用于推荐旅游休闲出行地的基于人机交互的混合推荐系统的制作方法
【技术领域】
[0001] 本发明涉及互联网旅游技术领域，具体涉及一种用于推荐旅游休闲出行地的基于 人机交互的混合推荐系统。
【背景技术】
[0002] 推荐系统（Recommender systems)被用来向用户提供产品、信息、服务等相关建 议，如今已被广泛应用于电影、音乐、书籍等各项商业领域。推荐算法是整个推荐系统的核 心。
[0003] 推荐算法主要有三种类型：基于内存的，基于模型的，和混合式算法。基于内存的 算法，通常使用相似性度量标准来计算两个用户或两个物品之间的距离，而后把距离最近 个体作为推荐项；基于模型算法则是将用户、内容、或其它相关信息进行统计分析，来创建 一个数据模型用以计算出推荐项；而混合算法则是结合两种或两种以上类型的推荐算法， 从而获得比其中任何一种更为优秀的表现。
[0004] 现有的推荐系统大多数通过假设某种特定类型的用户行为作为前提给出推荐 结果，这些假设行为包括：浏览、评分和序列独立性行为（The Sequence-Independent Manner)。具体来说：浏览行为是指用户浏览了哪些内容项；评分行为是指用户为哪些内容 项进行了评分。序列独立性行为是指推荐项是无序的并且无关联性的，相互独立的。但是 这类推荐系统很少考虑到实际应用环境中人机交互场景所带来的影响。
【发明内容】
[0005] 解决上述技术问题，本发明提供了一种用于推荐旅游休闲出行地的基于人机交 互的混合推荐系统，通过使用召回率和多样性指标作为评价标准，采用混合算法，提高推荐 效率。
[0006] 为了达到上述目的，本发明所采用的技术方案是，一种用于推荐旅游休闲出行地 的基于人机交互的混合推荐系统，包括：
[0007] 用户界面模块，用于展现信息内容、获取用户指令、以及记录用户行为，
[0008] 用户模型模块，用于根据用户历史信息及行为，对用户行为进行分析与建模，
[0009] 推荐引擎模块，根据用户模型采用结合人机交互场景算法和混合推荐算法，进行 推荐结果计算，
[0010] 推荐对象模型模块，结合推荐结果并根据用户兴趣维度对推荐对象进行分类，并 推荐对象提供推荐内容。
[0011] 进一步的，用户模型模块，用于根据用户历史信息及行为，对用户行为进行分析与 建模，用户行为包括三个步骤：
[0012] 步骤1 :获得N个推荐项，
[0013] 步骤2 :将推荐项与个人兴趣进行比较，
[0014] 步骤3 :从中选择一个最符合个人兴趣的推荐项进行浏览。
[0015] 推荐引擎模块，根据用户模型采用结合人机交互场景算法和混合推荐算法，进行 推荐结果计算，具体包括以下步骤：
[0016] 步骤1 :接受用户请求，
[0017] 步骤2 :根据特定算法将符合条件的N个建议推荐给用户，
[0018] 步骤3 :记录用户选择用于进一步的推荐。
[0019] 进一步的，所述特定算法包括混合推荐算法，基于已浏览项目的矩阵中的数据特 性，可以将其分为三个阶段：初始阶段，过渡阶段和稳定阶段。初始阶段的三个特性为：已 浏览项目的矩阵为空（null);登录用户的已浏览项目为空；任何用户浏览的项目数量不会 多于TR。该阶段主要使用随机算法。
[0020] 在过度阶段，已浏览项目的矩阵有两种特征：已浏览项目的矩阵不为空；已浏览 项的数量〉TR>0,但被推荐项数量不足以启动kNN算法。该阶段中kNN算法被用于推荐少数 项，而大多数项则由随机算法推荐。
[0021] 在稳定阶段，被浏览项数量超过TR并足以启动kNN算法。该阶段主要由kNN算法 推荐，而为了增加多样性，随机算法同时也会被用于推荐少数项。
[0022] 进一步的，人机交互场景算法人机交互算法基于人机交互场景，分为用户与系统 两个角度。
[0023] 从用户角度，人机交互场景如下：
[0024] 用户向系统输入请求，得到系统推荐的N个内容；
[0025] 当用户决定浏览推荐内容时，无论用户浏览的内容是否基于她的兴趣清单，推荐 流程都会继续；如果用户不喜欢系统推荐的项目，则会退出。
[0026] 从推荐系统角度，人机交互场景如下：
[0027] 推荐系统接受用户的请求并利用混合算法推荐N个项给该用户；
[0028] 如果用户浏览了其中一项，推荐系统会将该选择记录到已浏览项矩阵中，否则流 程终止。
[0029] 所有用户使用推荐系统并没有特定顺序。
[0030] 本发明通过采用上述技术方案，与现有技术相比，具有如下优点：
[0031] 1、定义了"人机交互"(User_Recommender Interaction)流程，它包含推荐系统与 用户两类。
[0032] 2、建立了一个具有增量学习功能的基于人机交互的混合推荐系统。系统初始阶 段，在不存在任何人机交互记录的情况下，系统将通过随机算法进行推荐；在过渡阶段，即 人机交互数据还非常稀疏时，系统则通过随机算法与KNN算法相混合的方式进行推荐；在 稳定阶段，即采集到的数据超过既定阈值后，则主要依靠 KNN算法进行推荐。
[0033] 3、使用召回率和多样性作为评价指标，用来评估在人机交互场景下的推荐系统质 量。
【附图说明】
[0034] 图1是本发明的实施例的结构示意图。
[0035] 图2是本发明的实施例的用户行为流程图。
[0036] 图3是本发明的实施例的推荐引擎模块的流程图。
[0037] 图4描述了用户ul_u4与推荐系统互动的场景示意图。
【具体实施方式】
[0038] 现结合附图和【具体实施方式】对本发明进一步说明。
[0039] 作为一个具体的实施例，如图1所示，本发明的一种用于推荐旅游休闲出行地的 基于人机交互的混合推荐系统，包括：
[0040] 用户界面模块，用于展现信息内容、获取用户指令、以及记录用户行为，
[0041] 用户模型模块，用于根据用户历史信息及行为，对用户行为进行分析与建模，
[0042] 推荐引擎模块，根据用户模型采用结合人机交互场景算法和混合推荐算法，进行 推荐结果计算，
[0043] 推荐对象模型模块，结合推荐结果并根据用户兴趣维度对推荐对象进行分类，并 推荐对象提供推荐内容。
[0044] 本实施例的设计理念如下：
[0045] (1)混合算法是为了均衡互动召回率和多样性而设计的。
[0046] (2)人机交互模型是基于混合算法构建的。
[0047] (3)可以设定参数来对算法进行调优。
[0048] 二、人机交互场景
[0049] 本实施例中所阐述的人机交互场景是指登录用户与推荐系统之间一系列互动动 作。用最简单的例子表示，即用户登录系统后，系统会返回一个或多个推荐项给用户，用户 选择其中一个项或直接关闭系统后，本轮交互结束。人机交互行为主要分为用户行为和推 荐系统行为两部分。
[0050] 1、用户行为流程，
[0051] 参考图2所示，本实施例中用户可以根据他们的反馈被分为两种主要类型：如果 用户对推荐项只进行浏览，被称为浏览用户；如果用户对推荐项进行评分，则称之为评分用 户。本实施例中只使用浏览用户作为例子。
[0052] 用户操作流程设定为三个步骤：
[0053] (1)获得系统的N个推荐项
[00