本发明专利技术涉及一种基于用户自主选择的个性化推荐方法和系统,属于网络应用技术领域。在该方法和系统中,为了更有效地解决同一用户不同时间段内以及不同用户在商品选择行为上的差异性,通过呈现给用户推荐算法选择列表的形式,使用户可以根据自己的偏好实时地在表中选择喜欢的推荐策略,以此来增强用户的自主能动性,并通过在推荐系统中的推荐算法控制单元来找到最合适用户的个性化推荐算法进行推荐,从而更好地满足用户个性化推荐服务的需求,达到提升用户推荐满意度的目的。
【技术实现步骤摘要】
本专利技术属于网络应用
,涉及一种基于用户自主选择的个性化推荐方法和系统。
技术介绍
由于信息技术的不断发展以及互联网经济的日益繁荣,使得我们被迫处于一个信息爆炸的时代:人们每天都要面对大量看似无关的数据和信息,从而造成了严重的信息过载问题。如何从海量数据当中快速有效地筛选出真正有用的信息以及相关结果已经成为学术界和众多互联网公司研究的一个热点问题。目前,为了处理信息过载问题,已经有两种不同的方案被广泛采用:一种是使用搜索引擎,比如以谷歌、百度为代表的搜索引擎可以让用户通过搜索关键词或者词的组合来找到自己需要的信息。虽然搜索引擎技术极大地简化了信息过滤的工作,提高了工作效率,但是,该技术仅限于根据用户主动提供的关键词或者组合等信息,自动搜索所有相匹配的已知结果。如果用户没有明确的需求(即用户无法找到准备描述自己需求的关键词),搜索引擎将变得无能为力。另一种是使用推荐系统,推荐系统也是一种帮助用户快速发现有用信息的工具,但是区别于搜索引擎,推荐系统并不要求用户提供明确的需求,而是通过分析用户的历史行为来试图找到用户极有可能感兴趣的信息,并主动推荐给用户。长期以来,大量的文献和专利都集中于对如何提高推荐算法精度和推荐结果的多样性等性能指标的问题进行深入研究。比如2015年07月15日授权公告的,授权公布号为CN104778237A,名为“一种基于关键用户的个性化推荐方法和系统”的专利技术专利,提出了一种降低推荐系统计算复杂度的方法,2015年09月16日授权的专利CN104915391A公开了一种基于信任关系的物品推荐方法。虽然所提出的推荐方法都在一定程度上提升了推荐系统的性能,但是这些方法往往忽略了用户行为特征随时间变化、选择行为的差异性以及使用推荐系统的长期效应等这些因素。首先,已有的推荐系统往往单纯使用一种推荐算法或改进的推荐算法作为推荐引擎,为用户提供个性化推荐服务。但是推荐算法和数据源各自具有不同的特点,对不同用户的推荐效果也是不尽相同。例如基于矩阵分解技术的推荐算法专注于推荐结果的准确性,基于随机游走算法的推荐则更加专注于推荐结果的多样性。其次,由于不同的用户在选择商品行为上存在明显的差别。比如,小度用户倾向于选择大度商品,大度用户倾向于小度商品。因此即使同一用户,在不同的时间段内在选择商品的行为上也表现出不同的特征。最后,相关文献表明长期使用推荐系统虽然有助于增加受欢迎的物品销量,但是它也缩小了用户的选择空间。因此,一个好的个性化推荐应该是根据不同用户的偏好以及用户行为随时间变化等因素来实时动态选择适合当前时刻的推荐算法。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种基于用户自主选择的个性化推荐方法和系统,使用户根据自己的偏好实时动态地选择推荐算法,并给出相对应的推荐系统实现,以此来增强用户的自主能动性,从而更好地满足用户个性化推荐服务的需求,达到提升用户推荐满意度的目的。为达到上述目的,本专利技术提供如下技术方案:一种基于用户自主选择的个性化推荐方法,在该方法中,用户可以根据自己的偏好在推荐算法列表中自主选择偏好的推荐策略,系统通过分析用户的选择行为在推荐算法库中找到合适的推荐算法来向用户进行推荐。进一步,在该方法中,所述推荐算法库中存储有多种推荐算法,根据用户在推荐算法选择列表中的操作,动态选择相对应的推荐算法进行推荐计算。进一步,所述推荐算法列表中所列出的推荐策略顺序原则上保持固定不变,但也可以通过分析用户的历史行为,对推荐策略进行动态排序。进一步,本方法具体可以包括以下步骤:1)系统通过日志文件采集用户的行为数据,包括用户对产品的购买、浏览、收藏和评论等操作行为;2)系统通过用户保留在系统内的个人信息,自动根据用户的偏好信息分配一种适合的推荐算法作为用户的初始推荐算法,用于生成相对应的推荐列表;3)用户对当前返回的推荐列表进行评估,并做出是否更改当前推荐策略的选择;4)如果用户满意当前推荐策略所产生的推荐结果,则系统认为该算法为适合该用户的个性化推荐算法;5)如果用户不满意当前推荐策略所产生的推荐结果,则用户可以通过系统提供的推荐算法列表,自主来选择适合自己的个性化推荐策略;本专利技术还提供了一种基于用户自主选择的个性化推荐系统,该系统包括用户行为获取模块、数据处理模块、推荐系统模块和显示模块;所述用户行为获取模块:系统通过日志文件获取用户行为数据,并按照一定格式生成一个标准数据集;所述数据处理模块:接受来自用户行为获取模块传递来的用户行为数据,并将数据根据特征信息存储于不同的媒介当中,包括内存缓存、数据库或者分布式文件系统;显示模块用于将推荐系统模块发送来的推荐结果呈现给对应的目标用户;所述推荐系统模块包括推荐算法选择控制单元、推荐算法单元以及推荐结果处理单元;所述推荐算法单元包括有推荐算法选择列表,在该列表中存储有多个推荐策略,在进行推荐时,用户可以通过选择控制单元对拟采用的推荐策略进行选择;推荐系统模块基于用户的历史行为数据,根据用户对推荐算法列表的选择操作获得用户选择的个性化推荐策略,从而分配相对应的推荐算法来计算当前用户对各产品的推荐度,并将推荐度最大的N个产品作为当前用户的推荐结果发送给显示模块。进一步,所述推荐算法列表中的各个推荐策略的排序可以根据用户的历史行为进行动态调整。进一步,所述推荐系统模块具体执行流程如下:1)从数据库或者缓存当中提取用户行为数据,通过分析不同行为,生成当前用户的特征向量;2)通过分析用户自主选择的推荐策略,在推荐算法库中选择相对应的推荐算法进行推荐计算;3)结合在步骤1)当中生成的用户特征向量和步骤2)中选择的推荐算法,通过计算特征-物品相关矩阵转化为初始推荐结果列表;4)对得到的初始推荐结果列表按照用户需求对结果进行过滤,过滤掉不符合要求的物品,包括用户已经产生过行为的物品,候选物品以外的物品以及质量很差的物品;5)为了提升用户的满意度,对经过筛选的推荐结果进行进一步的排序操作,排序的方法可以根据分析步骤2)当中用户选择的推荐策略而定,包括根据流行性排序、根据多样性排序以及根据准确性排序;6)选择排序靠前的N个产品作为最终的推荐结果列表传递给显示模块。本专利技术中,由于不同用户可以根据自己当前时刻的偏好主动选择适合自己的个性化推荐策略,所以,计算推荐度的方法和最终所呈现给不同用户的推荐结果列表也是不相同的,比如:有些用户在推荐结果中更加在意产品的流行度,有些用户则本文档来自技高网...
【技术保护点】
一种基于用户自主选择的个性化推荐方法,其特征在于:在该方法中,用户可以根据自己的偏好在推荐算法列表中自主选择偏好的推荐策略,系统也可以通过分析用户的选择行为在推荐算法库中找到合适的推荐算法来向用户进行推荐。
【技术特征摘要】
1.一种基于用户自主选择的个性化推荐方法,其特征在于:在该方法中,用户可以根据自己的偏好在推荐算法列表中自主选择偏好的推荐策略,系统也可以通过分析用户的选择行为在推荐算法库中找到合适的推荐算法来向用户进行推荐。
2.根据权利要求1所述的一种基于用户自主选择的个性化推荐方法,其特征在于:在该方法中,所述推荐算法库中存储有多种推荐算法,根据用户在推荐算法选择列表中的操作,动态选择相对应的推荐算法进行推荐计算。
3.根据权利要求1所述的一种基于用户自主选择的个性化推荐方法,其特征在于:所述推荐算法列表中所列出的推荐策略顺序既可以保持静态不变,但也可以通过分析用户的历史行为,对推荐策略进行动态排序。
4.根据权利要求1所述的一种基于用户自主选择的个性化推荐方法,其特征在于:本方法具体可以包括以下步骤:
1)系统通过日志文件采集用户的行为数据,包括用户对产品的购买、浏览、收藏和评论等操作行为;
2)系统通过用户保留在系统内的个人信息,自动根据用户的偏好信息分配一种适合的推荐算法作为用户的初始推荐算法,用于生成相对应的推荐结果;
3)用户对当前返回的推荐结果进行评估,并做出是否更改当前推荐策略的选择;
4)如果用户满意当前推荐策略所产生的推荐结果,则系统认为该算法为适合该用户的个性化推荐算法;
5)如果用户不满意当前推荐策略所产生的推荐结果,则用户可以通过系统提供的推荐算法列表,自主来选择适合自己的个性化推荐策略。
5.一种基于用户自主选择的个性化推荐系统,该系统包括用户行为获取模块、数据处理模块、推荐系统模块和显示模块;所述用户行为获取模块:系统通过日志文件获取用户行为数据,并按照一定格式生成一个标准数据集;所述数据处理模块:接受来自用户行为获取模块传递来的用户行为数据,...
【专利技术属性】
技术研发人员:尚明生,史晓雨,
申请(专利权)人:中国科学院重庆绿色智能技术研究院,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。