[发明专利]一种物品推荐方法及装置

说明书

本发明实施例公开了一种物品推荐方法及装置，其中方法包括：根据历史数据中预先建立的全部用户、全部用户已购买的全部物品的初始物品以及用户的资源分布矩阵，确定正向相似性矩阵以及反向相似性矩阵；确定初始双向相似性矩阵，并根据初始双向相似性矩阵确定二阶初始双向相似性矩阵；确定二阶初始双向相似性矩阵对应的目标删减冗余相似性参数；确定目标双向相似性矩阵；确定全部用户、全部用户已购买的全部物品的目标物品以及用户的资源分布矩阵，通过目标物品以及用户的资源分布矩阵确定目标物品以及用户的资源分布矩阵中全部用户对应的推荐物品。本发明实施例实现了为用户推荐的物品更加精确，以及更加个性化。

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

随着互联网技术的飞速发展，越来越多的无用的信息出现在用户的推荐列表中。在大量购物网站中如何为用户推荐有用的信息以及如何为每个用户推荐的信息更准确，进而出现了物品推荐系统。

物品推荐系统中基于二部图网络的协同过滤方法最为常用。主要实现方式为：基于物品间因果关系研究物品相似性，即基于时间顺序用户先后喜欢物品的相似性为用户推荐物品。实际过程中，物品间的相似性并不是基于时间上的因果关系，并不是由于用户喜欢一个物品后才喜欢另一个物品，这种物品推荐方法的应用范围小。

为解决没有因果关系的物品推荐，出现了一致性推荐方法。该方法为：当用户同时喜欢两个物品时，通过判断物品的正向相似性或反向相似性为用户推荐物品。其中，正向相似性为从已选择的物品关联未选择的物品，通过判断未选择物品的权重大小，将权重大的物品推荐给用户。反向相似性为从未选择的物品关联已选择的物品，通过判断未选择物品关联的已选择的物品的权重大小以及与实际推荐的准确性，将未选择物品中权重大的、准确性高的物品推荐给用户。

现有技术中，往往只考虑正向相似性，容易导致物品相似性估计偏差。另外，在实际运算过程中，利用双向相似性物品存在冗余相似性物品过高推荐的问题，即为根据双向相似性矩阵得到的某几个推荐物品的权重大小一样，但实际上可能某些物品是根据用户喜好单一属性被用户购买，而其它物品可能是分别根据用户喜好多种不同属性被用户购买，用户必然更喜欢多个属性满足其喜好的物品，在计算结果中这些物品的相似性权重大小是一致的，但是用户对它们的喜好程度并不一样，导致某些根据用户喜好单一属性被用户购买的物品被系统过高估计而推荐给用户，而不能突出符合用户需要的物品，影响推荐物品的准确性。

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，通过降低双向相似性矩阵中冗余相似性物品的相似性，实现为用户推荐的物品更加精确，以及更加个性化。

为达到上述发明目的，本发明实施例公开了一种物品推荐方法，包括：

根据历史数据中预先建立的全部用户、所述全部用户已购买的全部物品的初始物品以及用户的资源分布矩阵，确定正向相似性矩阵以及反向相似性矩阵；

根据所述正向相似性矩阵以及所述反向相似性矩阵，确定初始双向相似性矩阵，并根据所述初始双向相似性矩阵确定二阶初始双向相似性矩阵；

根据预设删减冗余相似性参数集合，确定二阶初始双向相似性矩阵对应的目标删减冗余相似性参数；

根据所述目标删减冗余相似性参数、所述初始双向相似性矩阵以及所述二阶初始双向相似性矩阵，确定目标双向相似性矩阵；

根据所述目标双向相似性矩阵以及所述全部用户、所述全部用户已购买的全部物品的初始物品以及用户的资源分布矩阵，确定所述全部用户、所述全部用户已购买的全部物品的目标物品以及用户的资源分布矩阵，通过所述目标物品以及用户的资源分布矩阵确定所述目标物品以及用户的资源分布矩阵中全部用户对应的推荐物品。

可选地，所述根据所述正向相似性矩阵以及所述反向相似性矩阵，确定初始双向相似性矩阵，并根据所述初始双向相似性矩阵确定二阶初始双向相似性矩阵，包括：