[发明专利]基于特征的协同过滤推荐方法

说明书

技术领域

本发明属于信息技术中的推荐系统技术领域，特别适合于Internet环境下基于电子商务的推荐应用。 

背景技术

网上购物的出现和急速发展在给人们提供了更丰富更多样的产品信息的同时，也让人们在面对众多选择时犹如大海捞针，难以找到自己真正想要的产品。对这种信息过载的最流行也是最有效的解决方案就是推荐系统。推荐系统可以自动向客户推送个性化的产品以减少客户的浏览时间提高购物效率。推荐系统的本质就是基于客户的历史记录预测一个顾客对某个产品的评价，根据预测的结果向客户推荐他可能感兴趣或者评价高的产品。一个推荐系统往往只推荐同类产品，比如推荐书、音乐或者电影等。通常的推荐系统都是提供个性化推荐，不同的客户群体接收到的推荐不一样；也有非个性化的推荐系统，比如推荐排行前十名的图书或者CD。推荐系统在基于评分的网站应用十分广泛，如亚马逊、Youtube、Netflix、Yahoo、Last.fm、Imdb等。越来越多的公司也开始开发自己的推荐系统，如Netflix是一个在线电影租凭的网站，他们曾经举办了一个比赛，第一个将Netflix推荐系统的效率提高10%的团队可以获得100万美金。 

除了在工业界，学术界里也有很多探讨推荐系统的会议和研讨会，例如成立于2007年的ACM Recommender Systems(RecSys)现在已成为每年都举行的首要的探讨推荐系统的会议。推荐系统的集会也频繁的出现在数据库、信息系统和自适应系统领域的会议中，如ACM SIGIRSpecial Interest Group on Information Retrieval(SIGIR),Internationa Conference on Information and Knowledgement Management(CIKM)，User Modeling,Adaptationand Personalization(UMAP)和ACM Special Interest Group on Management of Data(SIGMOD)等。很多学术期刊也特别开设一个板块刊登推荐系统的最新研究进展，如AI Communications(2008)、IEEE Intelligent Systems(2007)、 InternationalJournal of Electronic Commerce(2006)、International Journal of ComputerScience and Applications(2006)、ACM Transactions on Computer-HumanInteraction(2005)和ACM Transactions on Information Systems(2004)等等。 

Herlocker等定义了11种推荐系统可以实现的功能。推荐系统的功能和信息检索系统很像，一方面他们有满足客户需求的基本功能，推荐系统帮助客户找到与其历史记录相关的产品，信息检索系统帮助客户找到与查询相关的文档；另一方便，推荐系统推荐给客户之前没有注意到但是可能感兴趣的新事物，信息检索系统也有相关的功能，如google的手气不错。推荐系统的功能可以归纳为以下三个方面： 

1）推荐 

●帮助用户发现可能喜欢的新产品； 

●帮助用户找到和自己兴趣相同的用户； 

●帮助一个用户群体找到他们感兴趣的产品； 

●为用户推荐的物品做出解释，这些推荐是基于用户的哪些行为而给出的。 

2）预测 

●帮助客户评价产品是好是坏。 

3）有条件限制的推荐 

●根据客户给出的限定条件作出符合条件的推荐，如价格低于50元的书籍等等。 

推荐系统里最主要的两个概念就是物品（Item）和用户（User）。物品是指被推荐的产品，通常具有属性和特征，如电影有导演、演员、类型、国家等，唱片有歌手、发行公司、发行年份等，通过这些属性我们可以了解一个产品吸引客户的价值在哪里。用户是指使用推荐系统的客户，同样具有一系列属性，在人口学推荐系统中，用户有年龄、性别、所属地区等属性；而在协同过滤的推荐系统中，客户被描述成对一系列物品的打分向量；在一个网页推荐系统中，客户则被描述成网页的历史浏览模式。 

比较常见的推荐算法分成六类：