The application relates to the technical field of information recommendation, in particular to an information recommendation method and device. Among them, the methods include: clustering the project set to generate multiple clusters containing the project; calculating the short-term interest weight and long-term interest weight of users in each cluster; calculating the user's prediction score of the project in each cluster according to the short-term interest weight and long-term interest weight; obtaining the similarity between the project and each cluster; The final predictive score is obtained by calculating the predictive score of the project in each cluster and the similarity between the project and each cluster, and a recommendation list is generated based on the final predictive score. This application improves the recommendation quality.
【技术实现步骤摘要】
信息推荐方法和装置
本公开涉及信息推荐
,尤其是涉及一种信息推荐方法和装置。
技术介绍
当今时代,商品经济繁荣,商品的种类繁多,数量巨大,电商平台都具备推荐系统。推荐系统用来为用户推荐商品。往往根据用户的兴趣进行个性化推荐。协同过滤算法是推荐系统中使用最广泛的算法。它被应用在各大平台的推荐系统中。现有的协同过滤算法没有考虑用户的兴趣转移模型,也没有考虑项目聚类方法,由于商品数量较大,计算开销较高推荐结果不准确,质量低。
技术实现思路
有鉴于此,本申请实施例提供一种信息推荐方法和装置,用以提高推荐质量。第一方面,本申请实施例提供了一种信息推荐方法,包括:对项目所在的项目集合进行聚类,生成多个包括所述项目的类簇;计算用户对所述项目在每个类簇中的短期兴趣权重和长期兴趣权重;根据所述短期兴趣权重和长期兴趣权重计算用户对所述项目在每个类簇中的预测评分;获取所述项目与各个类簇的相似度;根据所述项目在每个类簇中的预测评分和所述项目与各个类簇的相似度计算得到所述项目的最终预测评分;根据所述项目的最终预测评分将所述项目加入推荐列表。在本专利技术较佳的实施例中,计算用户对所述项目在每个类簇中的短期兴趣权重的步骤,包括:其中,u代表用户,i代表项目;TS为用户u评价项目的平均时间间隔;Ti为用户u评价项目i的时间;T(last_C(i))是指用户在项目i所属的类簇C(i)中,评价与项目i相邻的上一个项目所用的时间;K是用户u对项目i所属的类簇中所有项目评价的总次数;计算用户对所述项目在每个类簇中的长期兴趣权重的步骤包括:Long(u,i)=rating(u,i)×time(u ...
【技术保护点】
1.一种信息推荐方法,其特征在于,包括:对项目所在的项目集合进行聚类,生成多个包括所述项目的类簇;计算用户对所述项目在每个类簇中的短期兴趣权重和长期兴趣权重;根据所述短期兴趣权重和长期兴趣权重计算用户对所述项目在每个类簇中的预测评分;获取所述项目与各个类簇的相似度;根据所述项目在每个类簇中的预测评分和所述项目与各个类簇的相似度计算得到所述项目的最终预测评分;根据所述项目的最终预测评分将所述项目加入推荐列表。
【技术特征摘要】
1.一种信息推荐方法,其特征在于,包括:对项目所在的项目集合进行聚类,生成多个包括所述项目的类簇;计算用户对所述项目在每个类簇中的短期兴趣权重和长期兴趣权重;根据所述短期兴趣权重和长期兴趣权重计算用户对所述项目在每个类簇中的预测评分;获取所述项目与各个类簇的相似度;根据所述项目在每个类簇中的预测评分和所述项目与各个类簇的相似度计算得到所述项目的最终预测评分;根据所述项目的最终预测评分将所述项目加入推荐列表。2.根据权利要求1所述的方法,其特征在于,计算用户对所述项目在每个类簇中的短期兴趣权重的步骤,包括:其中,u代表用户,i代表项目;TS为用户u评价项目的平均时间间隔;Ti为用户u评价项目i的时间;T(last_C(i))是指用户在项目i所属的类簇C(i)中,评价与项目i相邻的上一个项目所用的时间;K是用户u对项目i所属的类簇中所有项目评价的总次数;计算用户对所述项目在每个类簇中的长期兴趣权重的步骤包括:Long(u,i)=rating(u,i)×time(u,i)rating(u,i)代表用户u对项目i所属类簇中的项目的评分占所有类簇的所有项目评分的权重;time(u,i)代表用户u对项目i的所属类簇中项目的评分次数占所有类簇中的所有项目的评分次数的权重;其中,s代表项目i所属的类簇,A代表所有的类簇。3.根据权利要求1所述的方法,其特征在于,根据所述短期兴趣权重和长期兴趣权重计算用户对所述项目在每个类簇中的预测评分的步骤,包括:Drift(u,i)=λ×Short(u,i)+(1-λ)×Long(u,i);其中,λ为控制参数,0≤λ≤1;是用户u在类别S中的平均评分,k是与本评分相关的与项目i相邻的项目j的个数;SimS(i,j)表示类簇S中的项目i和与项目i相邻的项目j之间的相似度;Ru,j表示用户u对与项目i相邻的项目j的评分。4.根据权利要求1所述的方法,其特征在于,根据所述项目在每个类簇中的预测评分和所述项目与各个类簇的相似度计算得到所述项目的最终预测评分的步骤,包括:Sim(i,μk)表示项目i与第k个类簇的相似度;P(k)表示用户u对项目i在第k个类簇中的评分;n为类簇的个数;μk为第k个聚类中心点。5.根据权利要求1所述的方法,其特征在于,根据所述项目的最终预测评分将所述项目加入推荐列表的步骤,包括:根据所述项目的最终预测评分决定所述项目在推荐列表中的位置。6.一种信息推荐装置,其特征在于,包...
【专利技术属性】
技术研发人员:何泾沙,杨镇宁,朱娜斐,于聪,宿绍勋,杜晋辉,
申请(专利权)人:北京工业大学,
类型:发明
国别省市:北京,11
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。