一种基于时间熵的个性化推荐方法及装置制造方法及图纸

本发明专利技术实施例提供一种基于时间熵的个性化推荐方法及装置，所述方法包括：对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐。本发明专利技术实施例可以提高信息推荐准确度和推荐多样性。

【技术实现步骤摘要】
一种基于时间熵的个性化推荐方法及装置
本专利技术涉及互联网智能信息推荐
，尤其涉及一种基于时间熵的个性化推荐方法及装置。
技术介绍
随着互联网技术的兴起和信息技术的快速发展，互联网产生了大量的数据信息。由Excelcom公司发布的一份“互联网一分钟产生数据”的图表信息，我们可知Facebook共产生701,389账号登陆、Netflix共有69,444小时长的视频被观看、Snapchat分享了527,760张照片、AppStore上51,000个app被下载、Linkedin创建了120多个新账号、Twitter发布了347,222条新推文、Instagram发布了28,194张新照片、Google产生了240万条新搜索请求，使得互联网从原来信息匮乏的时代走向了信息过载(Informationoverload)，这也使得用户想要从海量信息库中快速并且准确地找到其感兴趣的信息变得愈发困难。面对信息过载问题，普通用户往往无法适从。科学家为了更好地满足用户的信息需求，提出了推荐系统技术，该技术通过将机器学习、数据挖掘、用户行为学和人机交互等多个领域的技术进行结合，并运用大规模并行数据处理框架，进而快速并准确地为每位用户提供个性化信息服务。协同过滤是一种能够产生个性化推荐的有效技术，在各种推荐系统中都得到广泛应用，其基本任务是根据相似的偏好匹配用户，以推荐用户可能会喜欢的项目。协同过滤算法一般可以分为基于内存和基于模型。其中，基于内存的协同过滤又可分为基于用户和基于项目。前者是计算用户间相似度，得到与目标用户兴趣偏好相似的最近邻，以此为基础进行预测推荐。然而，传统的协同过滤推荐算法在为用户推荐项目时，通常只选用基于用户或者基于项目的推荐方法为目标用户进行推荐，这种推荐方式仅仅选用了用户对项目的评分信息，而忽略了用户的兴趣会随着时间的变化受情绪、朋友和时尚潮流等其他影响而发生变化，也就是说，用户的兴趣可能在一定时期内只关注一个或者几个项目，即兴趣迁移。因此，单一类型的推荐并不能满足其他多样性用户的实用性需求。
技术实现思路
本专利技术实施例提供一种基于时间熵的个性化推荐方法及装置，以提高信息推荐准确度和推荐多样性。一方面，本专利技术实施例提供了一种基于时间熵的个性化推荐方法，所述方法包括：对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐。另一方面，本专利技术实施例提供了一种基于时间熵的个性化推荐装置，所述装置包括：聚类单元，用于对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；计算单元，用于若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；判断单元，用于根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；匹配单元，用于根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐。上述技术方案具有如下有益效果：利用基于时间熵的个性化推荐方法对用户进行推荐，一方面，对用户和项目信息进行聚类及计算项目的流行度，可以提高推荐的效率、准确度并解决用户的冷启动问题。另一方面，通过计算用户对项目的时间熵可以有效利用用户的多兴趣，从而提高推荐方法的多样性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一种基于时间熵的个性化推荐方法流程图；图2为本专利技术实施例一种基于时间熵的个性化推荐装置结构示意图；图3为本专利技术实施例另一种基于时间熵的个性化推荐装置结构示意图；图4为本专利技术应用实例基于时间熵的个性化推荐方法的整体流程图；图5为本专利技术应用实例基于时间熵的个性化推荐方法与其它推荐算法推荐效率对比图；图6为本专利技术应用实例基于时间熵的个性化推荐方法多样性对比图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，为本专利技术实施例一种基于时间熵的个性化推荐方法流程图，所述方法包括：101、对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；102、若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；103、根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；104、根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐。优选地，所述方法还包括：若判定当前用户为新加入系统用户，采用如下项目流行度计算方式将排名在前的N个项目信息推荐给所述当前用户：其中，ipop为项目流行度，Ui代表推荐系统中评价过项目i的用户集合，I为推荐系统中的所有项目数。优选地，根据用户兴趣偏好，判定所述当前用户的用户类型为如下四种类型之一：最近喜欢且过去也喜欢、最近喜欢但过去不喜欢、最近不喜欢但过去喜欢、最近不喜欢且过去也不喜欢。优选地，所述根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐，包括：根据所述当前用户的用户类型在聚类的所述类簇中心的如下两种兴趣偏好模式中进行模式匹配：规律性兴趣偏好模式和非规律性兴趣偏好模式；其中，所述规律性兴趣偏好模式为最近喜欢且过去也喜欢；所述非规律性兴趣偏好模式包括：最近喜欢但过去不喜欢、最近不喜欢但过去喜欢、最近不喜欢且过去也不喜欢。优选地，所述根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录利用如下时间熵公式计算所述当前用户对项目的时间熵：其中，H为时间熵，n是时间间隔数，scorei为用户对项目i的评分，mi代表一个时间间隔内所有用户对项目i的评分总和，M指所有mi的总和。对应于上述方法实施例，如图2所示，为本专利技术实施例一种基于时间熵的个性化推荐装置结构示意图，所述装置包括：聚类单元21，用于对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；计算单元22，用于若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；判断单元23，用于根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；匹配单元24，用于根据所述当本文档来自技高网...

【技术保护点】
1.一种基于时间熵的个性化推荐方法，其特征在于，所述方法包括：对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐。

【技术特征摘要】
1.一种基于时间熵的个性化推荐方法，其特征在于，所述方法包括：对已有的用户和项目评分信息进行聚类，获得聚类的类簇中心和每个类簇内包含的用户和项目信息；若判定当前用户不属于新加入系统用户，则根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录计算所述当前用户对项目的时间熵；根据计算出的所述当前用户对项目的时间熵，判定所述当前用户的用户类型；根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐。2.如权利要求1所述基于时间熵的个性化推荐方法，其特征在于，所述方法还包括：若判定当前用户为新加入系统用户，采用如下项目流行度计算方式将排名在前的N个项目信息推荐给所述当前用户：其中，ipop为项目流行度，Ui代表推荐系统中评价过项目i的用户集合，I为推荐系统中的所有项目数。3.如权利要求1所述基于时间熵的个性化推荐方法，其特征在于，根据用户兴趣偏好，判定所述当前用户的用户类型为如下四种类型之一：最近喜欢且过去也喜欢、最近喜欢但过去不喜欢、最近不喜欢但过去喜欢、最近不喜欢且过去也不喜欢。4.如权利要求3所述基于时间熵的个性化推荐方法，其特征在于，所述根据所述当前用户的用户类型在聚类的所述类簇中心进行模式匹配，从而为所述当前用户进行多样性项目信息推荐，包括：根据所述当前用户的用户类型在聚类的所述类簇中心的如下两种兴趣偏好模式中进行模式匹配：规律性兴趣偏好模式和非规律性兴趣偏好模式；其中，所述规律性兴趣偏好模式为最近喜欢且过去也喜欢；所述非规律性兴趣偏好模式包括：最近喜欢但过去不喜欢、最近不喜欢但过去喜欢、最近不喜欢且过去也不喜欢。5.如权利要求1所述基于时间熵的个性化推荐方法，其特征在于，所述根据所述当前用户的相关属性特征信息及用户对项目的不同评分记录利用如下时间熵公式计算所述当前用户对项目的时间熵：其中，H为时间熵，n是时间间隔数，scorei为用户对项目i的评分，mi代表一个时间间隔内所有用户对项目i的评分总和，M指所有mi的总和。6.一种基...

【专利技术属性】
技术研发人员：唐恒亮，薛菲，刘涛，杨玺，董晨刚，
申请(专利权)人：北京物资学院，
类型：发明
国别省市：北京,11