[发明专利]项目推荐方法、项目推荐系统以及计算机可读介质

说明书

本公开提供了一种项目推荐方法、项目推荐系统以及计算机可读介质。根据实施例的项目推荐方法对给定用户推荐项目，包括：关联项目集获取操作，基于用户的行为序列，利用自然语言处理的方法获取关联项目集，其中，所述行为序列是由用户的行为以及该行为所涉及的项目构成的序列，所述关联项目集中的项目相互关联；推荐项目集选出操作，根据所述给定用户的给定行为以及所述给定行为所涉及的项目，从所述关联项目集的集合中选出针对所述给定用户的推荐项目集；以及推荐项目确定操作，根据所述给定用户的所述给定行为以及所述给定行为所涉及的项目，在所述推荐项目集中确定针对所述给定用户的推荐项目。

技术领域

本公开涉及互联网技术领域，更具体地，涉及一种对给定用户推荐项目的项目推荐方法、项目推荐系统以及计算机可读介质。

背景技术

随着互联网数据的不断增加，如何帮助用户找到其真正感兴趣或需要的信息、物品等正变得越来越紧迫和重要。近年来，为了解决这一课题，个性化推荐系统得到了广泛应用。在电子商务和各类社会化站点中，个性化推荐系统可以根据用户的需求、兴趣等向用户推信息、物品等各种项目。

现有的推荐方法主要分为以下几类：(1)基于内容的推荐，即从项目本身的属性/内容元数据中找到项目间的相似度，根据项目之间的相似度进行推荐；(2)协同过滤推荐，即根据大量用户针对项目的行为得出用户或项目间的相似度，利用用户或项目间的相似度进行推荐；(3)基于关联规则的推荐，即从大量统计数据中挖掘关联规则，发现不同项目的相关性，基于关联规则进行推荐。此外，实际应用中，常常将上述几种推荐方法组合起来进行推荐，即所谓的组合推荐。

但是，在实现本发明的过程中，本发明人发现在现有技术中至少存在如下问题。

现有的基于内容的推荐和协同过滤推荐都是孤立地看待各个项目，并没有将用户感兴趣的项目联系起来从整体上考虑项目间的相关性，因此无法准确把握用户的真正需求，很难给用户推荐看似不相关却又真正符合用户需求的项目。比如，在电子商务中，对于上述两种推荐方法来说，当用户购买了“垃圾袋”时，可能会推荐“垃圾桶”，当用户购买了“打火机”时，可能会推荐“香烟”。但是，实际上，该用户已经购买的物品是“垃圾袋”、“打火机”、“碳块”、“烧烤架”、“鸡翅”、“羊肉串”。根据这些已购买物品，可以推测出该用户正在为野外烧烤作准备，他真正需要的物品应该是用于野外烧烤的“钎子”、“烤叉”等，而不是“垃圾桶”和“香烟”。由此可见，在需要根据用户的购买物品集合推测出用户的真正需求才能给出准确推荐的情况下，上述两种推荐方法并不适用。

另外，基于关联规则的推荐主要是从大量有关用户、项目的统计结果中发现不同项目的相关性，难以根据项目多侧面的相关性(比如性质、用途上的相关性等)来推测用户的真正需求，并不能很好地适用于诸如上述野外烧烤的情形。此外，基于关联规则的推荐是以超市实体店这样的购物场景为背景发展起来的。在这样的研究背景下，无法跟踪用户的长期购物行为，并不特别适合于当前电子商务或各类社会化站点要求个性化推荐的应用场景。再有，基于关联规则的推荐必须首先自底向上地构建项目的频繁项集，然后基于频繁项集发现关联规则。然而，由于互联网上的信息、物品等各种项目的数量尤为庞大，因此使得构建频繁项集这一过程非常繁复而且耗时。另外，随着被发现的关联规则数目的增多，系统也会变得越来越复杂和低效。

因此，如何能够以相对简便的方法根据项目多侧面的相关性推测出用户的真正需求，针对特定用户个性化地进行相对准确的项目推荐就成为困扰本领域技术人员的一个重要课题。

发明内容

有鉴于此，本公开的目标至少部分地在于提供一种项目推荐方法、项目推荐系统以及计算机可读介质，能够以相对简便的方法根据项目多侧面的相关性推测出用户的真正需求，针对特定用户个性化地进行相对准确的项目推荐。