一种基于协同过滤的RSS信息推荐方法

摘要

一种基于协同过滤的RSS信息推荐方法，属信息推荐技术领域，系统由阅读模块、订阅模块、订阅管理模块、行为记录模块、行为处理模块和推荐模块组成，其中阅读模块分别和订阅模块、订阅管理模块、行为记录模块及推荐模块相连接；行为处理模块分别和行为记录模块及推荐模块相连接；订阅模块和订阅管理模块相互连接，模块之间通过由编程实现的控制语句，共享一个或多个服务器数据库的数据。本发明使其推荐效果不仅限于整个RSS信息源的推荐，更加突出了单篇文章的推荐，有效避免了信息冗余和过载；推荐效果有一定的差异覆盖面，便于用户发现可能感兴趣的新内容；引入了同好用户群，并利用同好用户加权因子，使推荐内容更加精准可信。

主权项

一种基于协同过滤的RSS信息推荐方法，步骤如下：1)用户从大量RSS源集中订阅某些RSS源时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该RSS信息源在系统中的唯一标识r，形成用户对RSS源的订阅情况Wu，r，更新至行为处理模块的用户‑RSS源订阅矩阵W(m，n)之中，m为系统中的用户数目，n为RSS源的数目，订阅情况Wu，r的值当订阅时为1，未订阅时为0；2)行为处理模块从用户‑RSS源订阅矩阵W(m，n)中获取订阅情况Wu，r，利用余弦相关性算法计算两用户之间的相似度sim(ip，iq)，其中ip，iq分别为p、q两名用户；并将相似度更新至用户相似度方阵sim(m，m)中，余弦相关算法的公式为： sim ( i p , i q ) = cos ( i p , i q ) = Σ k = 1 n W p , k × W q , k Σ k = 1 n ( W p , k ) 2 × Σ k = 1 n ( W q , k ) 2 ; 3)行为处理模块根据用户相似度方阵sim(m，m)推算出与每个用户有相似订阅习惯的“同好”用户，并将该用户所有“同好”用户订阅的所有RSS源形成同好用户订阅集，再按相似度由高到低排列，形成对该用户的推荐加权系数f；4)用户从一个RSS源的文章列表中收藏某篇文章时，服务器行为记录模块获取登录的用户信息，查询会话表获得用户唯一身份标识u，连同该篇文章在系统中的唯一标识rt，形成用户对文章的收藏情况Cu，rt，更新至行为处理模块的同好收藏矩阵C(a，b)之中，a为某用户的同好用户数目，b为同好用户订阅集中所有文章的数目；5)行为处理模块针对同好收藏矩阵C(a，b)中单篇文章的所有同好用户行为，做推荐加权处理，按推荐优先级形成推荐文章集，并将推荐文章集更新至推荐模块；6)在用户获取文章推荐时，推荐模块实时地从推荐文章集筛选出目标用户可能会感兴趣的TopN条内容推荐给用户。