[发明专利]一种物品推荐方法及装置

说明书

本发明公开了一种物品推荐方法及装置，方法包括：根据预先确定的全部物品和全部用户的初始资源分布矩阵计算正向初始转移矩阵和反向初始转移矩阵；确定正向初始转移矩阵对应的正向目标流行性惩罚程度和反向初始转移矩阵对应的反向目标流行性惩罚程度；根据正向目标流行性惩罚程度、正向初始转移矩阵和初始资源分布矩阵计算正向目标转移矩阵，根据反向目标流行性惩罚程度、反向初始转移矩阵和初始资源分布矩阵计算反向目标转移矩阵，根据正向目标转移矩阵和反向目标转移矩阵计算双向目标转移矩阵；确定目标资源分布矩阵，根据目标资源分布矩阵确定推荐给每个用户的物品。本发明实现了为用户推荐更加精确、更加多样、更加个性化的物品。

技术领域

本发明涉及互联网技术领域，特别是涉及一种物品推荐方法及装置。

背景技术

信息过载已经成为互联网技术发展的严重障碍，而推荐装置是缓解这一难题的有效途径。推荐装置的出现打破了用户在海量数据中难以获得个性化信息的僵局。纵观国内外，虽然推荐装置已经广泛应用于众多领域，但是仍然难以满足日益增长的商品信息服务需要。

推荐装置对互联网经济的巨大贡献，吸引了众多的研究者，他们根据不同的应用场景和条件研究出了多样的推荐算法。现有的物品推荐方法主要包括以下两种：

第一、基于物品间因果关系的推荐方法。在基于因果关系的推荐方法中，基于二部图网络的协同过滤算法由于适应性强，准确性、多样性和个性化方面推荐性能优异，得到了广泛关注。但是以往在二部图网络上，协同过滤算法主要是基于物品在时间顺序上的因果关系来研究物品间相似性的，但当物品间没有因果关系，并且物品的选择是基于用户的一致性偏好时，采用因果关系推荐将导致物品间相似性估计偏差，造成推荐性能的局限。事实上，在实际应用场景中，绝大多数推荐是非因果的一致性推荐。也就是说，绝大多数情况下，物品间的相似性本质上并不是基于时间上的因果关系，即不是由于用户先喜欢了一个物品，所以才喜欢另一个物品，而是同时喜欢两个物品。当物品之间没有因果关系的时候，基于因果关系的推荐方法则无法判断究竟推荐哪一个物品更好。

第二、基于物品的一致性推荐。即表示用户一致性喜好两个物品。一致相似性是由从已选择物品到未选择物品的相似性和从未选择物品到已选择物品的相似性构成，分别称为正向相似性和反向相似性。由于一致性推荐中影响相似性的因素众多，其间关系复杂，容易导致物品相似性估计偏差。同时，传统基于物质扩散的推荐算法偏向于推荐流行物品，使得流行的物品会被频繁的推荐这不仅不会促进推荐的准确性，而且会伤害到推荐结果的多样性和新颖性。

发明内容

本发明实施例的目的在于提供一种物品推荐方法及装置，实现为用户推荐更加精确和更加个性化的物品。

为达到上述目的，本发明公开了一种物品推荐方法，包括：

根据预先确定的全部物品和全部用户的初始资源分布矩阵计算全部物品的正向初始转移矩阵和反向初始转移矩阵；

确定所述正向初始转移矩阵对应的正向目标流行性惩罚程度和所述反向初始转移矩阵对应的反向目标流行性惩罚程度；

根据所述正向目标流行性惩罚程度、所述正向初始转移矩阵和所述初始资源分布矩阵计算全部物品的正向目标转移矩阵，根据所述反向目标流行性惩罚程度、所述反向初始转移矩阵和所述初始资源分布矩阵计算全部物品的反向目标转移矩阵，根据所述正向目标转移矩阵和所述反向目标转移矩阵计算全部物品的双向目标转移矩阵；

根据所述双向目标转移矩阵和所述初始资源分布矩阵，确定全部物品和全部用户的目标资源分布矩阵，根据所述目标资源分布矩阵确定推荐给每个用户的物品。

可选地，所述确定所述正向初始转移矩阵对应的正向目标流行性惩罚程度和所述反向初始转移矩阵对应的反向目标流行性惩罚程度，包括：

将所述初始资源分布矩阵至少划分为第一初始资源分布矩阵和第二初始资源分布矩阵；