服务推荐处理的方法和装置制造方法
【专利摘要】本发明提供一种服务推荐处理的方法和装置，其中，该方法包括：获取活动用户和历史用户的服务评分数据，所述服务评分数据为活动用户和历史用户分别对待推荐服务集中各个服务的评分值；从所述历史用户中选取与所述活动用户具有相似排序偏好的用户作为所述活动用户的相似用户；根据所述活动用户及其相似用户的服务评分数据构建各个待推荐的服务间的偏序关系模型；利用所述偏序关系模型给出服务推荐排序列表；根据各个服务在所述服务推荐排序列表中的顺序，向所述活动用户推荐服务。通过本发明提供的服务推荐处理的方法和装置，依据服务间的排序偏好、采用贪心算法给出服务推荐排序列表，提高服务推荐结果的准确性。
【专利说明】服务推荐处理的方法和装置
【技术领域】
[0001]本发明实施例涉及通信领域，尤其涉及一种服务推荐处理的方法和装置。
【背景技术】
[0002]现有技术中，用户通常利用关键词通过搜索引擎在网上搜索自己需要的服务，而搜索引擎会针对用户输入的关键词形成服务推荐排序列表向用户推荐服务。现有形成服务推荐排序列表的方式包括采用肯德尔相关系数(Kendall Rank Correlat1nCoefficient,简称为KRCC)计算用户间的相似性，融合相似用户的偏好直接产生针对活动用户的服务推荐排序列表。
[0003]上述方法中，通常先利用现有服务评分数据集构造稀疏评分矩阵，然后将针对稀疏矩阵中活动用户的预测服务推荐排序列表，与按照原服务评分矩阵中的服务真实评分值生成的服务推荐排序列表进行对比，仍使用KRCC来度量服务推荐排序列表的预测准确性。KRCC越大，表示算法的服务推荐排序列表预测准确性越高。
[0004]研究表明，排序位置越靠前的搜索结果，受到的用户关注度越高，多数互联网用户仅关注搜索结果第一页的内容。因此，保证服务推荐排序列表前端服务排序位置的一致性尤为重要。但是上述方法却忽略了用户对服务排序位置的关注度。如在现有服务评分数据集中，服务si, s2,..., s8按照真实评分值生成的服务推荐排序列表为(I,2,3,4, 5,6,7,8),用户得到的预测服务推荐排序列表分别可能为Rl (4，3，2，1，5，6，7，8)和R2 (1,2,3,4,8,7，6，5)，用户得到的两个预测服务推荐排序列表与按照服务真实评分值生成的推荐排序列表KRCC相似性相同(均为22/28)。但是从服务推荐排序列表Rl和R2中能够看出，服务推荐排序列表R2中前端服务的排序与按照服务真实评分值生成的服务推荐排序列表(1，2，3，4，5，6，7，8)—致；显然服务推荐排序列表R2比Rl更符合用户的期望。但是利用KRCC计算的结果却看不出这种差异，这降低了向用户推荐服务的有效性和准确性。
【发明内容】
[0005]为克服上述缺陷，本发明实施例提供一种服务推荐处理的方法和装置。
[0006]第一方面，本发明实施例提供一种服务推荐处理的方法，其包括:
[0007]获取用户集中各用户对待推荐服务集中各服务的评分值，所述用户集包括活动用户和历史用户，所述待推荐服务集包括多个待推荐给用户的服务；
[0008]根据所述活动用户与各历史用户共同评价过的服务的数量和评分值，获取所述活动用户的相似用户，所述相似用户是指对所述待推荐服务集中的各服务与所述活动用户具有相似排序偏好的历史用户；
[0009]根据所述活动用户和所述相似用户对所述待推荐服务集中各服务的评分值，构建各服务间的偏序关系模型矩阵；
[0010]根据所述偏序关系模型矩阵，应用贪心算法获取服务推荐排序列表；
[0011]根据所述活动用户评价过的服务的排序对所述服务推荐排序列表进行修正。
[0012]在第一方面的第一种可能的实现方式中，所述根据所述活动用户与各历史用户共同评价过的服务的数量和评分值，获取所述活动用户的相似用户，包括:
[0013]根据公式
【权利要求】
1.一种服务推荐处理的方法，其特征在于，包括: 获取用户集中各用户对待推荐服务集中各服务的评分值，所述用户集包括活动用户和历史用户，所述待推荐服务集包括多个待推荐给用户的服务； 根据所述活动用户与各历史用户共同评价过的服务的数量和评分值，获取所述活动用户的相似用户，所述相似用户是指对所述待推荐服务集中的各服务与所述活动用户具有相似排序偏好的历史用户； 根据所述活动用户和所述相似用户对所述待推荐服务集中各服务的评分值，构建各服务间的偏序关系模型矩阵； 根据所述偏序关系模型矩阵，应用贪心算法获取服务推荐排序列表； 根据所述活动用户评价过的服务的排序对所述服务推荐排序列表进行修正。
2.根据权利要求1所述的方法，其特征在于，所述根据所述活动用户与各历史用户共同评价过的服务的数量和评分值，获取所述活动用户的相似用户，包括:
根据公式
计算随机试验期望值，再根据公式sim(u, v) =2p-l计算
平均精度相关系数，选取所述平均精度相关系数满足预设条件的历史用户作为所述相似用户；其中，C (i)表示在所述活动用户u和所述历史用户V各自所对应的排序列表中共同位于所述活动用户u对应的排序列表中的第i个服务前面的服务的数量，N表示所述活动用户u和所述历史用户V共同评价过的服务个数，所述排序列表中所述共同给出评分的服务按照各自对应的评分值由大到小排序。
3.根据权利要求2所述的方法，其特征在于，所述根据所述活动用户和所述相似用户对所述待推荐服务集中各服务的评分值，构建所述活动用户各服务间的偏序关系模型矩阵，包括: 获取所述活动用户u各服务间的偏好关系值v(i，j)，其中，j ^ i，i, j e S;所述Ψ (i, j)表示服务Si和服务间的偏好关系值；S表示待推荐服务集； 若所述活动用户u对服务Si和所述服务均有评分，则Ψ (i，j)=ru,^ru,为所述活动用户u对服务Si的评分值，ru,j为所述活动用户u对服务~的评分值； 若所述活动用户u对服务Si和所述服务至少有一个没有评分，则根据相似用户集计算服务Si和服务间的偏好关系值Ψ (i, j)，具体地，
，其中，所述相似用户集包括所述活动用户u的所有相 似用户中同时评价过服务i和j的各个相似用户V，rv，i为所述历史用户u对服务Si的评分值，rv,j为所述历史用户V对服务的评分值，
若 j=i，贝丨J Ψ (i, j)=0 ； 根据所述活动用户u各服务间的偏好关系值Ψ (i, j)构建所述偏序关系模型矩阵。
4.根据权利要求3所述的方法，其特征在于，所述根据所述偏序关系模型，应用贪心算法获取服务推荐排序列表，包括:获取服务Si的优先值
选取优先值最大的服务St并给予所述服务St
在所述服务推荐排序列表的排序值为1，并从所述待推荐服务集S中将服务St移除； 根据公式η (I) = Ji (i)-2v(i,t)调整所述待推荐服务集S中除服务st之外的其他所有服务Si的优先值π (i)，再次选取优先值最大的服务\并给予所述服务\在所述服务推荐排序列表的排序值为2，并从所述待推荐服务集S中将服务\移除； 重复上述步骤，直至所述待推荐服务集中所有的服务在所述服务推荐排序列表中具有各自对应的排序值。
5.根据权利要求2-4任一所述的方 法，其特征在于，所述预设条件为所述平均精度相关系值在(0.5,1]的范围内。
6.一种服务推荐处理装置，其特征在于，包括: 第一获取模块，用于获取用户集中各用户对待推荐服务集中各服务的评分值，所述用户集包括活动用户和历史用户，所述待推荐服务集包括多个待推荐给用户的服务； 第二获取模块，用于根据所述活动用户与各历史用户共同评价过的服务的数量和评分值，获取所述活动用户的相似用户，所述相似用户是指对所述待推荐服务集中的各服务与所述活动用户具有相似排序偏好的历史用户； 构建模块，用于根据所述活动用户和所述相似用户对所述待推荐服务集中各服务的评分值，构建各服务间的偏序关系模型矩阵； 推荐模块，用于根据所述偏序关系模型矩阵，应用贪心算法获取服务推荐排序列表； 修正模块，用于根据所述活动用户评价过的服务的排序对所述服务推荐排序列表进行修正。
7.根据权利要求6所述的装置，其特征在于，所述第二获取模块具体用于:根据公式
,计算随机试验期望值，再根据公式sim(U，V) =2ρ-1计算平均精度相关系数，选取所述平均精度相关系数满足预设条件的历史用户作为所述相似用户；其中，C (i)表示在所述活动用户u和所述历史用户V各自所对应的排序列表中共同位于所述活动用户u对应的排序列表中的第i个服务前面的服务的数量，N表示所述活动用户u和所述历史用户V共同评价过的服务个数，所述排序列表中所述共同给出评分的服务按照各自对应的评分值由大到小排序。
8.根据权利要求7所述的装置，其特征在于，所述构建模块具体用于: 获取所述活动用户u各服务间的偏好关系值V(i，j)，其中，j ^ i，i, j e S;所述Ψ (i, j)表示服务Si和服务间的偏好关系值；S表示待推荐服务集； 若所述活动用户u对服务Si和所述服务均有评分，则Ψ (i，j)=ru,^ru,为所述活动用户u对服务Si的评分值，ru,j为所述活动用户u对服务~的评分值； 若所述活动用户u对服务Si和所述服务至少有一个没有评分，则根据相似用户集计算服务Si和服务间的偏好关系值Ψ (i, j)，具体地，
其中，所述相似用户集包括所述活动用户u的所有相似用户中同时评价过服务i和j的各个相似用户V，IVi为所述历史用户u对服务Si的评分值，rv,j为所述历史用户V对服务的评分值，
若 j=i，贝丨J Ψ (i, j)=0 ； 根据所述活动用户u各服务间的偏好关系值Ψ (i, j)构建所述偏序关系模型矩阵。
9.根据权利要求8所述的装置，其特征在于，所述推荐模块具体用于:获取服务Si的优先值
选取优先值最大的服务St并给予所述服务St在所述服务推荐排序列表的排序值为1，并从所述待推荐服务集S中将服务St移除； 根据公式η (I) = Ji (i)-2v(i,t)调整所述待推荐服务集S中除服务st之外的其他所有服务Si的优先值π (i)，再次选取优先值最大的服务\并给予所述服务\在所述服务推荐排序列表的排序值为2，并从所述待推荐服务集S中将服务\移除； 重复上述步骤，直至所述待推荐服务集中所有的服务在所述服务推荐排序列表中具有各自对应的排序值。
【文档编号】G06F17/30GK104182392SQ201310188202
【公开日】2014年12月3日 申请日期:2013年5月20日 优先权日:2013年5月20日
【发明者】孟琳琳 申请人:中国联合网络通信集团有限公司