[发明专利]网站推荐结果显示方法、装置及具有该装置的终端

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及一种网站推荐结果显示方法、网站推荐结果显示装置及具有该装置的终端。

背景技术

目前，在用户对自己需求相对明确的情况下，搜索引擎成为大家快速找到目标信息的最好途径。而在用户并不明确自己的需求或其需求很难用简单的关键字来表述的情况下，推荐引擎的出现弥补了搜索引擎的不足，推荐引擎致力于主动的信息发现，向用户主动推送符合其个人口味和喜好的结果。

随着推荐技术的不断发展，推荐引擎已经在电子商务（E-commerce，如Amazon，当当网）和一些基于social的社会化站点（包括音乐，电影和图书分享，如豆瓣、Mtime等）都取得成功。这说明，面对海量数据，用户需要这种更加智能，更了解其需求、口味和喜好的信息发现机制。

推荐引擎利用特殊的信息过滤技术，将不同的物品或内容推荐给可能对它们感兴趣的用户。目前各电子商务网站和基于social的社会化站点中，与推荐引擎相关典型的行为包括：购买本商品的顾客还买过；浏览本商品的顾客还看过；浏览更多类似商品；喜欢此商品/书/电影/歌的人还喜欢；用户对此XXX的平均打分等。具体的呈现即在网页的不同区域以文字+图片的二维形式向用户推荐不同的内容。

采用基于数据挖掘的算法来实现推荐引擎是各大电子商务网站、SNS社区最为常用的方法，推荐引擎常用算法有Content-Based推荐算法及协同过滤算法（Item-Based、User-based）。迄今为止在个性化推荐系统中，协同过滤（Collaborative Filtering）技术是应用最成功的技术。目前国内外互联网上有许多大型网站已经应用这项技术为用户更加智能的推荐内容。

基于用户的协同过滤，基本原理是基于用户行为选择的相关性。用户的行为选择这里指的是下载、购买、评价等等能够显式或者隐式体现出用户喜好的行为。在一个典型的基于协同过滤技术的推荐系统中，输入数据通常可以表述为一个m×n的用户内容矩阵R，m是用户数，n是内容数。矩阵的值与内容的类型有关，通常由行为记录模块决定。

基于内容项（Item-based）的协同过滤技术就产生了。与基于用户的技术不同的是，这种方法比较的是内容项与内容项之间的相似度。Item-based方法同样需要进行三个步骤获得推荐：1）得到内容项（Item）的历史评分数据；2）针对内容项进行内容项之间的相似度计算，找到目标内容项的“最近邻居”；3）产生推荐。这里内容项之间的相似度是通过比较两个内容项上的用户行为选择矢量得到的。

现在的各类推荐虽然推荐算法和内容各有不同，但形式都是类似的文字+图片的二维形式，缺乏表现力和新意，也不能让用户对于推荐内容拥有全面的感受和一定掌控，在推荐引擎和用户间缺乏有效的交互，随着时代的发展，信息量的爆发，这样传统的二维展示方式已经不能带来更好的用户体验和更多的扩展性功能。

表现方式单一，展示方式基本是完全基于2D的图片展示，例如“您可能还对xxx感兴趣”+商品的小图片排列展示，展示空间有限；对数据挖掘和针对个人用户的推荐，表现力度缺乏，无法提供更好的用户体验。

根据上节中对目前现有可视化技术的介绍，可以看出基于这些可视化技术实现的数据挖掘结果可视化主要是对挖掘结果进行整体的统计性分析的展示，使人们可以看到经过数据挖掘后数据深层的联系或分布趋势等等。可见，这样的数据挖掘结果可视化针对的是分析性挖掘结果展示，而非直观的挖掘结果的推送。这样的挖掘结果可视化含义复杂，难以理解，只针对特定的专业人员或研究人员，并不面向广泛的普通人群体，停留在研究阶段的可视化需要。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的一个目的在于提出一种显示表现力丰富、立体的且显示直观、形象、明确的网站推荐结果显示方法。

本发明的另一目的在于提出一种网站推荐结果显示装置。

本发明的再一目的在于提出一种终端。

为了实现上述目的，根据本发明第一方面的实施例的网站推荐结果显示方法包括以下步骤：根据用户选择的物品提供与所述物品相关的各个推荐结果；解析所述网站的推荐模型并根据所述推荐模型抽取所述各个推荐结果的多个属性值；建立多维坐标系；将所述各个推荐结果的多个属性值映射到所述多维坐标系；根据所述各个推荐结果在所述多维坐标系中的位置绘制所述各个推荐结果的多维模型；以及在所述多维坐标系中显示所述各个推荐结果的多维模型。

另外，根据本发明上述实施例的网站推荐结果显示方法还可以具有如下附加的技术特征：