[发明专利]用于生成推荐的方法和系统

说明书

公开了一种用于生成推荐的方法和系统，用于生成跨多个产品或服务领域的推荐。该系统包括：用于经由因特网向用户提供接口并且处理用户事件的多个领域服务器；用于存储用户事件的数据库；以及推荐引擎。该推荐引擎还包括一个或多个计算机程序，所述计算机程序包括用于执行以下步骤的指令：收集数据库中的跨多个产品或服务领域的用户事件；接收针对推荐的触发事件；分析用户事件以编制数据库中的用户事件之间的相关性；以及响应于触发事件，根据数据库中的用户事件之间的相关性，生成推荐。所公开的技术用来自不同领域的用户输入数据产生在这些领域中的任何一个中的推荐。所公开的技术允许访问更大量的用户输入数据，这进而又提高了推荐质量。

本申请是申请日为2005年2月25日，题为“用于生成推荐的方法和系统”，申请人为雅虎公司的发明专利申请No.200580005802.0的分案申请。

技术领域

本发明涉及因特网应用领域。具体而言，本发明涉及用于利用来自多个领域的用户输入数据生成产品或服务推荐（recommendation）的方法和系统。

背景技术

推荐是人们搜索并找到他们所需要的东西的最强有力的方式之一。不论是想买照相机还是试图找到餐馆，人们都依赖于从诸如朋友、专家和出版物之类的各种来源获得推荐。

在计算机生成的推荐方面的研究已经开展了几十年，并且已产生了大量出版物和各种方法，以及获得一系列成功的许多工作系统。计算机生成的推荐可以基于来自各种来源的专门知识的代码化。这在二十世纪七十年代和八十年代充斥的基于专家系统的应用就是明证。该方法的问题是在计算机应用中捕捉和维护专门知识时的努力和困难。

解决专家系统的某些缺陷的另一种方法是机器学习系统，其中计算机应用可通过基于过去的执行对其自身作出适应性改变来提高其自己的性能。对于推荐来说，该方法表现为协同过滤（collaborative filtering）算法的形式。

协同过滤使推荐基于其他用户的经验。当面临特定领域中的决定时，人们通常会咨询在该领域有经验的朋友。协同过滤是跨超出朋友和熟人之外的更大用户群组来构建这些推荐的一种方式。该方法以评论、评分、评级、投票等形式获得这些用户的反馈作为输入。输入数据被分析，以找到用户和项目之间的模式和相关性，这些模式和相关性转化为推荐成功的概率。

公知的使用协同过滤的个性化电影推荐网站是MovieLens（http://www.movielens.com）。在该个性化电影推荐服务中，数千用户基于它们对电影的喜爱或不喜爱的程度提交对该电影的评分。针对特定用户的推荐可以通过查看与该用户所喜爱的电影相似的电影来进行。这提供了“喜爱这部电影的人还喜爱以下电影”类型的推荐。例如，查看电影JerryMaguire的用户可能获得对A Few Good Men的电影推荐。在这种情况下，“相似”基于对如下的整个用户群体的评分的分析：该用户群体已对与请求推荐的特定用户评分的电影相关的电影进行了评分。

如上述示例中所示，协同过滤领域中的现有系统集中于基于单个领域内的用户数据来进行推荐。由于只从单个领域（例如电影）收集输入数据，因此可以为该领域内的项目生成推荐。此外，协同过滤推荐的质量依赖于可用的用户输入数据的量。但是如果在一个领域中只有少量数据可用，则所生成的推荐就不太相关并且不太可靠。

因此，需要一种能够解决基于从单个领域收集的数据进行推荐的问题的系统和方法。具体而言，需要一种用于利用来自多个领域的用户输入数据进行产品或服务推荐的系统和方法。

发明内容

本发明公开了一种用跨多个领域的用户输入数据来生成产品或服务推荐的系统和方法。本发明提供了相对于现有系统的许多改进。