[发明专利]一种基于混合多种模式的废旧行业推荐系统以及其方法

说明书

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种基于混合多种模式的废旧行业推荐系统以及其方法。

背景技术

目前，随着网络信息量爆炸式的递增，消费者面临众多选择、未知的领域、过载的信息时，往往无所适从；然而与此同时，产品的商家也在苦苦寻觅合适的用户，寻找最便捷的渠道，而解决这两类矛盾的最好工具就是推荐系统。

数据是一切推荐系统的基础。准确的数据对于良好的推荐效果，如同一片文章的标题对于文章内容的作用。基于模型的协同过滤推荐，基于样本的用户喜好信息，训练一个推荐模型，然后根据实时的用户喜好的信息进行预测，计算推荐，这种方法对于一些特殊品味的用户不能给予很好的推荐；基于内容的推荐，它的核心思想是根据推荐物品或内容的元数据，发现物品或者内容的相关性，然后基于用户以往的喜好记录，推荐给用户相似的物品，这种方法物品相似度的衡量标准只考虑到了物品本身，有一定的片面性。

因此，单纯使用某一个推荐算法在推荐结果的精度和多样性方面存在不足，针对存在的问题，本发明提出一种基于混合多种模式的废旧行业推荐系统以及其方法，能够使得推荐结果更准确，更能满足用户的需求。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于混合多种模式的废旧行业推荐系统以及其方法，在用户购买商品时候，给用户推荐感兴趣的商品信息，更能满足用户的个性化需求。

为达到上述目的，本发明的技术方案是这样实现的：

A模块：关联推荐、热点推荐、TopN推荐三种混合推荐模式；

B模块：初始化推荐结果；

C模块：过滤、结果排序、推荐解释、最终的推荐结果。

其中所述模块A中的关联推荐，根据商品内容的相似性进行推荐，其中根据商品内容进行推荐需要将原来保存在索引中的原始数据导入到现在的数据库中；所述的TopN推荐，也就是浏览历史推荐，每一个用户某一段时间内点击数TopN商品推荐；所述的热点推荐，将实时热销商品推荐给用户，给每一个用户推荐可能感兴趣的数据。

对网站常用用户，关联推荐和TopN推荐设置较高权重，热点推荐次之；对无任何记录用户，将热点推荐设置较高的权重，通过分析用户所属的适应人群，也可进行关联推荐。

进一步地，所述的TopN推荐主要包括以下两个策略：

TopN策略：

1）最近30天的点击日志；

2）总点击数TopN的数据；

3）总点击数不少于某个阈值；

4）平均每一个人的点击次数不少于某个阈值；

连续递增策略：

1）最近30天的点击日志；

2）连续若干天的点击呈现递增趋势；

3）连续的天数不少于某个阈值；

4）平均每一天的点击次数不少于某个阈值。

所述模块B初始化推荐结果，返回的推荐结果为推荐解释：resysExplain，供求编号：M_gqinfo.gqid，产品分类: M_gqinfo.classid，供求分类：M_gqinfo.type,信息静态页面地址: M_gqinfo.htmlurl,图片：M_gqinfo.photo,标题：M_gqinfo.title,新旧程度: M_gqinfo.xjcd,供货数量：M_gqinfo.pronum,型号规格：M_gqinfo.proxh,交易价格：M_gqinfo.proprice产品所在地：M_gqinfo.province,存放方式：M_gqinfo.cffs,权限：sys_user.rankid,会员编号：sys_user.uid,用户名：sys_user.uname,企业名称：sys_user.comname,联系人：sys_user.linkman,性别：sys_user.sex,公司所在地: sys_user.comaddress,德保指数: czizhi_rz.frrz,是否通过德保认证：czizhi_rz；

所述模块C主要步骤如下：

步骤C1、推荐数据的过滤主要包括：过滤掉用户已经访问过的页面，过滤掉用户没有访问权限的页面，过滤掉重复数据；

步骤C2、结果排序主要是对推荐的结果进行排序，按照网页的受欢迎程度排序，也就是网页被点击过的次数；