的 属性，则说明该个推荐结果不适用于相反属性的用户，且适用于该个用户，所以不应删除；
[0040] 其中，如果只考虑推荐结果与该个用户的相反属性的匹配度大于第二预设值的情 况，那么当一个推荐结果中既包含该个用户的相反属性关键词又包含该个用户的属性关键 词时，该个推荐结果就会被删除，但该个推荐结果其实是适用于该个用户的，因为该个推荐 结果中包含该个用户的属性关键词;如果只考虑推荐结果与该个用户的属性的匹配度小于 第一预设值的情况，那么当一个推荐结果中既不包含该个用户的相反属性关键词又不包含 该个用户的属性关键词时，该个推荐结果就会被删除，但该个推荐结果其实只是没有指明 是否适用于相应属性的该个用户，并没有指明一定不适用于该个用户；可以理解的是，同时 考虑一个推荐结果中与该个用户的相反属性的匹配度大于第二预设值且与该个用户的属 性的匹配度小于第一预设值的情况，比只考虑其中一种情况，避免了对推荐结果的误删除， 更有利于推荐的准确性。
[0041] 所述匹配度的计算可以转化为字符串匹配度或相似度的计算，可以采用已有的字 符串匹配度或相似度算法，譬如Edit距离法(编辑距离，就是用来计算从原串（s)转换到目 标串（t)所需要的最少的插入，删除和替换的数目。显然当一个语句编辑为另一个语句所需 的最少的插入，删除和替换的数目越小，则匹配度越大）、最大公共子串LCS法(显然两个语 句的最大公共子串越长，则这两个语句匹配度越大）；所述匹配度的计算也可以使用新的匹 配度的算法，譬如将两个字符串的公共的字符数作为匹配度的大小；
[0042]步骤S106:根据所述初次推荐结果序列剩余的推荐结果得到最终推荐结果序列； [0043]步骤S107:输出所述最终推荐结果序列。
[0044] 将最终推荐结果输出给用户的方式可以是现有推荐系统所采用的方式，也可以采 用其他的信息输出方式，譬如，如网页的方式、文件的方式。
[0045] 从以上描述可知，本发明个性化推荐方法，基于正反属性知识库，排除了与用户属 性相矛盾的推荐结果，同时避免了对推荐结果的误删除，满足了用户的个性化推荐的需要， 提高推荐的准确率，提高了用户对推荐结果的采纳率，提升了推荐系统对用户的价值。
[0046] 此外，在一个具体示例中，所述用户的身份信息包括用户ID(身份标识号），所述用 户正反属性表包括用户字段、用户属性字段和用户相反属性字段，所述用户字段中存储用 户ID，所述用户属性字段中存储用户的属性，所述用户相反属性字段中存储用户的相反属 性，所述用户的相反属性根据所述用户的属性得到，所述用户的属性包括用户的年龄、性 另IJ、职业、学历、专业、特长、爱好和地理位置中的任意一项或任意组合。
[0047]正反属性知识库中的用户正反属性表包括用户字段、用户属性字段和用户相反属 性字段，用户字段中存储用户ID，用户属性字段中存储用户的属性，用户相反属性字段存储 用户的相反属性。从正反属性知识库中检索出该个用户的属性和相反属性，是通过用户ID 对正反属性知识库进行检索，当检索到相应用户ID时，则取出该用户ID对应的用户的属性 和相反属性。用户的相反属性根据用户的属性得到，用户的属性可以包括用户的年龄、性 另IJ、职业、学历、专业、特长、爱好和地理位置等与用户相关的信息，满足多种应用需要。
[0048]获取用户的相反属性步骤:首先查询用户的属性中关键字的反义词；当能查询到 反义词时，将该反义词作为用户的相反属性；当不能查询到反义词时，根据用户的属性中关 键字在数据库中查询距离所述关键字最远的同类型关键字作为用户的相反属性。其中，数 据库中事先存储有各种类型关键词及其之间的距离，这里的距离是指差异性，例如，同为学 历类型的关键词离"小学"距离最远的显然是"博士后"。
[0049] 此外，在一个具体示例中，当查询结果为否时，判断所述用户是否为所述当前推荐 系统的注册用户；
[0050] 当判定结果为是时，从所述当前推荐系统的所述用户的注册信息中获取所述用户 的属性，根据所述用户的属性得到所述用户的相反属性，将所述用户的属性和相反属性存 储在所述正反属性知识库中；
[0051] 当判定结果为否时，生成一个信息采集窗口，采集所述用户的属性，根据所述用户 的属性得到所述用户的相反属性，将所述用户的属性和相反属性存储在所述正反属性知识 库中。
[0052] 例如从正反属性知识库中检索该个用户的属性和相反属性，当从正反属性知识库 中检索不到该个用户或该个用户的属性和相反属性时，则判断用户是否为推荐系统的注册 用户，当用户是注册用户，则查询用户的注册信息中的用户属性，根据用户的属性得到用户 的相反属性，并将用户的属性和相反属性加入正反属性知识库，当用户不是注册用户，则弹 出对话框询问用户，也可以是其他交互方式获取或查询方式获取该个用户的属性，根据用 户的属性得到用户的相反属性，并将用户的属性和相反属性加入正反属性知识库，如果用 户的注册信息中没有用户属性信息时，也可以通过弹出对话框询问用户或是其他交互方式 获取该个用户的属性，根据用户的属性得到用户的相反属性，并将用户的属性和相反属性 加入正反属性知识库。
[0053]此外，在一个具体示例中，分别将所述初次推荐结果序列中的各个推荐结果与所 述用户的属性进行匹配，且分别将所述初次推荐结果序列中的各个推荐结果与所述用户的 相反属性进行匹配的步骤包括：
[0054] 分别将所述初次推荐结果序列中的各个推荐结果、所述用户的属性和所述用户的 相反属性转化为字符串；
[0055] 分别计算所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的 属性转化的字符串的匹配度，且分别计算所述初次推荐结果序列中的各个推荐结果转化的 字符串与所述用户的相反属性转化的字符串的匹配度。
[0056] 初次推荐结果序列中的各个推荐结果、用户的属性和用户的相反属性都可以转化 为成字符串，计算推荐结果与用户的属性和相反属性的匹配度，可以转化为字符串匹配度 或相似度的计算，从一个推荐结果与该个用户的属性的匹配度的大小可以看出该个推荐结 果与该个用户的属性的符合程度，一个推荐结果与该个用户的属性的匹配度越大则表明该 个推荐结果与该个用户的属性的符合程度越高。从一个推荐结果与该个用户的相反属性的 匹配度的大小可以看出该个推荐结果与该个用户的属性的矛盾程度，一个推荐结果与该个 用户的相反属性的匹配度越大则表明该个推荐结果与该个用户的属性的矛盾程度越高。
[0057] 所述匹配度的计算可以转化为字符串匹配度或相似度的计算，可以采用已有的字 符串匹配度或相似度算法，譬如Edit距离法(编辑距离，就是用来计算从原串（s)转换到目 标串（t)所需要的最少的插入，删除和替换的数目。显然当一个语句编辑为另一个语句所需 的最少的插入，删除和替换的数目越小，则匹配度越大）、最大公共子串LCS法(显然两个语 句的最大公共子串越长，则这两个语句匹配度越大）；所述匹配度的计算也可以使用新的匹 配度的算法，譬如将两个字符串的公共的字符数作为匹配度的大小。
[0058] 此外，在一个具体示例中，删除所述初次推荐结果序列中与所述用户的属性的匹 配结果不符合预设第一条件且与所述用户的相反属性的匹配结果符合预设第二条件的推 荐结果的步骤包括：
[0059] 分别获取所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的 属性转化的字符串的相同字符个数；
[0060] 分别获取所述初次推荐结果序列中的各个推荐结果转化的字符串与所述用户的 相反属性转化的字符串的相同字符个数；
[0061] 删除所述初次推荐结果序列中与所述用户的属性转化的字符串的相同字符个数 小于第一预设值且与所述用户的相反属性转化的字符串的相同字符个数大于第二预设值 的推荐结果。
[0062] 一个推荐结果转化的字符串与该个用户的属性转化的字符串相同字符个数小于 第一预设值且与该个用户的相反属性转化的字符串相同字符个数大于第二预设值，说明该 个推荐结果与该个用户的属性的有矛盾，删除与用户属性相矛盾的推荐结果，提高推荐的 准确率。
[0063] 为了更好地理解上述方法，以下详细阐述一个本发明个性化推荐方法的应用实 例。
[0064] 如图2所示，该应用实例可以包括以下步骤：
[0065] 步骤S201:获取一个购物网站的推荐系统向用户甲推荐的推荐结果序列；
[0066]步骤S202:在上述推荐结果序列中获取前11个推荐结果作为初次推荐结果序列， 上述推荐结果序列中的推荐结果总数大于或等于11;所述11个推荐结果为：（1)丸美防晒霜 女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g; (2)包邮新款大网鞋男凉鞋学生 休闲运动鞋男夏季网布鞋男士加大码男鞋；（3)中歌金立S7手机套ELIFE7壳GN9006透明硅 胶保护软套外壳配件后盖潮；（4)iphone4 S手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白 红潮男女简约；（5)包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包；（6) 茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114; (7)森谷鸟韩版潮 2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子；（8)大sim韩国定制款夏