[发明专利]一种用于用户参与项目的推荐方法及装置

说明书

本申请公开了一种用于用户参与项目的推荐方法，包括：获取待推荐给目标用户的项目集合；获取对所述待推荐给目标用户的项目集合中项目有过参与行为的用户组成的用户集合；获取该用户集合中的每一用户的影响力值；根据用户的参与行为所涉及的项目获取所述用户集合的每一用户与所述目标用户之间的相似度；结合所述用户集合中每一用户的影响力值和该用户集合中每一用户与所述目标用户之间的相似度，计算所述目标用户对所述待推荐给目标用户的项目集合中每一项目的兴趣度的预测值；结合该预测值选取所述待推荐给目标用户的项目集合中至少一个项目向所述目标用户推荐。提高了推荐的准确度以及推荐的项目的质量，使推荐的项目更具有代表性和有效性。

技术领域

本申请涉及互联网应用技术领域，具体涉及一种用于用户参与项目的推荐方法。本申请另外涉及一种用于用户参与项目的推荐装置、用户影响力值的计算方法、用户影响力值的计算装置、用于用户参与项目的推荐方法和用于用户参与项目的推荐装置。

背景技术

互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法及时获取到自身有用的信息，不仅花费了大量的时间，而且造成了资源浪费，解决这个问题的一个办法是推荐系统，它是根据用户对信息的需求和兴趣等，将用户感兴趣的信息或者产品等推荐给用户的系统。其中，协同过滤推荐技术在当前的推荐系统中获得了较大的成功。

现有技术下，协同过滤推荐技术的推荐方法主要包括以下三种：基于用户(User-based)的协同过滤、基于项目(Item-based)的协同过滤和基于模型(Model-based)的协同过滤。

基于用户(User-based)的协同过滤包括以下三个步骤：

1)收集用户资讯

收集可以代表用户兴趣的资讯。一般的网站系统使用评分的方式或是给予评价，这种方式被称为“主动评分”，此外，还有一种评分方式是“被动评分”，是根据用户的行为模式由系统代替用户完成评价，不需要用户直接打分或输入评价资料。

2)最近邻搜索

计算用户之间的相似度并且生成“最近邻居”用户集是基于用户(User-based)的协同过滤的核心。例如：寻找与用户A具有某种相似性的n个用户，将所述n个用户对项目M的评分作为用户A对项目M的评分预测。相似度是表征用户对项目的兴趣程度或者评价、用户的行为以及用户的行为涉及的项目的相似程度。一般会根据资料的不同选择不同的算法，目前较多使用的相似度算法有余弦相似度算法、皮尔森(Pearson)相关系数算法和调整余弦相似度算法。

3)产生推荐结果

有了“最近邻居”用户集，就可以对目标用户的兴趣进行预测，产生推荐结果。依据推荐目的的不同进行不同形式的推荐，较常见的推荐结果有Top-N推荐，Top-N推荐是选取目标用户的兴趣最高的N个项目作为推荐项目。

现有技术的推荐方法是基于目标用户和其他用户之间的相似性向目标用户推荐信息，将与目标用户具有相似性的其他用户的兴趣项目推荐给目标用户。但是在实际当中，对于一个项目，不同的用户对于该项目的兴趣度或者需求度并不相同，此时，推荐系统实际上无法起到应有的作用；这种情况下，必然导致推荐的准确度较低，并且推荐项目的质量下降。

从系统的角度而言，不合适的项目推荐必然会增加用户之间不必要的信息交互，从而导致网站服务器或即时通信服务器增加额外负担，造成网络资源的浪费。

发明内容

本申请提供一种用于用户参与项目的推荐方法，以解决现有技术存在的问题。本申请另外涉及一种用于用户参与项目的推荐装置、用户影响力值的计算方法、用户影响力值的计算装置、用于用户参与项目的推荐方法和用于用户参与项目的推荐装置。

本申请提供一种用于用户参与项目的推荐方法，包括：