[发明专利]一种基于用户隐式反馈的个性化神经网络推荐方法及系统

说明书

本发明公开了一种基于用户隐式反馈的个性化神经网络推荐方法及系统，本发明基于用户的隐式数据建立隐式反馈神经网络推荐(IFNNRM)模型，将获取到的用户标识及多个要推荐的信息标识，输入到所建立的IFNNRM模型中，输出得到推荐信息，用户隐式数据包括用户的特征信息、与用户相关联的要推荐信息、及用户和用户相关联的要推荐信息之间的行为信息。由于本发明实施例在建立IFNNRM模型时基于用户的隐式数据建立，所以在推荐时，采用IFNNRM进行推荐，从而可以基于用户的隐式数据，实现为用户推荐信息。

技术领域

本发明涉及计算机技术领域，特别涉及一种基于用户隐式反馈的个性化神经网络推荐方法及系统。

背景技术

随着互联网技术的快速发展，互联网网络侧根据用户数据为用户进行个性化推荐。在进行个性化推荐过程中，需要根据用户的历史偏好和行为的用户历史数据，给用户提供其感兴趣的推荐信息。为了实现为用户推荐信息，目前有基于内容的推荐方法、协同过滤推荐方法、基于关联规则的推荐方法及组合推荐方法，以下进行简述。

基于内容的推荐方法用来挖掘用户以前喜欢的物品信息，以便能够挖掘出和以前喜欢的物品信息相似的物品信息，作为推荐信息推荐给用户。该方法通过对用户以前评过分物品的描述及物品信息为用户建立用户的模型特征，在推荐过程中，将用户的模型特征与新物品信息的特征相匹配，从而输出用户对新物品信息的评分，作为用户推荐信息。

协同过滤推荐方法是通过用户对项目的评分数据，获取到与目标用户或物品信息相似的对象作为候选推荐信息，进行推荐。协同过滤推荐方法有两种方式：基于用户的协同过滤推荐方法及基于项目的协同过滤推荐方法。其中基于用户的协同过滤推荐方法为：首先获取用户对于物品的评分，然后通过用户间的相似性寻找用户的最近邻居集合，最后利用预测函数和邻居用户集合的评分来完成为用户推荐的物品信息；基于物品的协同过滤推荐方法为：根据项目间相似性得到目标项目的相似项目集合，通过预测函数和相似物品集合产生为用户推荐的物品信息列表。

基于关联规则的推荐方法是在用户使用物品的事务集合中分析使用事务X的用户中有多少对于事务Y也感兴趣，从而在后续推荐过程中，基于分析，为用户推荐信息。该方法根据预先产生的关联规则及用户的历史数据为用户推荐信息。

组合推荐方法是将多种推荐方法组合在一起的一种方法，分别采用设置的每种推荐方法，根据用户的历史数据为用户推荐信息后，再有机的结合，得到结合后的推荐信息，作为最终为用户推荐的信息。

上述每种推荐方法的输入信息分别是用户的历史数据，然后基于用户的历史数据输出推荐信息。其中，上述每种推荐方法基于的是用户的历史数据，而用户的历史数据都是显式方式获取得到的，也就是历史采集用户主动对物品信息的评分等信息，而这种显式获取到的用户历史数据在有很多场景下是无法获取到的，比如用户并不主动对物品信息进行评分等。这时，采用上述推荐方法就无法实现为用户推荐信息。

发明内容

有鉴于此，本发明实施例提供一种基于用户隐式反馈的个性化神经网络推荐方法，该方法能够基于用户隐式数据，实现为用户推荐信息。

本发明实施例还提供一种基于用户隐式反馈的个性化神经网络推荐系统，该系统能够基于用户隐式数据，实现为用户推荐信息。

本发明实施例是这样实现的：

一种基于用户隐式反馈的个性化神经网络推荐方法，该方法包括：

基于用户的隐式数据建立隐式反馈神经网络推荐IFNNRM模型；

将获取到的用户标识及多个要推荐的信息标识，输入到所建立的IFNNRM模型中，输出得到推荐信息。

所述用户的隐式数据包括用户的特征信息、与用户相关联的要推荐信息、及用户和用户相关联的要推荐信息之间的行为信息。

所述用户的隐式数据的获取包括：