荐，更加突出了单篇文章的推荐，有效避免了信息冗余和过载；推荐效果有一定的差异覆盖面，便于用户发现可能感兴趣的新内容；引入了同好用户群，并利用同好用户加权因子，使推荐内容更加精准可信。

1.  一种基于协同过滤的RSS信息推荐方法，步骤如下：
1)用户从大量RSS源集中订阅某些RSS源时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该RSS信息源在系统中的唯一标识r，形成用户对RSS源的订阅情况Wu，r，更新至行为处理模块的用户-RSS源订阅矩阵W(m，n)之中，m为系统中的用户数目，n为RSS源的数目，订阅情况Wu，r的值当订阅时为1，未订阅时为0；
2)行为处理模块从用户-RSS源订阅矩阵W(m，n)中获取订阅情况Wu，r，利用余弦相关性算法计算两用户之间的相似度sim(i_p，i_q)，其中i_p，i_q分别为p、q两名用户；并将相似度更新至用户相似度方阵sim(m，m)中，余弦相关算法的公式为：
sim(ip,iq)=cos(ip,iq)=Σk=1nWp,k×Wq,kΣk=1n(Wp,k)2×Σk=1n(Wq,k)2]]>
3)行为处理模块根据用户相似度方阵sim(m，m)推算出与每个用户有相似订阅习惯的“同好”用户，并将该用户所有“同好”用户订阅的所有RSS源形成同好用户订阅集，再按相似度由高到低排列，形成对该用户的推荐加权系数f；
4)用户从一个RSS源的文章列表中收藏某篇文章时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该篇文章在系统中的唯一标识rt，形成用户对文章的收藏情况Cu，rt，更新至行为处理模块的同好收藏矩阵C(a，b)之中，a为某用户的同好用户数目，b为同好用户订阅集中所有文章的数目；
5)行为处理模块针对同好收藏矩阵C(a，b)中单篇文章的所有同好用户行为，做推荐加权处理，按推荐优先级形成推荐文章集，并将推荐文章集更新至推荐模块；
6)在用户获取文章推荐时，推荐模块实时地从推荐文章集筛选出目标用户可能会感兴趣的TopN条内容推荐给用户。

2.  一种用于权利要求1所述方法的RSS阅读系统，由阅读模块、订阅模块、订阅管理模块、行为记录模块、行为处理模块和推荐模块组成，其特征在于阅读模块分别和订阅模块、订阅管理模块、行为记录模块及推荐模块相连接；行为处理模块分别和行为记录模块及推荐模块相连接；订阅模块和订阅管理模块相互连接，模块之间通过由编程实现的控制语句，共享一个或多个服务器数据库的数据。

一种基于协同过滤的RSS信息推荐方法
所属技术领域
本发明涉及一种信息推荐方法，具体涉及一种基于协同过滤的RSS信息推荐方法。
背景技术
目前互联网中的RSS信息推荐方法，只能推荐整条信息源，不能针对单篇文章进行个性化推荐。例如：谷歌阅读器，抓虾网、鲜果网等的在线RSS阅读器均不能完成同好用户的单篇文章个性化推荐。如专利号为200510022721.3、发明名称为《一种基于XML文件的RSS信息交互处理方法》的专利即属于此列。
这样会导致使用者得到的推荐文章泛滥，不能得到精准的使用者喜好的单篇文章。
发明内容
本发明解决的技术问题是：提供一种既能荐整条信息源，又能针对同好用户的单篇文章进行个性化推荐。
本发明基于以下假设：有相同或类似订阅习惯的用户，其相互推荐的信息更具价值；最相似的同好用户推荐的信息比次相似同好用户的推荐更具价值。通过分析用户的习惯，找到每个用户的同好用户群，以及该用户群的订阅集。通过加权每个同好用户的收藏文章，以推荐该用户最有可能喜欢的文章，从而达到个性化的推荐效果。
为达到上述目标，本发明采用如下的技术方案：
一种基于协同过滤的RSS信息推荐方法，步骤如下：
1)用户从大量RSS源集中订阅某些RSS源时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该RSS信息源在系统中的唯一标识r，形成用户对RSS源的订阅情况Wu，r，更新至行为处理模块的用户-RSS源订阅矩阵W(m，n)之中，m为系统中的用户数目，n为RSS源的数目，订阅情况Wu，r的值当订阅时为1，未订阅时为0；
2)行为处理模块从用户-RSS源订阅矩阵W(m，n)中获取订阅情况Wu，r，利用余弦相关性算法计算两用户之间的相似度sim(i_p，i_q)，其中i_p，i_q分别为p、q两名用户；并将相似度更新至用户相似度方阵sim(m，m)中，余弦相关算法的公式为：
sim(ip,iq)=cos(ip,iq)=Σk=1nWp,k×Wq,kΣk=1n(Wp,k)2×Σk=1n(Wq,k)2]]>
3)行为处理模块根据用户相似度方阵sim(m，m)推算出与每个用户有相似订阅习惯的“同好”用户，并将该用户所有“同好”用户订阅的所有RSS源形成同好用户订阅集，再按相似度由高到低排列，形成对该用户的推荐加权系数f；
4)用户从一个RSS源的文章列表中收藏某篇文章时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该篇文章在系统中的唯一标识rt，形成用户对文章的收藏情况Cu，rt，更新至行为处理模块的同好收藏矩阵C(a，b)之中，a为某用户的同好用户数目，b为同好用户订阅集中所有文章的数目；
5)行为处理模块针对同好收藏矩阵C(a，b)中单篇文章的所有同好用户行为，做推荐加权处理，按推荐优先级形成推荐文章集，并将推荐文章集更新至推荐模块；
6)在用户获取文章推荐时，推荐模块实时地从推荐文章集筛选出目标用户可能会感兴趣的TopN条内容推荐给用户。
上述RSS是在线共享内容的一种简易方式(也称聚合内容，Really SimpleSyndication)。通常在时效性比较强的内容上使用RSS订阅能更快速获取信息，网站提供RSS输出，有利于让用户获取网站内容的最新更新。
上述RSS源是一种描述和同步网站内容的格式，是目前使用最广泛的XML应用。发布一个RSS文件后，这个RSS Feed中包含的信息就能直接被其他站点调用，而且由于这些数据都是标准的XML格式，所以也能在其他的终端和服务中使用。
上述余弦相关性算法为信息推荐领域内公知的通用算法。
一种用于上述方法的RSS阅读系统，由阅读模块、订阅模块、订阅管理模块、行为记录模块、行为处理模块和推荐模块组成，其特征在于阅读模块分别和订阅模块、订阅管理模块、行为记录模块及推荐模块相连接；行为处理模块分别和行为记录模块及推荐模块相连接；订阅模块和订阅管理模块相互连接，模块之间通过由编程实现的控制语句，共享一个或多个服务器数据库的数据。
本发明有以下有益效果：
1.相比起传统的RSS推荐方法，本发明使其推荐效果不仅仅局限于整个RSS信息源的推荐，更加突出了信息源中单篇文章的推荐，有效避免了信息冗余和过载；
2.相比起传统的基于用户的信息推荐技术，本发明结合了基于项的推荐方式，使其推荐效果有一定的差异覆盖面，便于用户发现可能感兴趣的新内容；
3.相比传统的基于项的信息推荐技术，本发明引入了同好用户群，并利用同好用户加权因子，使推荐内容更加精准可信。
附图说明
图1是本发明阅读系统的结构示意图。
其中：1、阅读模块，2、订阅模块，3、订阅管理模块，4、行为记录模块，5、推荐模块，6、行为处理模块。
图2是本发明方法的流程图，其中7-12为其中的各个步骤。
具体实施方式
下面结合附图和实施例对本发明做进一步说明，但不限于此。
实施例1：
一种基于协同过滤的RSS信息推荐方法，如图2所示，步骤如下：
7、用户从大量RSS源集中订阅某些RSS源时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该RSS信息源在系统中的唯一标识r，形成用户对RSS源的订阅情况Wu，r，更新至行为处理模块的用户-RSS源订阅矩阵W(m，n)之中，m为系统中的用户数目，n为RSS源的数目，订阅情况Wu，r的值当订阅时为1，未订阅时为0；
8、行为处理模块从用户-RSS源订阅矩阵W(m，n)中获取订阅情况Wu，r，利用余弦相关性算法计算两用户之间的相似度sim(i_p，i_q)，其中i_p，i_q分别为p、q两名用户；并将相似度更新至用户相似度方阵sim(m，m)中，余弦相关算法的公式为：
sim(ip,iq)=cos(ip,iq)=Σk=1nWp,k×Wq,kΣk=1n(Wp,k)2×Σk=1n(Wq,k)2]]>
9、行为处理模块根据用户相似度方阵sim(m，m)推算出与每个用户有相似订阅习惯的“同好”用户，并将该用户所有“同好”用户订阅的所有RSS源形成同好用户订阅集，再按相似度由高到低排列，形成对该用户的推荐加权系数f；
10、用户从一个RSS源的文章列表中收藏某篇文章时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该篇文章在系统中的唯一标识rt，形成用户对文章的收藏情况Cu，rt，更新至行为处理模块的同好收藏矩阵C(a，b)之中，a为某用户的同好用户数目，b为同好用户订阅集中所有文章的数目；
11、行为处理模块针对同好收藏矩阵C(a，b)中单篇文章的所有同好用户行为，做推荐加权处理，按推荐优先级形成推荐文章集，并将推荐文章集更新至推荐模块；
12、在用户获取文章推荐时，推荐模块实时地从推荐文章集筛选出目标用户可能会感兴趣的TopN条内容推荐给用户。
实施例2：
一种用于上述方法的RSS阅读系统，如图1所示，由阅读模块1、订阅模块2、订阅管理模块3、行为记录模块4、行为处理模块6和推荐模块5组成，其特征在于阅读模块1分别和订阅模块2、订阅管理模块3、行为记录模块4及推荐模块5相连接；行为处理模块6分别和行为记录模块4及推荐模块5相连接；订阅模块2和订阅管理模块3相互连接，模块之间通过由编程实现的控制语句，共享一个或多个服务器数据库的数据。