[发明专利]一种针对科技情报的个性化推荐方法

说明书

本发明公开一种针对科技情报的个性化推荐方法，所述方法包括以下步骤：(1)利用采集器等工具对系统中使用者、科技情报相关的数据进行采集(2)对采集的数据进行特征处理(3)对特征处理过的数据进行特征计算(4)对数据进行降维处理(5)对降维过后的数据进行聚类(6)同类别里计算使用者之间的相似性(7)对使用者进行个性化推荐。通过对使用者年龄以及动态时间的建模，从而快速有效对使用者进行个性化的推荐。

技术领域

本发明属于计算机信息处理技术领域，具体的，本发明涉及一种针对科技情报的个性化推荐方法。

背景技术

随着互联网的发展以及信息技术的不断完善，人们的日常生活越来越多的参与到互联网当中，例如购物、看电影、听音乐等等，虽然为人们带来了巨大便利，虽然同是也带来了许多难以解决的问题，比如网络上存储着越来越多的数据。这爆炸式的信息量和资源所造成的结果就是信息过载，面对大量无用的信息，信息搜索技术已经难以帮助使用者从中找到需要的信息，在这种背景下，个性化推荐算法的出现正好缓解了此问题，传统的协同过滤算法通过将不同的使用者与不同科技情报联系起来，帮助使用者找到自己感兴趣的科技情报，通过对大量信息进行查找、筛选，协同过滤算法可以把使用者想要得到的信息推送给使用者。传统的协同过滤算法在商业购物网站上的应用已经非常成熟了，但是在科技情报系统中的应用却非常少，科技情报主要是基于各种书籍、论文、专利以及各种知识产权等内容为基础，向大型企业以及个人提供智能化分析的应用需求，以提升企业和个人科技情报的实时感知与智能理解，面对大量的信息，尤其是各种科技情报信息不断的更新，以及系统中大量的使用者，随着时间的推移、使用者年龄的变化，传统的协同过滤算法显然无法对科技情报做出快速准确的建议。特别是在在线系统中，使用者希望他们的请求能够立即得到满足，但是传统的CF却做不到，为了提升传统CF在科技情报系统中推荐的有效性，需要考虑使用者的偏好随着年龄以及时间动态变化的特点。

发明内容

针对上述技术问题，本发明的目的在于，提出了一种针对科技情报的个性化推荐方法，通过对系统中使用者数据的特征处理、特征计算、降维、聚类、相似性计算、推荐结果。可以解决随着使用者年龄以及时间推移所导致的推荐不准确和数据稀疏性等问题。具体技术方案如下：

所述方法包括以下步骤：

获取科技情报系统中使用者的信息以及科技情报的信息，具体为科技情报系统中使用者的信息以及科技情报的信息包括：

使用者在科技情报系统中的编号(Uid)、年龄(Age)、使用者对科技情报的评分(R)、使用者对科技情报的评价时间(Date)、科技情报的编号(Kid)。

对采集的信息进行特征处理，具体为对科技情报系统中使用者的年龄(Age)进行归类，具体归类方法为①18岁及以下对应为类别1,对应权重为w₁。②19-35岁对应为类别2,对应权重为w₂。③36-50岁对应为类别3,对应权重为w₃。④51岁及以上对应为类别4,对应权重为w₄。然后对年龄进行加权处理，使不同类别的年龄乘上对应的权重，得到加权年龄(Age')。评价天数(Day)为使用者对科技情报的评价天数，计算方式为Day＝当前日期-Date。对评价天数(Day)做加权处理，使权重乘以评价天数，得到加权评价天数(Day')。对特征处理过的信息进行特征计算，具体为根据加权年龄(Age')以及加权评价天数(Day')，对使用者给科技情报的评分(R)进行重新评分。评分方式为Ratings＝R/(Age'+Day')，Ratings为使用者对科技情报计算所得评分。

对信息进行降维处理，具体为根据使用者对科技情报的最新评分(Ratings)，得到使用者对科技情报的评分矩阵(R_m×n)，然后使用奇异值分解对评分矩阵进行降维，通过奇异值分解，得到两个正交矩阵以及一个对角矩阵，通过选取奇异值的数量来达到降维的维度，得到稠密矩阵(R'_m×n)。