专利名称：一种基于协同过滤的rss信息推荐方法
技术领域：
本发明涉及一种信息推荐方法，具体涉及一种基于协同过滤的RSS信息推荐方 法。 目前互联网中的RSS信息推荐方法，只能推荐整条信息源，不能针对单篇文章进 行个性化推荐。例如谷歌阅读器，抓虾网、鲜果网等的在线RSS阅读器均不能完成同好用 户的单篇文章个性化推荐。如专利号为200510022721. 3、发明名称为《一种基于XML文件 的RSS信息交互处理方法》的专利即属于此列。 这样会导致使用者得到的推荐文章泛滥，不能得到精准的使用者喜好的单篇文
化早。 本发明解决的技术问题是提供一种既能荐整条信息源，又能针对同好用户的单 篇文章进行个性化推荐。 本发明基于以下假设有相同或类似订阅习惯的用户，其相互推荐的信息更具价 值；最相似的同好用户推荐的信息比次相似同好用户的推荐更具价值。通过分析用户的习 惯，找到每个用户的同好用户群，以及该用户群的订阅集。通过加权每个同好用户的收藏文 章，以推荐该用户最有可能喜欢的文章，从而达到个性化的推荐效果。
为达到上述目标，本发明采用如下的技术方案
—种基于协同过滤的RSS信息推荐方法，步骤如下 1)用户从大量RSS源集中订阅某些RSS源时，服务器行为记录模块获取登录的用 户信息，查询会话表获得用户唯一身份标识u，连同该RSS信息源在系统中的唯一标识r，形 成用户对RSS源的订阅情况Wu，r，更新至行为处理模块的用户-RSS源订阅矩阵W(m，n)之 中，m为系统中的用户数目，n为RSS源的数目，订阅情况Wu， r的值当订阅时为1 ，未订阅时
为O; 2)行为处理模块从用户-RSS源订阅矩阵W(m，n)中获取订阅情况Wu，r，利用余弦 相关性算法计算两用户之间的相似度sim(ip，i,)，其中ip，i,分别为p、q两名用户；并将相 似度更新至用户相似度方阵sim(m，m)中，余弦相关算法的公式为 3)行为处理模块根据用户相似度方阵sim(m，m)推算出与每个用户有相似订阅习 惯的"同好"用户，并将该用户所有"同好"用户订阅的所有RSS源形成同好用户订阅集，再 按相似度由高到低排列，形成对该用户的推荐加权系数f ;
背景技术：
发明内容
3
4)用户从一个RSS源的文章列表中收藏某篇文章时，服务器行为记录模块获取登 录的用户信息，查询会话表获得用户唯一身份标识u，连同该篇文章在系统中的唯一标识 rt，形成用户对文章的收藏情况Cu，rt，更新至行为处理模块的同好收藏矩阵C(a，b)之中， a为某用户的同好用户数目，b为同好用户订阅集中所有文章的数目； 5)行为处理模块针对同好收藏矩阵C(a， b)中单篇文章的所有同好用户行为，做
推荐加权处理，按推荐优先级形成推荐文章集，并将推荐文章集更新至推荐模块； 6)在用户获取文章推荐时，推荐模块实时地从推荐文章集筛选出目标用户可能会
感兴趣的TopN条内容推荐给用户。 上述RSS是在线共享内容的一种简易方式(也称聚合内容，Really SimpleSyndication)。通常在时效性比较强的内容上使用RSS订阅能更快速获取信息，网 站提供RSS输出，有利于让用户获取网站内容的最新更新。 上述RSS源是一种描述和同步网站内容的格式，是目前使用最广泛的XML应用。发 布一个RSS文件后，这个RSS Feed中包含的信息就能直接被其他站点调用，而且由于这些 数据都是标准的XML格式，所以也能在其他的终端和服务中使用。
上述余弦相关性算法为信息推荐领域内公知的通用算法。 —种用于上述方法的RSS阅读系统，由阅读模块、订阅模块、订阅管理模块、行为 记录模块、行为处理模块和推荐模块组成，其特征在于阅读模块分别和订阅模块、订阅管理 模块、行为记录模块及推荐模块相连接；行为处理模块分别和行为记录模块及推荐模块相 连接；订阅模块和订阅管理模块相互连接，模块之间通过由编程实现的控制语句，共享一个 或多个服务器数据库的数据。
本发明有以下有益效果 1.相比起传统的RSS推荐方法，本发明使其推荐效果不仅仅局限于整个RSS信息 源的推荐，更加突出了信息源中单篇文章的推荐，有效避免了信息冗余和过载；
2.相比起传统的基于用户的信息推荐技术，本发明结合了基于项的推荐方式，使 其推荐效果有一定的差异覆盖面，便于用户发现可能感兴趣的新内容； 3.相比传统的基于项的信息推荐技术，本发明引入了同好用户群，并利用同好用 户加权因子，使推荐内容更加精准可信。
图1是本发明阅读系统的结构示意图。 其中1、阅读模块，2、订阅模块，3、订阅管理模块，4、行为记录模块，5、推荐模块， 6、行为处理模块。 图2是本发明方法的流程图，其中7-12为其中的各个步骤。
具体实施例方式
下面结合附图和实施例对本发明做进一步说明，但不限于此。
实施例1 : —种基于协同过滤的RSS信息推荐方法，如图2所示，步骤如下 7、用户从大量RSS源集中订阅某些RSS源时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该RSS信息源在系统中的唯一标识r，形 成用户对RSS源的订阅情况Wu，r，更新至行为处理模块的用户-RSS源订阅矩阵W(m，n)之 中，m为系统中的用户数目，n为RSS源的数目，订阅情况Wu， r的值当订阅时为1 ，未订阅时
为O; 8、行为处理模块从用户-RSS源订阅矩阵W(m，n)中获取订阅情况Wu， r，利用余弦 相关性算法计算两用户之间的相似度sim(ip，i,)，其中ip，i,分别为p、q两名用户；并将相 似度更新至用户相似度方阵sim(m，m)中，余弦相关算法的公式为 9、行为处理模块根据用户相似度方阵sim(m， m)推算出与每个用户有相似订阅习 惯的"同好"用户，并将该用户所有"同好"用户订阅的所有RSS源形成同好用户订阅集，再 按相似度由高到低排列，形成对该用户的推荐加权系数f ; 10、用户从一个RSS源的文章列表中收藏某篇文章时，服务器行为记录模块获取 登录的用户信息，查询会话表获得用户唯一身份标识u，连同该篇文章在系统中的唯一标识 rt，形成用户对文章的收藏情况Cu，rt，更新至行为处理模块的同好收藏矩阵C(a，b)之中， a为某用户的同好用户数目，b为同好用户订阅集中所有文章的数目； 11、行为处理模块针对同好收藏矩阵C(a， b)中单篇文章的所有同好用户行为，做
推荐加权处理，按推荐优先级形成推荐文章集，并将推荐文章集更新至推荐模块； 12、在用户获取文章推荐时，推荐模块实时地从推荐文章集筛选出目标用户可能
会感兴趣的TopN条内容推荐给用户。 实施例2 : —种用于上述方法的RSS阅读系统，如图1所示，由阅读模块1、订阅模块2、订阅 管理模块3、行为记录模块4、行为处理模块6和推荐模块5组成，其特征在于阅读模块1分 别和订阅模块2、订阅管理模块3、行为记录模块4及推荐模块5相连接；行为处理模块6分 别和行为记录模块4及推荐模块5相连接；订阅模块2和订阅管理模块3相互连接，模块之 间通过由编程实现的控制语句，共享一个或多个服务器数据库的数据。
权利要求
一种基于协同过滤的RSS信息推荐方法，步骤如下1)用户从大量RSS源集中订阅某些RSS源时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该RSS信息源在系统中的唯一标识r，形成用户对RSS源的订阅情况Wu，r，更新至行为处理模块的用户-RSS源订阅矩阵W(m，n)之中，m为系统中的用户数目，n为RSS源的数目，订阅情况Wu，r的值当订阅时为1，未订阅时为0；2)行为处理模块从用户-RSS源订阅矩阵W(m，n)中获取订阅情况Wu，r，利用余弦相关性算法计算两用户之间的相似度sim(ip，iq)，其中ip，iq分别为p、q两名用户；并将相似度更新至用户相似度方阵sim(m，m)中，余弦相关算法的公式为 <mrow><mi>sim</mi><mrow> <mo>(</mo> <msub><mi>i</mi><mi>p</mi> </msub> <mo>,</mo> <msub><mi>i</mi><mi>q</mi> </msub> <mo>)</mo></mrow><mo>=</mo><mi>cos</mi><mrow> <mo>(</mo> <msub><mi>i</mi><mi>p</mi> </msub> <mo>,</mo> <msub><mi>i</mi><mi>q</mi> </msub> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><munderover> <mi>Σ</mi> <mrow><mi>k</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msub> <mi>W</mi> <mrow><mi>p</mi><mo>,</mo><mi>k</mi> </mrow></msub><mo>×</mo><msub> <mi>W</mi> <mrow><mi>q</mi><mo>,</mo><mi>k</mi> </mrow></msub> </mrow> <msqrt><munderover> <mi>Σ</mi> <mrow><mi>k</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msup> <mrow><mo>(</mo><msub> <mi>W</mi> <mrow><mi>p</mi><mo>,</mo><mi>k</mi> </mrow></msub><mo>)</mo> </mrow> <mn>2</mn></msup><mo>×</mo><munderover> <mi>Σ</mi> <mrow><mi>k</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msup> <mrow><mo>(</mo><msub> <mi>W</mi> <mrow><mi>q</mi><mo>,</mo><mi>k</mi> </mrow></msub><mo>)</mo> </mrow> <mn>2</mn></msup> </msqrt></mfrac> </mrow>3)行为处理模块根据用户相似度方阵sim(m，m)推算出与每个用户有相似订阅习惯的“同好”用户，并将该用户所有“同好”用户订阅的所有RSS源形成同好用户订阅集，再按相似度由高到低排列，形成对该用户的推荐加权系数f；4)用户从一个RSS源的文章列表中收藏某篇文章时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该篇文章在系统中的唯一标识rt，形成用户对文章的收藏情况Cu，rt，更新至行为处理模块的同好收藏矩阵C(a，b)之中，a为某用户的同好用户数目，b为同好用户订阅集中所有文章的数目；5)行为处理模块针对同好收藏矩阵C(a，b)中单篇文章的所有同好用户行为，做推荐加权处理，按推荐优先级形成推荐文章集，并将推荐文章集更新至推荐模块；6)在用户获取文章推荐时，推荐模块实时地从推荐文章集筛选出目标用户可能会感兴趣的TopN条内容推荐给用户。
2. —种用于权利要求1所述方法的RSS阅读系统，由阅读模块、订阅模块、订阅管理模 块、行为记录模块、行为处理模块和推荐模块组成，其特征在于阅读模块分别和订阅模块、 订阅管理模块、行为记录模块及推荐模块相连接；行为处理模块分别和行为记录模块及推 荐模块相连接；订阅模块和订阅管理模块相互连接，模块之间通过由编程实现的控制语句， 共享一个或多个服务器数据库的数据。
全文摘要
一种基于协同过滤的RSS信息推荐方法，属信息推荐技术领域，系统由阅读模块、订阅模块、订阅管理模块、行为记录模块、行为处理模块和推荐模块组成，其中阅读模块分别和订阅模块、订阅管理模块、行为记录模块及推荐模块相连接；行为处理模块分别和行为记录模块及推荐模块相连接；订阅模块和订阅管理模块相互连接，模块之间通过由编程实现的控制语句，共享一个或多个服务器数据库的数据。本发明使其推荐效果不仅限于整个RSS信息源的推荐，更加突出了单篇文章的推荐，有效避免了信息冗余和过载；推荐效果有一定的差异覆盖面，便于用户发现可能感兴趣的新内容；引入了同好用户群，并利用同好用户加权因子，使推荐内容更加精准可信。
文档编号H04L29/06GK101753573SQ20091025645
公开日2010年6月23日 申请日期2009年12月25日 优先权日2009年12月25日
发明者徐超, 林贺, 王恒, 石祚夫, 袁东风, 陈飞, 颜廷芝, 魏斌 申请人:山东大学