专利名称：在陌生领域中生成推荐项目的方法和装置的制作方法
技术领域：
本发明涉及信息处理领域，更具体地说，涉及在陌生领域中生成推荐项目的方法和装置。
背景技术：
传统的生成推荐项目的方法是基于对大量用户的行为统计，以例如排行榜、畅销榜之类的形式进行推荐。这种推荐方式没有考虑到用户之间的差异。以图书在线销售系统的推荐项目生成系统为例，专业书籍由于其面向的读者群体有限，其销量往往大大少于小说等的销量，从而无法进入畅销榜形式进行的推荐。但是，如果向经常购买专业书籍的用户推荐小说显然并不能向该用户进行有效的推荐。这里的有效推荐可以是指所推荐的项目被用户实际查看。当然本领域中还有很多其他方法来衡量一个推荐是否是有效推荐。作为对这种无差异性推荐方法的改进，可以进一步结合用户自身的历史行为数据来生成推荐项目。再次以图书在线销售系统的推荐项目生成系统为例，如果用户购买了某本图书，那么可以向用户推荐同样购买了该图书的其他用户所购买的其他图书。或者可以根据图书之间的关联性向用户推荐与该图书相关联的其他图书，所述关联性例如同一出版社、同一作者、同一关键词等。还可以根据用户的历史购买行为将用户归入某种的用户类型，例如经常购买旅行指南的用户类型、经常购买计算机教材的用户类型或者经常购买语言学习教材的用户类型等，然后向用户推荐同样属于该用户类型的其他用户所购买的其他图书。当然，还存在进一步的其他改进。当今，图书在线销售系统往往是综合性在线销售系统的一部分。综合性在线销售系统可以包括许多销售领域，例如图书、音像制品、体育器材、服装等。如果用户在某个领域中没有或者仅有很少的历史行为数据可以分析，则难以向用户进行有效的推荐。这样的领域称为陌生领域。本领域技术人员可以根据需要定义陌生领域，例如将用户的历史行为数据量少于某阈值的领域作为该用户的陌生领域。对于主要购买过音像制品、体育器材和服装而很少或者根本不购买图书的用户，图书即为所述陌生领域。在该用户第一次或前几次查看图书时，无法通过对该用户在图书这一陌生领域中的历史行为数据的分析向该用户进行有效的推荐。例如如果用户根本没有购买过图书，那么就不可能向用户推荐同样购买了某图书的其他用户所购买的其他图书。即使用户购买过少量图书，很可能也无法可以根据用户的历史购买行为将用户归入某种的用户类型。此外，除了在线销售系统以外，对于存在领域划分并且存在推荐需求的其他系统， 例如搜索引擎系统，也同样存在上述问题。
发明内容
有鉴于此，本发明提供了在陌生领域中生成推荐项目的方法和装置。根据本发明的一个方面，一种在陌生领域中为当前用户生成推荐项目的方法包括在不同于所述陌生领域的参考领域中，选择当前用户的参考用户，其中所述当前用户和所述参考用户的行为在所述参考领域中具有符合用户近似度指标条件的用户近似度指标； 根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。根据本发明的另一方面，一种在陌生领域中为当前用户生成推荐项目的装置包括参考用户确定模块，配置为在不同于所述陌生领域的参考领域中，选择当前用户的参考用户，其中所述当前用户和所述参考用户的行为在所述参考领域中具有符合用户近似度指标条件的用户近似度指标；当前用户推荐模块，配置为根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。按照根据本发明实施例的技术方案，由于所述参考用户在所述参考领域与当前用户的行为近似，那么有很大可能该参考用户在所述陌生领域与所述当前用户的行为也近似，因此以该参考用户在所述陌生领域的历史行为数据作为参考为所述当前用户生成的推荐项目很可能是对该当前用户的有效推荐。还可以进一步考虑参考领域和陌生领域之间的领域近似度指标。如果某参考领域与所述陌生领域的领域近似度指标高，说明在该参考领域中行为相似的用户，在该陌生领域中的行为也应该相似；如果在该参考领域中某参考用户与当前用户的用户相似度指标也高，那么在所述陌生领域中该参考用户与当前用户的行为也应该相似，因此在该陌生领域中为该参考用户生成的推荐项目很有可能对于当前用户是有效推荐。这样，即使当前用户在陌生领域完全没有历史行为数据或者仅有少量的历史行为数据，也能向当前用户进行有效的推荐。
所附权利要求中阐述了被认为是本发明的特点的创造性特征。但是，通过参照附图阅读下面对说明性实施例的详细说明可更好地理解发明本身以及其优选使用模式、目标、特征以及优点，在附图中图1是根据本发明实施例的生成推荐项目的方法的流程图。图2是根据本发明实施例的生成推荐项目的装置的方框图。
具体实施例方式下面参照附图来说明本发明的实施例。在下面的说明中，阐述了许多具体细节以便更全面地了解本发明。但是，本技术领域技术人员容易理解，本发明的实现可不具有这些具体细节中的一些，并且本发明并不限于所介绍的特定实施例。相反，可以考虑用下面的特征和要素的任意组合来实施本发明，而无论它们是否涉及不同的实施例。因此，下面的方面、特征、实施例和优点仅作说明之用而不应被看作是所附权利要求的要素或限定，除非权利要求中明确提出。还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明关系不大的其他细节。此外，除非刻意地使用“直接”或者“间接”加以限定，否则本申请文件中的连接既包括直接连接，也包括间接地连接。此外，如前所述，除了在线销售系统以外，对于存在领域划分并且存在推荐需求的其他系统，例如搜索引擎系统，也同样存在上述问题。虽然在以下描述中以在线销售系统为例对本发明的实施例进行了说明，但是本领域技术人员可以容易地将本发明的思想应用于其他存在领域划分并且存在推荐需求的系统。如图1所示，根据本发明实施例的生成推荐项目的方法包括步骤101，在不同于所述陌生领域的至少一个参考领域中选择当前用户的至少一个参考用户，其中所述当前用户和所述参考用户的行为在所述至少一个参考领域中具有符合条件的用户近似度指标。用户近似度指标所需要满足的条件可以称为用户近似度指标条件。根据本发明的一个实施例，可以将在所述参考领域中与当前用户属于同一用户类型的用户作为当前用户的参考用户。如果当前用户在所述参考领域中属于多个用户类型， 那么可以将属于这些用户类型的用户都作为当前用户的参考用户。本领域技术人员可以理解，在一个领域中属于同一用户类型的用户其行为必然在一定程度上近似，从而具有符合用户近似度指标条件的用户近似度指标。换句话说，这相当于推断与当前用户属于同一用户类型的用户均具有相同的并且符合所述用户近似度指标条件的用户近似度指标。可以对得出用户近似度指标的方法进行改进，采用根据历史行为数据计算的方法而不是从用户类型推断的方法来得到用户近似度指标，从而使得所述用户近似度指标能更加精确地衡量这些参考用户与当前用户的近似程度。可以将根据历史行为数据计算的方法和从用户类型推断的方法结合使用，即首先选择在所述参考领域中与用户具有属于相同的用户类型的用户作为候选参考用户，然后对候选参考用户计算用户近似度指标，最后根据用户近似度指标选择参考用户。下面详细描述几种计算同一参考领域中两个用户之间的用户近似度指标的实施例。根据本发明的一个实施例，可以根据这两个用户在所述参考领域中的历史行为数据确定这两个用户共同购买的物品，然后根据所述共同购买的物品的数目计算出两个用户之间的用户近似度指标。本领域技术人员容易理解，对于搜索引擎系统，可以通过共同点击的搜索结果的数目计算出两个用户之间的用户近似度指标。推而广之，对于各种存在领域划分并且存在推荐需求的系统，可以针对该系统定义共同行为。根据两个用户在参考领域中的历史行为数据确定这两个用户在参考领域的共同行为的数目，然后根据所述共同行为的数目计算出两个用户之间的用户近似度指标。也就是说，当所述共同行为数目满足共同行为数目条件时，就认为用户近似度指标满足了用户近似度指标条件。可以直接以所述数目作为所述用户近似度指标，例如假设用户甲用户乙共同购买了 3件物品，则所述用户近似度指标可以是3。也可以以所述数目与这两个用户购买的物品总数之间的比值作为所述用户近似度指标，例如假设用户甲购买了 7件物品而用户乙购买了 8件物品，其中一样的物品有3件，那么用户甲和用户乙购买的物品总数是12，则所述用户近似度指标可以是0. 25。显然，这样得到的近似度指标较高，说明两个用户购买了很多相同的物品，即其行为是近似的。可以用计算购买物品向量的不相关指标的方法来计算两个用户之间的用户近似度指标。例如，假设当前用户购买了物品A、物品B、物品C和物品D，用户甲购买了物品A、 物品B、物品E和物品F，用户乙购买了物品A、物品C、物品D和物品F。可以将当前用户的购买物品向量用{1，1，1，1，0，0}表示，其中前四个1表示当前用户购买了物品A、物品B、物品C和物品D，而后两个0表示当前用户没有购买物品E和物品F ；类似地，用户甲的购买物品向量可以用{1，1，0，0，1，1}表示，用户乙的购买物品向量用{1，0，1，1，0，1}表示。假设购买物品向量X和购买物品向量Y之间的不相关指标定义为
权利要求
1.一种在陌生领域中为当前用户生成推荐项目的方法，包括在不同于所述陌生领域的参考领域中，选择当前用户的参考用户，其中所述当前用户和所述参考用户的行为在所述参考领域中的用户近似度指标符合用户近似度指标条件；根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。
2.根据权利要求1所述的方法，其中所述在不同于所述陌生领域的参考领域中选择当前用户的参考用户包括选择在所述参考领域中与当前用户属于同一用户类型的用户作为所述参考用户。
3.根据权利要求1或2所述的方法，其中所述在不同于所述陌生领域的参考领域中选择当前用户的参考用户包括选择在参考领域中与所述当前用户的共同行为数目符合共同行为数目条件的用户作为所述参考用户。
4.根据权利要求1至3中任意一项所述的方法，其中所述在不同于所述陌生领域的参考领域中选择当前用户的参考用户包括选择在参考领域中与所述当前用户的共同行为评分符合共同行为评分条件的用户作为所述参考用户。
5.根据权利要求1所述的方法，进一步包括根据标定用户在所述陌生领域和所述参考领域中的历史行为数据，确定所述陌生领域和所述参考领域之间的领域近似度指标，其中所述陌生领域和所述参考领域对于所述标定用户而言均非陌生领域。
6.根据权利要求5所述的方法，其中根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目包括根据参考用户所对应的领域近似度指标和用户近似度指标计算参考用户权值；针对参考用户权值符合参考用户权值条件的参考用户，根据其在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。
7.根据权利要求5所述的方法，其中根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目包括根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的候选推荐项目，根据候选推荐项目所对应的领域近似度指标和用户近似度指标计算候选推荐项目权值；将候选推荐项目权值符合候选推荐项目权值条件的候选推荐项目作为用于所述当前用户的在该陌生领域中的推荐项目。
8.—种在陌生领域中为当前用户生成推荐项目的装置，包括参考用户确定模块，配置为在不同于所述陌生领域的参考领域中，选择当前用户的参考用户，其中所述当前用户和所述参考用户的行为在所述参考领域中具有符合用户近似度指标条件的用户近似度指标；和当前用户推荐模块，配置为根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。
9.根据权利要求8所述的装置，其中所述参考用户确定模块包括配置为选择在所述参考领域中与当前用户属于同一用户类型的用户作为所述参考用户的模块。
10.根据权利要求8或9所述的装置，其中所述参考用户确定模块包括配置为选择在参考领域中与所述当前用户的共同行为数目符合共同行为数目条件的用户作为所述参考用户的模块。
11.根据权利要求8至10中任意一项所述的装置，其中所述参考用户确定模块包括 配置为选择在参考领域中与所述当前用户的共同行为评分符合共同行为评分条件的用户作为所述参考用户的模块。
12.根据权利要求8所述的装置，进一步包括标定模块，配置为根据标定用户在所述陌生领域和所述参考领域中的历史行为数据， 确定所述陌生领域和所述参考领域之间的领域近似度指标，其中所述陌生领域和所述参考领域对于所述标定用户而言均非陌生领域。
13.根据权利要求12所述的装置，其中所述当前用户推荐模块包括配置为根据参考用户所对应的领域近似度指标和用户近似度指标计算参考用户权值的模块；配置为针对参考用户权值符合参考用户权值条件的参考用户，根据其在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目的模块。
14.根据权利要求12所述的装置，其中所述当前用户推荐模块包括配置为根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的候选推荐项目的模块；配置为根据候选推荐项目所对应的领域近似度指标和用户近似度指标计算候选推荐项目权值的模块；配置为将候选推荐项目权值符合候选推荐项目权值条件的候选推荐项目作为用于所述当前用户的在该陌生领域中的推荐项目的模块。
全文摘要
本发明提供了在陌生领域中为当前用户生成推荐项目的方法和装置。所述方法包括在不同于所述陌生领域的参考领域中，选择当前用户的参考用户，其中所述当前用户和所述参考用户的行为在所述参考领域中具有符合用户近似度指标条件的用户近似度指标；根据所述参考用户在所述陌生领域中的历史行为数据为所述当前用户生成在该陌生领域中的推荐项目。根据本发明的技术方案，即使当前用户在陌生领域完全没有历史行为数据或者仅有少量的历史行为数据，也能向当前用户进行有效的推荐。
文档编号G06Q30/00GK102169566SQ201010116808
公开日2011年8月31日 申请日期2010年2月26日 优先权日2010年2月26日
发明者吴贤, 张夏天, 袁泉, 赵石顽 申请人:国际商业机器公司