信息推荐方法和信息推荐系统的制作方法
【专利摘要】一种信息推荐方法及系统，该方法包括步骤：获取用户信息与目标对象信息之间的关联关系；根据各用户信息与各目标对象间的关联关系、分别与各目标对象相关联的用户数目，确定目标对象之间的覆盖率相似度；根据各用户信息与各目标对象间的关联关系、分别与各用户相关联的目标对象的数目，确定各目标对象之间的准确率相似度；根据所述覆盖率相似度、所述准确率相似度确定各目标对象之间的最终相似度，并根据所述最终相似度、各目标对象相对于各用户信息的历史推荐度得分值，确定各目标对象的推荐度得分值；根据各目标对象的推荐度得分值，确定待推荐列表。本发明方案不仅提高了进行信息推荐的覆盖率，还提高了信息推荐的准确度。
【专利说明】信息推荐方法和信息推荐系统
【技术领域】
[0001] 本发明涉及信息处理【技术领域】，特别涉及一种信息推荐方法和一种信息推荐系 统。
【背景技术】
[0002] 随着信息技术的日益发展，基于用户的喜好、历史关注的信息、好友以及好友关注 的信息等等进行信息推荐已经成为目前网络技术应用的一项重要内容。在目前进行信息推 荐的方案中，所采用的主流推荐方式是Item-Based的协同过滤推荐算法，基于这种信息推 荐方式，由于使用很多项目的用户会对总体推荐产生很大影响，而且热门的项目与大部分 其他项目都有比较强的关联，热门的项目很容易被推送出来，从而导致大部分用户得到的 推荐列表都是非常热门的项目，导致所推荐项目的覆盖率很低，不能很好地实现个性化推 荐。
【发明内容】
[0003] 基于此，针对上述现有技术中存在的问题，本发明的其中一个目的在于提供一种 信息推荐方法，本发明的另一目的在于提供一种信息推荐系统，其可以提高信息推荐的准 确度和覆盖率。
[0004] 为达到上述目的，本发明实施例采用以下技术方案：
[0005] -种信息推荐方法，包括步骤：
[0006] 获取用户信息与目标对象信息之间的关联关系；
[0007] 根据各用户信息与各目标对象间的关联关系、分别与各目标对象相关联的用户数 目，确定目标对象之间的覆盖率相似度；
[0008] 根据各用户信息与各目标对象间的关联关系、分别与各用户相关联的目标对象的 数目，确定各目标对象之间的准确率相似度；
[0009] 根据所述覆盖率相似度、所述准确率相似度确定各目标对象之间的最终相似度， 并根据所述最终相似度、各目标对象相对于各用户信息的历史推荐度得分值，确定各目标 对象的推荐度得分值；
[0010] 根据各目标对象的推荐度得分值，确定待推荐列表。
[0011] -种信息推荐系统，包括：
[0012] 信息获取模块，用于获取用户信息与目标对象信息之间的关联关系；
[0013] 覆盖率相似度确定模块，用于根据各用户信息与各目标对象间的关联关系、分别 与各目标对象相关联的用户数目，确定目标对象之间的覆盖率相似度；
[0014] 准确率相似度确定模块，用于根据各用户信息与各目标对象间的关联关系、分别 与各用户相关联的目标对象的数目，确定各目标对象之间的准确率相似度；
[0015] 推荐度得分值确定模块，用于根据所述覆盖率相似度、所述准确率相似度确定各 目标对象之间的最终相似度，并根据所述最终相似度、各目标对象相对于各用户信息的历 史推荐度得分值，确定各目标对象的推荐度得分值；
[0016] 待推荐列表确定模块，用于根据各目标对象的推荐度得分值，确定待推荐列表。
[0017] 根据上述本发明实施例的方案，其是在确定目标对象之间的覆盖率相似度、准确 度相似度的基础上，确定各目标对象的推荐度得分值，并基于该推荐度得分值确定待推荐 列表来进行推荐，从而不仅提高了进行信息推荐的覆盖率，还提高了信息推荐的准确度。
【专利附图】
【附图说明】
[0018] 图1是本发明的信息推荐方法实施例的流程示意图；
[0019] 图2是一个具体不例中的用户/[目息与目标对象间的对应关系的不意图；
[0020] 图3是本发明的信息推荐系统一个实施例的结构示意图；
[0021] 图4是本发明的信息推荐系统另一实施例的结构示意图；
[0022] 图5是基于本发明方案提供的终端的部分结构框图。
【具体实施方式】
[0023] 为使本发明的目的、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 发明进行进一步的详细说明。应当理解，此处所描述的【具体实施方式】仅仅用以解释本发明， 并不限定本发明的保护范围。
[0024] 图1中示出了本发明的信息推荐方法实施例的流程示意图。如图1所示，本发明 实施例的信息推荐方法包括步骤：
[0025] 步骤S101 :获取用户信息与目标对象信息之间的关联关系；
[0026] 步骤S102 :根据各用户信息与各目标对象间的关联关系、分别与各目标对象相关 联的用户数目，确定目标对象之间的覆盖率相似度；
[0027] 步骤S103 :根据各用户信息与各目标对象间的关联关系、分别与各用户相关联的 目标对象的数目，确定各目标对象之间的准确率相似度；
[0028] 步骤S104 :根据所述覆盖率相似度、所述准确率相似度确定各目标对象的推荐度 得分值；
[0029] 步骤S105 :根据各目标对象的推荐度得分值，确定待推荐列表。
[0030] 根据上述本发明实施例的方案，其是在确定目标对象之间的覆盖率相似度、准确 度相似度的基础上，确定各目标对象的推荐度得分值，并基于该推荐度得分值确定待推荐 列表来进行推荐，从而不仅提高了进行信息推荐的覆盖率，还提高了信息推荐的准确度。
[0031] 其中，上述步骤S104中确定推荐度得分值时，可以采用不同的方式进行。
[0032] 在其中一种方式中，可以是基于覆盖率相似度确定针对覆盖率的得分值以及基于 准确率相似度确定针对准确率的得分值后，再最终确定各目标对象的推荐度得分值，具体 可以是如下所述：
[0033] 根据所述覆盖率相似度、分别与各用户相关联的目标对象的数目，确定所述目标 用户相对于各目标对象的覆盖率得分值；
[0034] 根据所述准确率相似度、目标对象分别与各用户之间的关联关系、以及分别与各 目标对象相关联的用户数目，确定所述目标用户相对于各目标对象的准确率得分值；
[0035] 根据所述覆盖率得分值和准确率得分值确定各目标对象的推荐度得分值。
[0036] 在另外一种方式中，可以是在得到最终相似度之后，基于最终相似度确定各目标 对象的推荐度得分值，具体可以是如下所述：
[0037] 根据所述覆盖率相似度、所述准确率相似度确定各目标对象的推荐度得分值的方 式包括：
[0038] 根据所述覆盖率相似度、所述准确率相似度确定各目标对象之间的最终相似度， 并根据所述最终相似度、各目标对象相对于各用户信息的历史推荐度得分值，确定各目标 对象的推荐度得分值。
[0039] 其中，在一个具体示例中，在上述计算覆盖率相似度时，可以采用下述公式计算：
[0040]
【权利要求】
1. 一种信息推荐方法，其特征在于，包括步骤： 获取用户信息与目标对象信息之间的关联关系； 根据各用户信息与各目标对象间的关联关系、分别与各目标对象相关联的用户数目， 确定目标对象之间的覆盖率相似度； 根据各用户信息与各目标对象间的关联关系、分别与各用户相关联的目标对象的数 目，确定各目标对象之间的准确率相似度； 根据所述覆盖率相似度、所述准确率相似度确定各目标对象的推荐度得分值； 根据各目标对象的推荐度得分值，确定待推荐列表。
2. 根据权利要求1所述的信息推荐方法，其特征在于，根据所述覆盖率相似度、所述准 确率相似度确定各目标对象的推荐度得分值的方式包括： 根据所述覆盖率相似度、分别与各用户相关联的目标对象的数目，确定所述目标用户 相对于各目标对象的覆盖率得分值； 根据所述准确率相似度、目标对象分别与各用户之间的关联关系、以及分别与各目标 对象相关联的用户数目，确定所述目标用户相对于各目标对象的准确率得分值； 根据所述覆盖率得分值和准确率得分值确定各目标对象的推荐度得分值。
3. 根据权利要求1所述的信息推荐方法，其特征在于，根据所述覆盖率相似度、所述准 确率相似度确定各目标对象的推荐度得分值的方式包括： 根据所述覆盖率相似度、所述准确率相似度确定各目标对象之间的最终相似度，并根 据所述最终相似度、各目标对象相对于各用户信息的历史推荐度得分值，确定各目标对象 的推荐度得分值。
4. 根据权利要求1所述的信息推荐方法，其特征在于，采用下述公式计算所述覆盖率 相似度：
其中，ke表示与目标对象β有相关联的用户数目，h表示与用户j相关联的目标对象 的数目，ay表示用户j与目标对象α之间的关系，如果用户j与目标对象α相关联，则 aaj值为1，否则为0, ay表示用户j与目标对象β的关系，如果用户j与目标对象β相 关联，则aq值为1，否则为0, u表示用户数目的总数。
5. 根据权利要求1所述的信息推荐方法，其特征在于，采用下述公式计算所述准确率 相似度：
其中，ka表示与目标对象α有相关联的用户数目，h表示与用户j相关联的目标对象 的数目，ay表示用户j与目标对象a之间的关系，如果用户j与目标对象a相关联，则 aaj值为1，否则为0, ay表示用户j与目标对象β的关系，如果用户j与目标对象β相 关联，则aq值为1，否则为0, u表示用户数目的总数。
6. 根据权利要求1所述的信息推荐方法，其特征在于，采用下述公式计算最终相似度：
其中，ka表示与目标对象α有相关联的用户数目，ke表示与目标对象β有相关联的 用户数目，h表示与用户j相关联的目标对象的数目，aq表示用户j与目标对象a之间 的关系，如果用户j与目标对象a相关联，则ay值为1，否则为〇, afM表示用户j与目标 对象β的关系，如果用户j与目标对象β相关联，则aq值为1，否则为0，u表示用户数目 的总数，λ为预设比值。
7. 根据权利要求1至6任意一项所述的信息推荐方法，其特征在于，所述目标对象包括 与所述用户信息相关联的标签信息。
8. -种信息推荐系统，其特征在于，包括： 信息获取模块，用于获取用户信息与目标对象信息之间的关联关系； 覆盖率相似度确定模块，用于根据各用户信息与各目标对象间的关联关系、分别与各 目标对象相关联的用户数目，确定目标对象之间的覆盖率相似度； 准确率相似度确定模块，用于根据各用户信息与各目标对象间的关联关系、分别与各 用户相关联的目标对象的数目，确定各目标对象之间的准确率相似度； 推荐度得分值确定模块，用于根据所述覆盖率相似度、所述准确率相似度确定各目标 对象的推荐度得分值； 待推荐列表确定模块，用于根据各目标对象的推荐度得分值，确定待推荐列表。
9. 根据权利要求8所述的信息推荐系统，其特征在于，所述推荐度得分值确定模块包 括： 覆盖率得分值确定模块，用于根据所述覆盖率相似度、分别与各用户相关联的目标对 象的数目，确定所述目标用户相对于各目标对象的覆盖率得分值； 准确度得分值确定模块，用于根据所述准确率相似度、目标对象分别与各用户之间的 关联关系、以及分别与各目标对象相关联的用户数目，确定所述目标用户相对于各目标对 象的准确率得分值； 分值确定模块，用于根据所述覆盖率得分值和准确率得分值确定各目标对象的推荐度 得分值。
10. 根据权利要求8所述的信息推荐系统，其特征在于，所述推荐度得分值确定模块包 括： 最终相似度确定模块，用于根据所述覆盖率相似度、所述准确率相似度确定各目标对 象之间的最终相似度； 分值确定模块，用于根据所述最终相似度、各目标对象相对于各用户信息的历史推荐 度得分值，确定各目标对象的推荐度得分值。
11. 根据权利要求8所述的信息推荐系统，其特征在于，所述覆盖率相似度确定模块采 用下述公式计算所述覆盖率相似度：
其中，ke表示与目标对象β有相关联的用户数目，h表示与用户j相关联的目标对象 的数目，ay表示用户j与目标对象α之间的关系，如果用户j与目标对象α相关联，则 aaj值为1，否则为0, ay表示用户j与目标对象β的关系，如果用户j与目标对象β相 关联，则aq值为1，否则为0, u表示用户数目的总数。
12. 根据权利要求8所述的信息推荐系统，其特征在于，所述准确率相似度确定模块采 用下述公式计算所述准确率相似度：
其中，ka表示与目标对象α有相关联的用户数目，h表示与用户j相关联的目标对象 的数目，ay表示用户j与目标对象a之间的关系，如果用户j与目标对象a相关联，则 aaj值为1，否则为0, ay表示用户j与目标对象β的关系，如果用户j与目标对象β相 关联，则a q值为1，否则为〇，u表示用户数目的总数。
13. 根据权利要求10所述的信息推荐系统，其特征在于，所述推荐度得分值确定模块 采用下述公式计算最终相似度：
其中，ka表示与目标对象α有相关联的用户数目，ke表示与目标对象β有相关联的 用户数目，h表示与用户j相关联的目标对象的数目，aq表示用户j与目标对象a之间 的关系，如果用户j与目标对象a相关联，则ay值为1，否则为〇, afM表示用户j与目标 对象β的关系，如果用户j与目标对象β相关联，则aq值为1，否则为0，u表示用户数目 的总数，λ为预设比值。
14. 根据权利要求8至13任意一项所述的信息推荐系统，其特征在于，所述目标对象包 括与所述用户信息相关联的标签信息。
【文档编号】G06F17/30GK104090905SQ201410212166
【公开日】2014年10月8日 申请日期:2014年5月19日 优先权日:2014年5月19日
【发明者】李霖 申请人:腾讯科技（深圳）有限公司