一种基于用户画像和情境的科技资源推荐方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113157752A(43)申请公布日2021.07.23(21)申请号202110271266.X(22)申请日2021.03.12(71)申请人北京航空航天大学地址100191北京市海淀区学院路37号(72)发明人宋文燕汤宇琦李姗姗周才博郑嘉宁张辉(74)专利代理机构北京汲智翼成知识产权代理事务所(普通合伙)11381代理人陈曦任佳(51)Int.Cl.G06F16/2457(2019.01)G06F16/215(2019.01)G06F16/248(2019.01)权利要求书3页说明书12页附图2页(54)发明名称一种基于用户画像和情境的科技资源推荐方法及系统(57)摘要本发明公开了一种基于用户画像和情境的科技资源推荐方法及系统。该方法包括：采集科技资源数据，进行清洗并导入信息数据库；将导入到信息数据库中的科技资源数据进行整合及数据规范；基于用户对科技资源的购买偏好和情境化评分，生成推荐列表；将科技资源推荐列表进行可视化处理后，呈现给用户。本发明实现充分挖掘用户行为数据背后隐藏的用户偏好，解决用户整体购买偏好和情景化评分预测的问题。并且，通过用户对科技资源的购买偏好和情境化评分这两种推荐依据的加权综合，解决了科技资源推荐系统中数据稀疏性和冷启动问题，提高了科技资源推荐系统的性能，增加了科技资源推荐的精准性和客观性。CN113157752ACN113157752A权利要求书1/3页1.一种基于用户画像和情境的科技资源推荐方法，其特征在于包括如下步骤：采集科技资源数据，进行清洗并导入信息数据库；将导入到信息数据库中的科技资源数据进行整合及数据规范；基于用户对科技资源的购买偏好和情境化评分，生成推荐列表；将科技资源推荐列表进行可视化处理后，呈现给用户。2.如权利要求1所述的基于用户画像和情境的科技资源推荐方法，其特征在于：生成所述推荐列表包括如下步骤：基于用户画像预测用户对科技资源的购买偏好；基于资源评分预测用户对科技资源的情境化评分；对预测的所述用户对科技资源的购买偏好和情境化评分进行加权计算，得到目标用户在当前情境下对科技资源的综合评分，根据得分高低选取前K项科技资源生成推荐列表。3.如权利要求2所述的基于用户画像和情境的科技资源推荐方法，其特征在于：预测所述用户对所述科技资源的购买偏好包括如下步骤：构建用户画像；基于所述用户画像建立至少一个用户对科技资源购买偏好的预测模型；将所述用户画像的用户标签权重输入到所述用户购买偏好预测模型中，得到用户对科技资源各个属性值的购买偏好权重，并对该购买偏好权重进行加权计算，得到用户对科技资源的购买偏好。4.如权利要求3所述的基于用户画像和情境的科技资源推荐方法，其特征在于：构建用户画像时，包括如下步骤：设置用户画像标签；计算用户标签权重。5.如权利要求4所述的基于用户画像和情境的科技资源推荐方法，其特征在于：使用TF‑IDF方法计算所述用户标签权重，具体包括如下步骤：将标签在用户身上出现的次数除以在该用户身上所有标签出现的总次数，得到用户标签的TF值；将总用户数除以包含所述标签的用户数与1相加的和，其结果再取对数，得到用户标签的IDF值；将所述用户标签的TF值与IDF值相乘，得到所述标签在所述用户身上的权重。6.如权利要求5所述的基于用户画像和情境的科技资源推荐方法，其特征在于：标签在用户U身上出现的次数根据如下公式得到；上式中，标签表示动态标签的第i个偏好维度下的第j个标签，权重w浏览和w收藏分别表2CN113157752A权利要求书2/3页示浏览行为和收藏行为对标签出现次数的影响程度；集合T浏览和T收藏中分别包括用户U对标签在历史记录中产生浏览行为和收藏行为的所有时刻；和分别表示在历史时刻tf下发生的浏览行为和收藏行为中，不考虑偏好随时间变化，单纯按照出现次数统计出的标签在用户U身上出现的次数；和分别表示在历史时刻tf下对标签产生浏览和收藏行为后，该标签基于相应的浏览和收藏时间的偏好衰减系数，根据如下公式得到；上式中，tl表示最新的动态标签的浏览或收藏时刻，λ表示衰减参数，λ＞0，λ越大，表示历史数据所能体现的偏好程度随时间下降得越快。7.如权利要求3所述的基于用户画像和情境的科技资源推荐方法，其特征在于：每个所述用户购买偏好预测模型通过如下步骤得到：获取用于训练用户购买偏好预测模型的训练集数据，包括用户的静态标签、动态标签和购买偏好；采用所述训练集数据对已建立的BP神经网络进行训练，得到所述用户购买偏好预测模型。8.如权利要求2所述的基于用户画像和情境的科技资源推荐方法，其特征在于：预测所述用户对所述科技资源的情境化评分，包括如下步骤：构建用户‑资源‑情景评分矩阵；从所述用户‑资源‑情景评分矩阵中筛选出