基于相反属性知识库的个性化推荐方法和系统的制作方法
【技术领域】
[0001] 本发明设及推荐技术领域，特别是设及一种基于相反属性知识库的个性化推荐方 法和系统。
【背景技术】
[0002] 随着电子商务规模的不断扩大，商品个数和种类快速增长，用户需要花费大量的 时间才能找到自己想买的商品。浏览大量无关信息和产品的过程无疑会使消费者不断流 失。为了解决运些问题，个性化推荐技术应运而生。个性化推荐技术是建立在海量数据挖掘 基础上的一种高级商务智能平台，W帮助电子商务网站为其顾客购物提供完全个性化的决 策支持和信息服务。
[0003] 但是现有个性化推荐系统在用户购买商品的历史数据的分析基础上进行推荐时， 可能出现错误推荐。譬如，推荐系统发现A用户和B用户的W往兴趣特点和购买行为都很类 似，最近A用户购买了卫生巾，结果推荐系统就把卫生巾推荐给了B用户，运个推荐是否准 确?A用户和B用户之所W在过去的时间内兴趣特点和购买行为都很类似，是因为A用户和B 用户是亲姐弟，但A用户是女性，最近来月经初潮了，所W开始第一次买卫生巾，但B用户是 男性，把卫生巾推荐给B用户，显然是错误的推荐。可见，现有推荐技术得到的推荐结果常常 与用户想买的商品不吻合，导致错误的推荐，进而降低用户对推荐结果的采纳率，降低推荐 系统对用户的价值。
【发明内容】
[0004] 基于上述情况，本发明提出了一种个性化推荐方法和系统，提高对用户进行推荐 的准确率，进而提高用户对推荐结果的采纳率，提升推荐系统对用户的价值。
[0005] 为了实现上述目的，本发明技术方案的实施例为：
[0006] -种个性化推荐方法，包括W下步骤：
[0007] 获取当前推荐系统向用户推荐的推荐结果序列；
[0008] 在所述推荐结果序列中获取预设方向的预设推荐个数个推荐结果作为初次推荐 结果序列，所述预设推荐个数小于或等于所述推荐结果序列中的推荐结果总数；
[0009] 根据所述用户的身份信息在相反属性知识库预先存储的用户相反属性表中查询 是否存储所述用户的相反属性；
[0010] 当查询结果为是时，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；
[0011] 删除所述初次推荐结果序列中与所述用户的相反属性的匹配结果符合预设条件 的推荐结果；
[0012] 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；
[0013] 输出所述最终推荐结果序列。
[0014] -种个性化推荐系统，包括：
[0015] 推荐结果序列获取模块，用于获取当前推荐系统向用户推荐的推荐结果序列；
[0016] 初次推荐结果序列获取模块，用于在所述推荐结果序列中获取预设方向的预设推 荐个数个推荐结果作为初次推荐结果序列，所述预设推荐个数小于或等于所述推荐结果序 列中的推荐结果总数；
[0017] 属性查询模块，用于根据所述用户的身份信息在相反属性知识库预先存储的用户 相反属性表中查询是否存储所述用户的相反属性；
[0018] 结果匹配模块，用于当查询结果为是时，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；
[0019] 结果删除模块，用于删除所述初次推荐结果序列中与所述用户的相反属性的匹配 结果符合预设条件的推荐结果；
[0020] 最终推荐结果序列获取模块，用于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；
[0021] 序列输出模块，用于输出所述最终推荐结果序列。
[0022] 与现有技术相比，本发明的有益效果为:本发明个性化推荐方法和系统，基于相反 属性知识库，通过将当前推荐系统向用户推荐的预设个数个推荐结果与预先存储在相反属 性知识库中的用户相反属性进行匹配，根据匹配结果获取最终推荐结果序列，提高对用户 进行推荐的准确率，满足用户的个性化推荐需要，提高用户对推荐结果的采纳率，提升推荐 系统对用户的价值，适合应用。
【附图说明】
[0023] 图1为本发明一个实施例中个性化推荐方法流程示意图；
[0024] 图2为基于图1所示方法一个具体示例中个性化推荐方法流程图；
[0025] 图3为本发明一个实施例中个性化推荐系统结构示意图。
【具体实施方式】
[0026] 为使本发明的目的、技术方案及优点更加清楚明白，W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W解释本发明， 并不限定本发明的保护范围。
[0027] -个实施例中个性化推荐方法，如图1所示，包括W下步骤：
[0028] 步骤SlOl:获取当前推荐系统向用户推荐的推荐结果序列；
[0029] 其中，当前推荐系统可W是现有的各种推荐系统，也可W是新开发的推荐系统;推 荐系统向用户推荐的推荐结果可W是各种类型的推荐结果，譬如，商品的推荐、衣服的推 荐、图书的推荐、视频的推荐、图片的推荐、论文的推荐或好友的推荐等；
[0030] 步骤S102:在所述推荐结果序列中获取预设方向的预设推荐个数个推荐结果作为 初次推荐结果序列，所述预设推荐个数小于或等于所述推荐结果序列中的推荐结果总数；
[0031] 例如推荐系统向一个用户推荐的推荐结果数记为P，将运P个推荐结果中的前n个 推荐结果作为n个第一推荐结果，得到初次推荐结果序列，其中，P可W是自然数，推荐系统 会向用户推荐至少一个推荐结果，选取推荐系统向一个用户推荐的所有推荐结果中的全部 或部分作为第一推荐结果；
[0032] 步骤S103:根据所述用户的身份信息在相反属性知识库预先存储的用户相反属性 表中查询是否存储所述用户的相反属性；
[0033] 例如从相反属性知识库中的用户相反属性表中检索该个用户的相反属性，通过用 户的身份信息对用户相反属性表进行检索，当检索到相应用户的身份信息时，则取出该用 户的身份信息对应的用户的相反属性;可W事先采集用户的相反属性存储在相反属性知识 库中；
[0034] 步骤S104:当查询结果为是时，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；
[0035] -个推荐结果与相反属性知识库中该个用户的相反属性的匹配度，本质上是该个 推荐结果与用户属性的矛盾程度;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W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；
[0036] 步骤S105:删除所述初次推荐结果序列中与所述用户的相反属性的匹配结果符合 预设条件的推荐结果；
[0037] 例如当一个推荐结果与该个用户的相反属性的匹配度大于匹配度预设值(匹配度 预设值最小为0)时，表示该个推荐结果与该个用户的属性是有矛盾的，删除该个推荐结果； 所述匹配度的计算可W转化为字符串匹配度或相似度的计算，可W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，则运两个语句匹配度越大）；所述匹配度的计算也可W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；
[0038] 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；
[0039] -个推荐结果与该个用户的相反属性的匹配度大于匹配度预设值则表明该个推 荐结果与该个用户的属性存在矛盾，将初次推荐结果序列中与该个用户的相反属性的匹配 度大于匹配度预设值的推荐结果删除后剩下的推荐结果作为最终推荐结果序列；
[0040] 步骤S107:输出所述最终推荐结果序列。
[0041] 将最终推荐结果输出给用户的方式可W是现有推荐系统所采用的方式，也可W采 用其他的信息输出方式，譬如，如网页的方式、文件的方式。
[0042] 从W上描述可知，本发明个性化推荐方法，基于相反属性知识库，极大排除了与用 户属性相矛盾的推荐结果，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。
[0043] 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 户相反属性表包括用户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 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、性别、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。
[0044] 相反属性知识库中的用户相反属性表包括用户字段、用户相反属性字段，用户字 段中存储用户ID，用户相反属性字段存储用户的相反属性。从相反