本發(fā)明專利技術公開了一種獲取推薦數(shù)據(jù)的方法和裝置。其中，該方法包括：根據(jù)目標對象的操作數(shù)據(jù)從數(shù)據(jù)庫中篩選得到待選數(shù)據(jù)集，其中，數(shù)據(jù)庫中的每一條數(shù)據(jù)至少包括如下參數(shù)：數(shù)據(jù)標識和用戶偏好；利用遺傳算法對待選數(shù)據(jù)集的數(shù)據(jù)進行處理得到目標數(shù)據(jù)集；當目標數(shù)據(jù)集中的數(shù)據(jù)的適應度之和達到第一預設閾值時，根據(jù)目標數(shù)據(jù)集的數(shù)據(jù)確定目標對象的推薦數(shù)據(jù)。本發(fā)明專利技術解決了無法準確得到推薦數(shù)據(jù)的技術問題。
Method and device for obtaining recommendation data
The invention discloses a method and a device for obtaining recommendation data. Among them, the method includes: according to the operation data of the target object to get the data set, which screened from the database, each data in the database includes at least the following parameters: the data identification and user preference; using genetic algorithm to select data sets of data processing to obtain the target data set; when the target data set the data fitness and reached the first preset threshold, the recommended data object is determined according to the target data set data. The invention solves the technical problem that the recommended data can not be accurately obtained.
【技術實現(xiàn)步驟摘要】
獲取推薦數(shù)據(jù)的方法和裝置
本專利技術涉及數(shù)據(jù)分析領域，具體而言，涉及一種獲取推薦數(shù)據(jù)的方法和裝置。
技術介紹
現(xiàn)在的大多數(shù)網站，例如視頻網站、電商網站、金融網站等，都會有用戶推薦的模塊，用于向用戶推薦用戶可能感興趣的數(shù)據(jù)內容。目前，推薦算法大致有：基于內容、基于協(xié)同過濾、基于關聯(lián)規(guī)則、基于效用、基于知識的推薦算法。基于內容的數(shù)據(jù)推薦方法的理論，理論依據(jù)主要來自于信息檢索和信息過濾，所謂的基于內容的推薦方法就是根據(jù)用戶過去的瀏覽記錄來向用戶推薦用戶沒有接觸過的推薦項。基于協(xié)同過濾的推薦算法理論上可以推薦世界上的任何一種東西，包括圖片、音樂等。協(xié)同過濾算法主要是通過對未評分項進行評分，從而得到預測數(shù)據(jù)。基于關聯(lián)規(guī)則的推薦(AssociationRule-basedRecommendation)是以關聯(lián)規(guī)則為基礎，把已購商品作為規(guī)則頭，規(guī)則體為推薦對象。關聯(lián)規(guī)則挖掘可以發(fā)現(xiàn)不同商品在銷售過程中的相關性，在零售業(yè)中已經得到了成功的應用。基于效用的推薦(Utility-basedRecommendation)是建立在對用戶使用項目的效用情況上計算的，其核心問題是怎么樣為每一個用戶去創(chuàng)建一個效用函數(shù)，因此，用戶資料模型很大程度上是由系統(tǒng)所采用的效用函數(shù)決定的。基于知識的推薦(Knowledge-basedRecommendation)在某種程度是可以看成是一種推理(Inference)技術，它不是建立在用戶需要和偏好基礎上推薦的。基于知識的方法因它們所用的功能知識不同而有明顯區(qū)別。效用知識(FunctionalKnowledge)是一種關于一個項目如何滿足某一特定用戶的知識，因此能解釋需要和推薦的關系，所以用戶資料可以是任何能支持推理的知識結構，它可以是用戶已經規(guī)范化的查詢，也可以是一個更詳細的用戶需要的表示。但是，向用戶推薦數(shù)據(jù)不是一個簡單的工作，因為用戶的興趣是千奇百怪的，通常情況下，利用上述算法，計算機無法很準確地捕捉用戶的興趣點，只能通過用戶的標簽或者用戶經常瀏覽的節(jié)目記錄來進行整合數(shù)據(jù)，并向用戶推薦數(shù)據(jù)。通過上述方法得到的推薦數(shù)據(jù)，是比較基礎但又笨拙的方法，沒有去深入挖掘用戶的潛在興趣，不能準確的得到目標用戶的推薦數(shù)據(jù)。針對上述無法準確得到推薦數(shù)據(jù)的問題，目前尚未提出有效的解決方案。
技術實現(xiàn)思路
本專利技術實施例提供了一種獲取推薦數(shù)據(jù)的方法和裝置，以至少解決無法準確得到推薦數(shù)據(jù)的技術問題。根據(jù)本專利技術實施例的一個方面，提供了一種獲取推薦數(shù)據(jù)的方法，包括：根據(jù)目標對象的操作數(shù)據(jù)從數(shù)據(jù)庫中篩選得到待選數(shù)據(jù)集，其中，數(shù)據(jù)庫中的每一條數(shù)據(jù)至少包括如下參數(shù)：數(shù)據(jù)標識和用戶偏好；利用遺傳算法對待選數(shù)據(jù)集的數(shù)據(jù)進行處理得到目標數(shù)據(jù)集；當目標數(shù)據(jù)集中的數(shù)據(jù)的適應度之和達到第一預設閾值時，根據(jù)目標數(shù)據(jù)集的數(shù)據(jù)確定目標對象的推薦數(shù)據(jù)。進一步地，根據(jù)目標對象的操作數(shù)據(jù)從數(shù)據(jù)庫中篩選得到待選數(shù)據(jù)集包括：通過數(shù)據(jù)庫中的每一條數(shù)據(jù)的數(shù)據(jù)標識和用戶偏好，計算得到數(shù)據(jù)庫中的任意兩條數(shù)據(jù)的數(shù)據(jù)關聯(lián)度；根據(jù)目標對象的操作數(shù)據(jù)以及數(shù)據(jù)關聯(lián)度生成待選數(shù)據(jù)集。進一步地，通過如下第一公式計算得到數(shù)據(jù)庫中的任意兩條數(shù)據(jù)的數(shù)據(jù)關聯(lián)度其中，i,j為自然數(shù)，N(i)為喜歡節(jié)目i的用戶數(shù)，N(j)為喜歡節(jié)目j的用戶數(shù)。進一步地，通過如下第二公式生成待選數(shù)據(jù)集Pij：其中，u為自然數(shù)，N(u)為目標對象喜歡的節(jié)目的集合，Rui為常數(shù)，表示目標對象對節(jié)目i的興趣程度。進一步地，利用遺傳算法對待選數(shù)據(jù)集的數(shù)據(jù)進行處理得到目標數(shù)據(jù)集包括：對待選數(shù)據(jù)集中數(shù)據(jù)進行編碼操作，以無符號二進制數(shù)來表示待選數(shù)據(jù)集中數(shù)據(jù)，其中，無符號二進制數(shù)中任一個數(shù)字為數(shù)據(jù)的一個基因；通過對無符號二進制數(shù)來表示的待選數(shù)據(jù)集中數(shù)據(jù)進行遺傳運算，得到目標數(shù)據(jù)集，其中，遺傳運算包括以下運算中的至少一項或者多項：選擇運算、交叉運算、變異運算。進一步地，通過對無符號二進制數(shù)來表示的待選數(shù)據(jù)集中數(shù)據(jù)進行遺傳運算，得到目標數(shù)據(jù)集包括：計算待選數(shù)據(jù)集中數(shù)據(jù)的適應度，通過適應度來確定數(shù)據(jù)的遺傳概率，其中，遺傳概率用于確定數(shù)據(jù)被選中進行遺傳運算的次數(shù)；將選定的待選數(shù)據(jù)集中的數(shù)據(jù)進行交叉運算，得到第一子目標數(shù)據(jù)集，其中，交叉運算為將待選數(shù)據(jù)集中的被選中的數(shù)據(jù)進行隨機配對，通過隨機選擇數(shù)據(jù)的至少一個基因進行交換；對第一子目標數(shù)據(jù)集的數(shù)據(jù)進行變異運算，得到目標數(shù)據(jù)集，其中，變異運算為隨機確定第一子目標數(shù)據(jù)集中數(shù)據(jù)的基因變異位置，對基因變異位置的基因值進行基因值取反操作。根據(jù)本專利技術實施例的另一方面，還提供了一種獲取推薦數(shù)據(jù)的裝置，其特征在于，包括：選擇模塊，用于根據(jù)目標對象的操作數(shù)據(jù)從數(shù)據(jù)庫中篩選得到待選數(shù)據(jù)集，其中，數(shù)據(jù)庫中的每一條數(shù)據(jù)至少包括如下參數(shù)：數(shù)據(jù)標識和用戶偏好；算法模塊，用于利用遺傳算法對待選數(shù)據(jù)集的數(shù)據(jù)進行處理得到目標數(shù)據(jù)集；確定模塊，用于當目標數(shù)據(jù)集中的數(shù)據(jù)的適應度之和達到第一預設閾值時，根據(jù)目標數(shù)據(jù)集的數(shù)據(jù)確定目標對象的推薦數(shù)據(jù)。進一步地，選擇模塊包括：計算子模塊，用于通過數(shù)據(jù)庫中的每一條數(shù)據(jù)的數(shù)據(jù)標識和用戶偏好，計算得到數(shù)據(jù)庫中的任意兩條數(shù)據(jù)的數(shù)據(jù)關聯(lián)度；生成子模塊，用于根據(jù)目標對象的操作數(shù)據(jù)以及數(shù)據(jù)關聯(lián)度生成待選數(shù)據(jù)集。進一步地，算法模塊包括：編碼子模塊，用于對待選數(shù)據(jù)集中數(shù)據(jù)進行編碼操作，以無符號二進制數(shù)來表示待選數(shù)據(jù)集中數(shù)據(jù)，其中，無符號二進制數(shù)中任一個數(shù)字為數(shù)據(jù)的一個基因；算法子模塊，用于通過對無符號二進制數(shù)來表示的待選數(shù)據(jù)集中數(shù)據(jù)進行遺傳運算，得到目標數(shù)據(jù)集，其中，遺傳運算包括以下運算中的至少一項或者多項：選擇運算、交叉運算、變異運算。進一步地，算法子模塊包括：選擇運算單元，用于計算待選數(shù)據(jù)集中數(shù)據(jù)的適應度，通過適應度來確定數(shù)據(jù)的遺傳概率，其中，遺傳概率用于確定數(shù)據(jù)被選中進行遺傳運算的次數(shù)；交叉運算單元，用于將選定的待選數(shù)據(jù)集中的數(shù)據(jù)進行交叉運算，得到第一子目標數(shù)據(jù)集，其中，交叉運算為將待選數(shù)據(jù)集中的被選中的數(shù)據(jù)進行隨機配對，通過隨機選擇數(shù)據(jù)的至少一個基因進行交換；變異運算單元，用于對第一子目標數(shù)據(jù)集的數(shù)據(jù)進行變異運算，得到目標數(shù)據(jù)集，其中，變異運算為隨機確定第一子目標數(shù)據(jù)集中數(shù)據(jù)的基因變異位置，對基因變異位置的基因值進行基因值取反操作。在本專利技術實施例中，通過采用根據(jù)目標對象的操作數(shù)據(jù)從數(shù)據(jù)庫中篩選得到待選數(shù)據(jù)集，其中，數(shù)據(jù)庫中的每一條數(shù)據(jù)至少包括如下參數(shù)：數(shù)據(jù)標識和用戶偏好；利用遺傳算法對待選數(shù)據(jù)集的數(shù)據(jù)進行處理得到目標數(shù)據(jù)集；當目標數(shù)據(jù)集中的數(shù)據(jù)的適應度之和達到第一預設閾值時，根據(jù)目標數(shù)據(jù)集的數(shù)據(jù)確定目標對象的推薦數(shù)據(jù)，達到了準確獲取推薦數(shù)據(jù)，并且可以對提供推薦數(shù)據(jù)進行自我學習及優(yōu)化的目的，進而解決了無法準確得到推薦數(shù)據(jù)的技術問題。附圖說明此處所說明的附圖用來提供對本專利技術的進一步理解，構成本申請的一部分，本專利技術的示意性實施例及其說明用于解釋本專利技術，并不構成對本專利技術的不當限定。在附圖中：圖1是根據(jù)本專利技術實施例一的一種可選的獲取推薦數(shù)據(jù)的方法的流程圖；圖2是根據(jù)本專利技術實施例二的一種可選的獲取推薦數(shù)據(jù)的裝置的示意圖。具體實施方式為了使本
的人員更好地理解本專利技術方案，下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分本文檔來自技高網...
【技術保護點】
一種獲取推薦數(shù)據(jù)的方法，其特征在于，包括：根據(jù)目標對象的操作數(shù)據(jù)從數(shù)據(jù)庫中篩選得到待選數(shù)據(jù)集，其中，所述數(shù)據(jù)庫中的每一條數(shù)據(jù)至少包括如下參數(shù)：數(shù)據(jù)標識和用戶偏好；利用遺傳算法對所述待選數(shù)據(jù)集的數(shù)據(jù)進行處理得到目標數(shù)據(jù)集；當所述目標數(shù)據(jù)集中的數(shù)據(jù)的適應度之和達到第一預設閾值時，根據(jù)所述目標數(shù)據(jù)集的數(shù)據(jù)確定所述目標對象的推薦數(shù)據(jù)。
【技術特征摘要】
1.一種獲取推薦數(shù)據(jù)的方法，其特征在于，包括：根據(jù)目標對象的操作數(shù)據(jù)從數(shù)據(jù)庫中篩選得到待選數(shù)據(jù)集，其中，所述數(shù)據(jù)庫中的每一條數(shù)據(jù)至少包括如下參數(shù)：數(shù)據(jù)標識和用戶偏好；利用遺傳算法對所述待選數(shù)據(jù)集的數(shù)據(jù)進行處理得到目標數(shù)據(jù)集；當所述目標數(shù)據(jù)集中的數(shù)據(jù)的適應度之和達到第一預設閾值時，根據(jù)所述目標數(shù)據(jù)集的數(shù)據(jù)確定所述目標對象的推薦數(shù)據(jù)。2.根據(jù)權利要求1所述的方法，其特征在于，根據(jù)目標對象的操作數(shù)據(jù)從數(shù)據(jù)庫中篩選得到待選數(shù)據(jù)集包括：通過所述數(shù)據(jù)庫中的所述每一條數(shù)據(jù)的所述數(shù)據(jù)標識和所述用戶偏好，計算得到所述數(shù)據(jù)庫中的任意兩條數(shù)據(jù)的數(shù)據(jù)關聯(lián)度；根據(jù)所述目標對象的所述操作數(shù)據(jù)以及所述數(shù)據(jù)關聯(lián)度生成所述待選數(shù)據(jù)集。3.根據(jù)權利要求2所述的方法，其特征在于，通過如下第一公式計算得到所述數(shù)據(jù)庫中的任意兩條數(shù)據(jù)的數(shù)據(jù)關聯(lián)度Wij：其中，i,j為自然數(shù)，N(i)為喜歡節(jié)目i的用戶數(shù)，N(j)為喜歡節(jié)目j的用戶數(shù)。4.根據(jù)權利要求3所述的方法，其特征在于，通過如下第二公式生成所述待選數(shù)據(jù)集Pij：其中，u為自然數(shù)，N(u)為所述目標對象喜歡的節(jié)目的集合，Rui為常數(shù)，表示所述目標對象對節(jié)目i的興趣程度。5.根據(jù)權利要求1所述的方法，其特征在于，利用遺傳算法對所述待選數(shù)據(jù)集的數(shù)據(jù)進行處理得到目標數(shù)據(jù)集包括：對所述待選數(shù)據(jù)集中數(shù)據(jù)進行編碼操作，以無符號二進制數(shù)來表示所述待選數(shù)據(jù)集中所述數(shù)據(jù)，其中，所述無符號二進制數(shù)中任一個數(shù)字為所述數(shù)據(jù)的一個基因；通過對所述無符號二進制數(shù)來表示的所述待選數(shù)據(jù)集中所述數(shù)據(jù)進行遺傳運算，得到所述目標數(shù)據(jù)集，其中，所述遺傳運算包括以下運算中的至少一項或者多項：選擇運算、交叉運算、變異運算。6.根據(jù)權利要求5所述的方法，其特征在于，通過對所述無符號二進制數(shù)來表示的所述待選數(shù)據(jù)集中所述數(shù)據(jù)進行遺傳運算，得到所述目標數(shù)據(jù)集包括：計算所述待選數(shù)據(jù)集中所述數(shù)據(jù)的適應度，通過所述適應度來確定所述數(shù)據(jù)的遺傳概率，其中，所述遺傳概率用于確定所述數(shù)據(jù)被選中進行遺傳運算的次數(shù)；將選定的所述待選數(shù)據(jù)集中的數(shù)據(jù)進行交叉運算，得到第一子目標數(shù)據(jù)集，其中，所述交...
【專利技術屬性】
技術研發(fā)人員：裴長龍，
申請(專利權)人：珠海邁科智能科技股份有限公司，
類型：發(fā)明
國別省市：廣東,44
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。