基于用户属性知识库的个性化推荐方法和系统的制作方法
【技术领域】
[0001] 本发明涉及推荐技术领域，特别是涉及一种基于用户属性知识库的个性化推荐方 法和系统。
【背景技术】
[0002] 随着电子商务规模的不断扩大，商品个数和种类快速增长，用户需要花费大量的 时间才能找到自己想买的商品。浏览大量无关信息和产品的过程无疑会使消费者不断流 失。为了解决这些问题，个性化推荐技术应运而生。个性化推荐技术是建立在海量数据挖掘 基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决 策支持和?目息服务。
[0003] 但是现有个性化推荐系统在用户购买商品的历史数据的分析基础上进行推荐时， 可能出现错误推荐。譬如，推荐系统发现Α用户和Β用户的以往兴趣特点和购买行为都很类 似，最近A用户购买了卫生巾，结果推荐系统就把卫生巾推荐给了B用户，这个推荐是否准 确?A用户和B用户之所以在过去的时间内兴趣特点和购买行为都很类似，是因为A用户和B 用户是亲姐弟，但A用户是女性，最近来月经初潮了，所以开始第一次买卫生巾，但B用户是 男性，把卫生巾推荐给B用户，显然是错误的推荐。可见，现有推荐技术得到的推荐结果常常 与用户想买的商品不吻合，导致错误的推荐，进而降低用户对推荐结果的采纳率，降低推荐 系统对用户的价值。
【发明内容】
[0004] 基于上述情况，本发明提出了一种个性化推荐方法和系统，提高对用户进行推荐 的准确率，进而提高用户对推荐结果的采纳率，提升推荐系统对用户的价值。
[0005] 为了实现上述目的，本发明技术方案的实施例为：
[0006] -种个性化推荐方法，包括以下步骤：
[0007] 获取当前推荐系统向用户推荐的推荐结果序列；
[0008]在所述推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐结果作为 初次推荐结果序列，所述预设第一推荐个数小于或等于所述推荐结果序列中的推荐结果总 数；
[0009]根据所述用户的身份信息在用户属性知识库预先存储的用户属性表中查询是否 存储所述用户的属性；
[0010]当查询结果为是时，分别将所述初次推荐结果序列中的各个推荐结果与所述用户 的属性进行匹配；
[0011] 根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐结果进行排 序；
[0012] 在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个推荐结果 作为最终推荐结果序列，所述预设第二推荐个数小于或等于所述预设第一推荐个数；
[0013] 输出所述最终推荐结果序列。
[0014] 一种个性化推荐系统，包括：
[0015] 推荐结果序列获取模块，用于获取当前推荐系统向用户推荐的推荐结果序列；
[0016] 初次推荐结果序列获取模块，用于在所述推荐结果序列中获取预设第一方向的预 设第一推荐个数个推荐结果作为初次推荐结果序列，所述预设第一推荐个数小于或等于所 述推荐结果序列中的推荐结果总数；
[0017] 属性查询模块，用于根据所述用户的身份信息在用户属性知识库预先存储的用户 属性表中查询是否存储所述用户的属性；
[0018] 结果匹配模块，用于当查询结果为是时，分别将所述初次推荐结果序列中的各个 推荐结果与所述用户的属性进行匹配；
[0019] 结果排序模块，用于根据匹配结果，按照预设原则对所述初次推荐结果序列中的 各个推荐结果进行排序；
[0020] 最终推荐结果序列获取模块，用于在排序后的推荐结果序列中获取预设第二方向 的预设第二推荐个数个推荐结果作为最终推荐结果序列，所述预设第二推荐个数小于或等 于所述预设第一推荐个数；
[0021] 序列输出模块，用于输出所述最终推荐结果序列。
[0022] 与现有技术相比，本发明的有益效果为:本发明个性化推荐方法和系统，基于用户 属性知识库，通过将当前推荐系统向用户推荐的预设个数个推荐结果与预先存储在用户属 性知识库中的用户属性进行匹配，根据匹配结果获取最终推荐结果序列，提高对用户进行 推荐的准确率，满足用户的个性化推荐需要，提高用户对推荐结果的采纳率，提升推荐系统 对用户的价值，适合应用。
【附图说明】
[0023] 图1为本发明一个实施例中个性化推荐方法流程示意图；
[0024] 图2为基于图1所示方法一个具体示例中个性化推荐方法流程图；
[0025] 图3为本发明一个实施例中个性化推荐系统结构示意图。
【具体实施方式】
[0026] 为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本 发明进行进一步的详细说明。应当理解，此处所描述的【具体实施方式】仅仅用以解释本发明， 并不限定本发明的保护范围。
[0027] -个实施例中个性化推荐方法，如图1所示，包括以下步骤：
[0028] 步骤S101:获取当前推荐系统向用户推荐的推荐结果序列；
[0029] 其中，当前推荐系统可以是现有的各种推荐系统，也可以是新开发的推荐系统;推 荐系统向用户推荐的推荐结果可以是各种类型的推荐结果，譬如，商品的推荐、衣服的推 荐、图书的推荐、视频的推荐、图片的推荐、论文的推荐或好友的推荐等；
[0030] 步骤S102:在所述推荐结果序列中获取预设第一方向的预设第一推荐个数个推荐 结果作为初次推荐结果序列，所述预设第一推荐个数小于或等于所述推荐结果序列中的推 荐结果总数；
[0031] 例如推荐系统向一个用户推荐的推荐结果数记为p，将这p个推荐结果中的前η个 推荐结果作为η个第一推荐结果，得到初次推荐结果序列，其中，ρ可以是自然数，推荐系统 会向用户推荐至少一个推荐结果，选取推荐系统向一个用户推荐的所有推荐结果中的全部 或部分作为第一推荐结果；
[0032] 步骤S103:根据所述用户的身份信息在用户属性知识库预先存储的用户属性表中 查询是否存储所述用户的属性；
[0033] 例如从用户属性知识库中的用户属性表中检索该个用户的属性，通过用户的身份 信息对用户属性表进行检索，当检索到相应用户的身份信息时，则取出该用户的身份信息 对应的用户的属性;可以事先采集用户的属性存储在用户属性知识库中；
[0034] 步骤S104:当查询结果为是时，分别将所述初次推荐结果序列中的各个推荐结果 与所述用户的属性进行匹配；
[0035] -个推荐结果与用户属性知识库中该个用户的属性的匹配度，本质上是该个推荐 结果与用户属性的符合程度;从一个推荐结果与该个用户的属性的匹配度的大小，可以看 出该个推荐结果与该个用户的属性的吻合度，一个推荐结果与该个用户的属性的匹配度越 大，则表明该个推荐结果与该个用户的属性的吻合度越高；
[0036] 步骤S105:根据匹配结果，按照预设原则对所述初次推荐结果序列中的各个推荐 结果进行排序；
[0037] 例如将η个第一推荐结果与用户属性匹配得到的η个匹配度从大到小进行排序，如 果有些匹配度相同，则这些相同匹配度的推荐结果的先后顺序按照这些推荐结果原先的顺 序不变，η个匹配度代表的是η个第一推荐结果与用户属性的吻合度，所以η个匹配度从大到 小进行排序，本质上是η个第一推荐结果与该个用户的属性的吻合度的从大到小排序； [0038]步骤S106:在排序后的推荐结果序列中获取预设第二方向的预设第二推荐个数个 推荐结果作为最终推荐结果序列，所述预设第二推荐个数小于或等于所述预设第一推荐个 数；
[0039] 例如将η个匹配度从大到小进行排序后的前m个匹配度对应的m个第一推荐结果作 为最终推荐结果的序列，序列中前m个匹配度对应的m个第一推荐结果是与所述用户属性的 吻合度最大的m个第一推荐结果，且在排序得到的序列中m个第一推荐结果也是按照与所述 用户属性的吻合度从大到小进行排序的，使得用户能够得到与用户属性更吻合的m个推荐 结果，且越吻合的推荐结果就越能先看到，因为与用户属性越吻合的推荐结果在序列中越 靠前，避免了现有推荐系统推荐了的P个推荐结果中含有大量与用户属性吻合度低甚至不 吻合的推荐结果的情况；
[0040] 步骤S107:输出所述最终推荐结果序列。
[0041]将最终推荐结果输出给用户的方式可以是现有推荐系统所采用的方式，也可以采 用其他的信息输出方式，譬如，如网页的方式、文件的方式。
[0042]从以上描述可知，本发明个性化推荐方法，基于用户属性知识库，充分考虑了用户 的属性，从而避免了未针对不同用户属性进行个性化推荐的弊端，提高了推荐结果与用户 属性的匹配度，满足了用户的个性化推荐的需要，提高推荐的准确率，提高了用户对推荐结 果的采纳率，提升了推荐系统对用户的价值。
[0043]此外，在一个具体示例中，所述用户的身份信息包括用户ID(身份标识号），所述用 户属性表包括用户字段和用户属性字段，所述用户字段中存储用户ID，所述用户属性字段 中存储用户的属性，所述用户的属性包括用户的年龄、性别、职业、学历、专业、特长、爱好和 地理位置中