[发明专利]基于标签信息的个性化推荐方法和系统

说明书

本发明涉及一种基于标签信息的个性化推荐方法和系统，该方法包括：通过根据各用户标识所对应的各标签信息对各产品标识进行标记的状态生成三维表，根据三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型；根据用户产品交互矩阵模型和产品标签关系矩阵模型，构建用户标识、产品标识和标签信息对应的联合分解模型；利用贝叶斯个性化排序方法求解联合分解模型得到多个参数值；根据参数值获取用户标识对各产品标识的偏好程度；根据偏好程度从产品标识中选取推荐标识，将推荐标识对应的产品信息推荐给对应的用户标识所在的终端。如此，能解决在标签信息中数据稀疏性的限制，提高个性化排序的精度，从而提高推荐的准确度。

技术领域

本发明涉及信息技术领域，特别是涉及一种基于标签信息的个性化推荐方法和系统。

背景技术

随着信息科技的发展，电子商务发展迅速，而电商平台的信息过载现象也愈加严重。为缓解信息过载，电商平台通常使用个性化推荐系统。个性化推荐系统根据用户个体的在线浏览数据或购买数据构建用户兴趣偏好模型，从而向用户推荐符合其独特需求的产品，可优化用户体验和提升平台用户流量。

传统的个性化推荐系统根据用户对购买过或浏览过的产品标注的标签，向用户推荐同类标签的产品。然而，用户一般用很少的标签来标注产品，而一个产品包含了数量有限的标签，因此电商平台包括的标签信息具有稀疏性，标签信息不能精准的代表产品的描述，同时，由于标签信息的稀疏性，用户之间相似性也是不精确的，导致推荐准确度不高。

发明内容

基于此，有必要针对上述问题，提供一种推荐准确度的基于标签信息的个性化推荐方法和系统。

一种基于标签信息的个性化推荐方法，包括：

获取电商平台的用户标识、产品标识和标签信息，以及各用户标识所对应的各标签信息对各产品标识进行标记的状态，并根据获取的状态生成三维表；

根据所述三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型；

根据所述用户产品交互矩阵模型和所述产品标签关系矩阵模型，构建用户标识、产品标识和标签信息对应的联合分解模型；

利用贝叶斯个性化排序方法求解所述联合分解模型得到多个参数值；

根据所述参数值获取所述用户标识对各产品标识的偏好程度；

根据所述偏好程度从大到小的顺序对所述产品标识排序，并从排序后的产品标识中依次选取推荐标识，将所述推荐标识对应的产品信息推荐给对应的用户标识所在的终端。

一种基于标签信息的个性化推荐系统，包括：

三维表获取模块，用于获取电商平台的用户标识、产品标识和标签信息，以及各用户标识所对应的各标签信息对各产品标识进行标记的状态，并根据获取的状态生成三维表；

矩阵模型建立模块，用于根据所述三维表建立用户产品交互矩阵模型和产品标签关系矩阵模型；

模型组合构建模块，用于根据所述用户产品交互矩阵模型和所述产品标签关系矩阵模型，构建用户标识、产品标识和标签信息对应的联合分解模型；

模型求解模块，用于利用贝叶斯个性化排序方法求解所述联合分解模型得到多个参数值；

偏好程度获取模块，用于根据所述参数值获取所述用户标识对各产品标识的偏好程度；

产品推荐模块，用于根据所述偏好程度从大到小的顺序对所述产品标识排序，并从排序后的产品标识中依次选取推荐标识，将所述推荐标识对应的产品信息推荐给对应的用户标识所在的终端。