[发明专利]数据推荐方法及系统

权利要求书

1.一种数据推荐方法，其特征在于，包括：

根据用户对数据的历史行为获取该用户的所有喜恶数据和该用户对所有喜恶数据的喜恶度；

根据预设维度获取每个预设维度下的每个喜恶数据的邻居数据；

根据预设方式分别获取每个喜恶数据与其邻居数据的相关度；

根据每个预设维度下所述用户对其每个喜恶数据的喜恶度和每个喜恶数据与其邻居数据的相关度获取每个预设维度下该用户对每个邻居数据的第一合并兴趣度；

合并所有维度下相同邻居数据的第一合并兴趣度得到所述用户对每个邻居数据的第二合并兴趣度；

将所有邻居数据的第二合并兴趣度由高至低排序，获取前N个所述第二合并兴趣度最高的邻居数据向所述用户推荐，其中，N为正整数。

2.如权利要求1所述的数据推荐方法，其特征在于，所述喜恶数据包括显式喜恶数据和隐式喜恶数据。

3.如权利要求1所述的数据推荐方法，其特征在于，所述喜恶度是属于（+1，-1）区间内的小数，所述喜恶度越接近+1代表所述用户越喜欢某一喜恶数据，所述喜恶度越接近-1代表所述用户越不喜欢某一喜恶数据。

4.如权利要求1所述的数据推荐方法，其特征在于，所述相关度是属于（0，1）区间内的小数。

5.如权利要求1所述的数据推荐方法，其特征在于，根据每个预设维度下所述用户对其每个喜恶数据的喜恶度和每个喜恶数据与其邻居数据的相关度获取每个预设维度下该用户对每个邻居数据的第一合并兴趣度的步骤包括：

根据每个预设维度下所述用户对每个喜恶数据的喜恶度和每个喜恶数据与其邻居数据的相关度获取每个预设维度下该用户对每个喜恶数据的邻居数据的兴趣度；

合并每个预设维度下相同邻居数据的兴趣度得到下该用户对每个邻居数据的第一合并兴趣度。

6.一种数据推荐方法，其特征在于，包括：

根据用户对数据的历史行为获取该用户的所有喜恶数据和该用户对所有喜恶数据的喜恶度；

根据预设维度获取每个预设维度下的每个喜恶数据的邻居数据；

根据预设方式分别获取每个喜恶数据与其邻居数据的相关度；

根据每个预设维度下所述用户对其每个喜恶数据的喜恶度和每个喜恶数据与其邻居数据的相关度获取每个预设维度下该用户对每个邻居数据的第一合并兴趣度；

将所有邻居数据的第一合并兴趣度由高至低排序，获取前M个所述第一合并兴趣度最高的邻居数据向所述用户推荐，其中，M为正整数。

7.一种数据推荐系统，其特征在于，包括：

用户历史行为模块，用于根据用户对数据的历史行为获取该用户的所有喜恶数据和该用户对所有喜恶数据的喜恶度；

邻居反馈模块，用于根据预设维度获取每个预设维度下的每个喜恶数据的邻居数据，根据预设方式分别获取每个喜恶数据与其邻居数据的相关度，根据每个预设维度下所述用户对其每个喜恶数据的喜恶度和每个喜恶数据与其邻居数据的相关度获取每个预设维度下该用户对每个邻居数据的第一合并兴趣度；

用户兴趣节点模块，用于存储各个预设维度下所述用户对其每个邻居数据的第一合并兴趣度；

个性化推荐模块，用于将所有邻居数据的第二合并兴趣度由高至低排序，获取前N个所述第二合并兴趣度最高的邻居数据向所述用户推荐，其中，N为正整数。

8.如权利要求7所述的数据推荐系统，其特征在于，所述个性化推荐模块还用于合并所有维度下相同邻居数据的第一合并兴趣度得到所述用户对每个邻居数据的第二合并兴趣度，并将所有邻居数据的第二合并兴趣度由高至低排序，获取前N个所述第二合并兴趣度最高的邻居数据向所述用户推荐，其中，N为正整数。

9.如权利要求7所述的数据推荐系统，其特征在于，所述喜恶数据包括显式喜恶数据和隐式喜恶数据。

10.如权利要求7所述的数据推荐系统，其特征在于，所述喜恶度是属于（+1，-1）区间内的小数，所述喜恶度越接近+1代表所述用户越喜欢某一喜恶数据，所述喜恶度越接近-1代表所述用户越不喜欢某一喜恶数据；

所述相关度是属于（0，1）区间内的小数；

所述邻居反馈模块，用于根据每个预设维度下所述用户对每个喜恶数据的喜恶度和每个喜恶数据与其邻居数据的相关度获取每个预设维度下该用户对每个喜恶数据的邻居数据的兴趣度，并合并每个预设维度下相同邻居数据的兴趣度得到该预设维度下该用户对每个邻居数据的第一合并兴趣度。