三者之間的對(duì)應(yīng) 關(guān)系，則所述向量組劃分單元包括：
[0138] 距離計(jì)算單元，用于利用所述物品在任兩個(gè)向量下的評(píng)分值進(jìn)行歐式距離計(jì)算， 獲得所述任兩個(gè)向量之間的距離；
[0139] 聚類分析單元，用于利用所述任兩個(gè)向量之間的距離，通過聚類分析，將所述各個(gè) 向量劃分到不同向量組。
[0140] 可選地，所述向量組劃分單元還包括:粒度確定單元，用于根據(jù)所述物品，確定該 維度上下文信息中向量的劃分粒度。
[0141] 可選地，所述聚類分析單元，具體用于獲得向量組劃分指令，所述向量組劃分指令 包括指定向量組數(shù)目；按照所述指定向量組數(shù)目，調(diào)整聚類分析劃分出的向量組數(shù)目，將所 述各個(gè)向量劃分到不同向量組。
[0142] 可選地，所述調(diào)整判斷單元，具體用于根據(jù)所述響應(yīng)信息調(diào)整所述第一上下文信 息與所述第一推薦內(nèi)容之間的匹配值;判斷調(diào)整后的匹配值是否低于預(yù)設(shè)值，所述預(yù)設(shè)值 由所述推薦算法的正確率確定；如果所述調(diào)整后的匹配值低于所述預(yù)設(shè)值，判定調(diào)整所述 第一推薦內(nèi)容。
[0143] 可選地，對(duì)預(yù)設(shè)樣本進(jìn)行離線測(cè)試，獲得所述推薦算法的正確率。
[0144] 可選地，所述推薦內(nèi)容確定單元，具體用于根據(jù)所述響應(yīng)信息確定用戶感興趣的 物品；從所述推薦算法計(jì)算得到的所有推薦內(nèi)容中，查找出與所述用戶感興趣的物品的匹 配度最高的推薦內(nèi)容，作為所述第二推薦內(nèi)容。
[0145] 以上結(jié)合附圖詳細(xì)描述了本發(fā)明的優(yōu)選實(shí)施方式，但是，本發(fā)明并不限于上述實(shí) 施方式中的具體細(xì)節(jié)，在本發(fā)明的技術(shù)構(gòu)思范圍內(nèi)，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行多種簡(jiǎn) 單變型，這些簡(jiǎn)單變型均屬于本發(fā)明的保護(hù)范圍。
[0146] 另外需要說明的是，在上述【具體實(shí)施方式】中所描述的各個(gè)具體技術(shù)特征，在不矛 盾的情況下，可以通過任何合適的方式進(jìn)行組合，為了避免不必要的重復(fù)，本發(fā)明對(duì)各種可 能的組合方式不再另行說明。
[0147] 此外，本發(fā)明的各種不同的實(shí)施方式之間也可以進(jìn)行任意組合，只要其不違背本 發(fā)明的思想，其同樣應(yīng)當(dāng)視為本發(fā)明所公開的內(nèi)容。
【主權(quán)項(xiàng)】
1. 一種個(gè)性化推薦方法，其特征在于，所述方法包括： 抓取用戶數(shù)據(jù)對(duì)應(yīng)的第一上下文信息，獲得與所述第一上下文信息相匹配的第一推薦 內(nèi)容； 獲取用戶針對(duì)所述第一推薦內(nèi)容的響應(yīng)信息，所述響應(yīng)信息用于表示用戶是否對(duì)所述 第一推薦內(nèi)容感興趣； 根據(jù)所述響應(yīng)信息判斷是否調(diào)整所述第一推薦內(nèi)容，如果是，則確定與所述響應(yīng)信息 相匹配的第二推薦內(nèi)容，所述第一推薦內(nèi)容和所述第二推薦內(nèi)容根據(jù)同一推薦算法計(jì)算獲 得； 將與所述第一上下文信息相匹配的所述第一推薦內(nèi)容調(diào)整為第二推薦內(nèi)容。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，預(yù)先建立有上下文信息、應(yīng)用場(chǎng)景與推薦 內(nèi)容三者之間的對(duì)應(yīng)關(guān)系，則 所述獲得與所述第一上下文信息相匹配的第一推薦內(nèi)容，包括:查找與所述第一上下 文信息相匹配的第一應(yīng)用場(chǎng)景，將所述第一應(yīng)用場(chǎng)景對(duì)應(yīng)的推薦內(nèi)容作為所述第一推薦內(nèi) 容； 所述將與所述第一上下文信息相匹配的所述第一推薦內(nèi)容調(diào)整為第二推薦內(nèi)容，包 括:查找所述第二推薦內(nèi)容對(duì)應(yīng)的第二應(yīng)用場(chǎng)景，將所述第一上下文信息、第一應(yīng)用場(chǎng)景與 第一推薦內(nèi)容三者之間的對(duì)應(yīng)關(guān)系，調(diào)整為所述第一上下文信息、第二應(yīng)用場(chǎng)景與第二推 薦內(nèi)容三者之間的對(duì)應(yīng)關(guān)系。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述上下文信息為多維度上下文信息，建 立上下文信息與應(yīng)用場(chǎng)景之間的對(duì)應(yīng)關(guān)系，包括： 分別對(duì)各維度的上下文信息做如下處理:根據(jù)該維度上下文信息所包括的各個(gè)向量之 間的緊密程度，將所述各個(gè)向量劃分到不同向量組； 將所述各維度的上下文信息劃分出的向量組的笛卡爾積，作為抽象向量，獲得抽象維 度的上下文信息； 根據(jù)所述抽象向量之間的緊密程度，將所述抽象向量劃分到不同應(yīng)用場(chǎng)景，建立所述 抽象向量與所述應(yīng)用場(chǎng)景的映射關(guān)系，獲得所述上下文信息與應(yīng)用場(chǎng)景之間的對(duì)應(yīng)關(guān)系。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，針對(duì)各維度上下文信息，預(yù)先建立有物品、 向量和評(píng)分值三者之間的對(duì)應(yīng)關(guān)系，則，所述根據(jù)該維度上下文信息所包括的各個(gè)向量之 間的緊密程度，將所述各個(gè)向量劃分到不同向量組，包括： 利用所述物品在任兩個(gè)向量下的評(píng)分值進(jìn)行歐式距離計(jì)算，獲得所述任兩個(gè)向量之間 的距離； 利用所述任兩個(gè)向量之間的距離，通過聚類分析，將所述各個(gè)向量劃分到不同向量組。5. 根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述響應(yīng)信息判斷是 否調(diào)整所述第一推薦內(nèi)容，包括： 根據(jù)所述響應(yīng)信息調(diào)整所述第一上下文信息與所述第一推薦內(nèi)容之間的匹配值； 判斷調(diào)整后的匹配值是否低于預(yù)設(shè)值，所述預(yù)設(shè)值由所述推薦算法的正確率確定； 如果所述調(diào)整后的匹配值低于所述預(yù)設(shè)值，判定調(diào)整所述第一推薦內(nèi)容。6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，對(duì)預(yù)設(shè)樣本進(jìn)行離線測(cè)試，獲得所述推薦 算法的正確率。7. 根據(jù)權(quán)利要求1至4任一項(xiàng)所述的方法，其特征在于，所述確定與所述響應(yīng)信息相匹 配的第二推薦內(nèi)容，包括： 根據(jù)所述響應(yīng)信息確定用戶感興趣的物品； 從所述推薦算法計(jì)算得到的所有推薦內(nèi)容中，查找出與所述用戶感興趣的物品的匹配 度最高的推薦內(nèi)容，作為所述第二推薦內(nèi)容。8. -種個(gè)性化推薦裝置，其特征在于，所述裝置包括： 推薦內(nèi)容獲得單元，用于抓取用戶數(shù)據(jù)對(duì)應(yīng)的第一上下文信息，獲得與所述第一上下 文信息相匹配的第一推薦內(nèi)容； 響應(yīng)信息獲取單元，用于獲取用戶針對(duì)所述第一推薦內(nèi)容的響應(yīng)信息，所述響應(yīng)信息 用于表示用戶是否對(duì)所述第一推薦內(nèi)容感興趣； 調(diào)整判斷單元，用于根據(jù)所述響應(yīng)信息判斷是否調(diào)整所述第一推薦內(nèi)容； 推薦內(nèi)容確定單元，用于在所述調(diào)整判斷單元判定調(diào)整所述第一推薦內(nèi)容時(shí)，確定與 所述響應(yīng)信息相匹配的第二推薦內(nèi)容，所述第一推薦內(nèi)容和所述第二推薦內(nèi)容根據(jù)同一推 薦算法計(jì)算獲得； 推薦內(nèi)容調(diào)整單元，用于將與所述第一上下文信息相匹配的所述第一推薦內(nèi)容調(diào)整為 第二推薦內(nèi)容。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，預(yù)先建立有上下文信息、應(yīng)用場(chǎng)景與推薦 內(nèi)容三者之間的對(duì)應(yīng)關(guān)系，則 所述推薦內(nèi)容獲得單元，具體用于查找與所述第一上下文信息相匹配的第一應(yīng)用場(chǎng) 景，將所述第一應(yīng)用場(chǎng)景對(duì)應(yīng)的推薦內(nèi)容作為所述第一推薦內(nèi)容； 所述推薦內(nèi)容調(diào)整單元，具體用于查找所述第二推薦內(nèi)容對(duì)應(yīng)的第二應(yīng)用場(chǎng)景，將所 述第一上下文信息、第一應(yīng)用場(chǎng)景與第一推薦內(nèi)容三者之間的對(duì)應(yīng)關(guān)系，調(diào)整為所述第一 上下文信息、第二應(yīng)用場(chǎng)景與第二推薦內(nèi)容三者之間的對(duì)應(yīng)關(guān)系。10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述上下文信息為多維度上下文信息，所 述裝置還包括： 向量組劃分單元，用于分別對(duì)各維度的上下文信息做如下處理:根據(jù)該維度上下文信 息所包括的各個(gè)向量之間的緊密程度，將所述各個(gè)向量劃分到不同向量組； 抽象維度獲得單元，用于將所述各維度的上下文信息劃分出的向量組的笛卡爾積，作 為抽象向量，獲得抽象維度的上下文信息； 映射關(guān)系建立單元，用于根據(jù)所述抽象向量之間的緊密程度，將所述抽象向量劃分到 不同應(yīng)用場(chǎng)景，建立所述抽象向量與所述應(yīng)用場(chǎng)景的映射關(guān)系，獲得所述上下文信息與應(yīng) 用場(chǎng)景之間的對(duì)應(yīng)關(guān)系。11. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，針對(duì)各維度上下文信息，預(yù)先建立有物 品、向量和評(píng)分值三者之間的對(duì)應(yīng)關(guān)系，則所述向量組劃分單元包括： 距離計(jì)算單元，用于利用所述物品在任兩個(gè)向量下的評(píng)分值進(jìn)行歐式距離計(jì)算，獲得 所述任兩個(gè)向量之間的距離； 聚類分析單元，用于利用所述任兩個(gè)向量之間的距離，通過聚類分析，將所述各個(gè)向量 劃分到不同向量組。12. 根據(jù)權(quán)利要求8至11任一項(xiàng)所述的裝置，其特征在于， 所述調(diào)整判斷單元，具體用于根據(jù)所述響應(yīng)信息調(diào)整所述第一上下文信息與所述第一 推薦內(nèi)容之間的匹配值;判斷調(diào)整后的匹配值是否低于預(yù)設(shè)值，所述預(yù)設(shè)值由所述推薦算 法的正確率確定;如果所述調(diào)整后的匹配值低于所述預(yù)設(shè)值，判定調(diào)整所述第一推薦內(nèi)容。13.根據(jù)權(quán)利要求8至11任一項(xiàng)所述的裝置，其特征在于， 所述推薦內(nèi)容確定單元，具體用于根據(jù)所述響應(yīng)信息確定用戶感興趣的物品；從所述 推薦算法計(jì)算得到的所有推薦內(nèi)容中，查找出與所述用戶感興趣的物品的匹配度最高的推 薦內(nèi)容，作為所述第二推薦內(nèi)容。
【專利摘要】本發(fā)明公開了一種個(gè)性化推薦方法及裝置。所述方法包括：抓取用戶數(shù)據(jù)對(duì)應(yīng)的第一上下文信息，獲得與所述第一上下文信息相匹配的第一推薦內(nèi)容；獲取用戶針對(duì)所述第一推薦內(nèi)容的響應(yīng)信息，所述響應(yīng)信息用于表示用戶是否對(duì)所述第一推薦內(nèi)容感興趣；根據(jù)所述響應(yīng)信息判斷是否調(diào)整所述第一推薦內(nèi)容，如果是，則確定與所述響應(yīng)信息相匹配的第二推薦內(nèi)容，所述第一推薦內(nèi)容和所述第二推薦內(nèi)容根據(jù)同一推薦算法計(jì)算獲得；將與所述第一上下文信息相匹配的所述第一推薦內(nèi)容調(diào)整為第二推薦內(nèi)容。如此方案，有助于簡(jiǎn)化個(gè)性化推薦過程，提高推薦過程的針對(duì)性和準(zhǔn)確性。
【IPC分類】G06F17/30
【公開號(hào)】CN105608121
【申請(qǐng)?zhí)枴緾N201510933181
【發(fā)明人】王書劍
【申請(qǐng)人】東軟集團(tuán)股份有限公司
【公開日】2016年5月25日
【申請(qǐng)日】2015年12月14日