[发明专利]一种提高个性化推荐系统性能的方法

说明书

技术领域

本发明属于大数据技术领域,具体涉及一种提高个性化推荐系统性能的方法。

背景技术

现如今电视节目众多，用户很难快速找到自己真正感兴趣的电视节目。在海量的电视节目面前，如何帮助电视终端用户快速找到想看的节目，已然成为电视行业的研究热点。因此，将互联网中广泛应用的推荐技术引入电视，可以帮助用户更加高效地找到观看节目。

目前个性化推荐系统是由场景引擎层，规则引擎层，算法引擎层，采集引擎层等组成。随着越来越多的用户使用个性化推荐系统，个性化推荐系统性能成为用户关注的焦点，个性化推荐系统性能越高，用户同时请求数量越大，个性化推荐系统越稳定，用户体验才越满意。

现阶段，随着应用场景越来越多，个性化推荐算法越来越多，一个场景需要配置一段很长的规则，大大降低了个性化推荐系统性能，导致个性化推荐系统性能普遍偏低，个性化推荐系统不稳定，经常会出各种问题，同时个性化推荐系统的各个引擎层没有建立一套标准，引擎层之间关系错综复杂，对提高个性化推荐系统性能产生了极大的干扰。

发明内容

本发明所要解决的技术问题是：提出一种提高个性化推荐系统性能的方法，解决传统技术中个性化推荐系统性能低、不稳定的问题。

本发明解决上述技术问题采用的技术方案是：

一种提高个性化推荐系统性能的方法，包括以下步骤：

a.建立场景处理层，将不同场景按照类型进行细分；

b.建立算法处理层，将不同的算法按照类型进行细分；

c.建立规则处理层，重新构造算法接口。

作为进一步优化，步骤a中，所述不同场景包括：语音场景、launcher场景、声纹识别场景、卖场场景和搜索场景。

作为进一步优化，步骤a中，所述按照类型进行细分包括：细分为电影，电视剧，综艺，动漫。

作为进一步优化，步骤b中，所述不同的算法包括：基于物品协同过滤算法、基于内容推荐算法、基于关联规则推荐算法和基于热榜推荐算法。

作为进一步优化，步骤b具体包括以下步骤：

b1.获取基于物品协同过滤算法、基于内容推荐算法、基于关联规则推荐算法、基于热榜推荐算法候选集；

b2.针对算法候选集，融合媒体库信息获取影片信息；

b3.按照类型对影片进行细分，所述类型包括电影，电视剧，综艺，动漫，是否是vip影片；

b4.将细分后的候选集写入数据库。

作为进一步优化，步骤b2中，所述媒体库信息是指影片详细信息，包含导演，年代，主演，标签这些维度信息。

作为进一步优化，步骤c具体包括以下步骤：

c1.优化过滤版块，按照过滤版块处理的逻辑和条件，将过滤版块实现的功能转移到算法处理层；

c2.优化下架版块，将下架版块实现的功能转移到算法处理层；

c3.按照需求理进行规则配置，去除原推荐系统中多余的规则配置；

c4.按照场景处理层建立不同的规则，配置对应的算法接口。

本发明的有益效果是：本发明基于个性化推荐系统的实际需求，通过建立场景处理层，算法处理层，规则处理层，制定一套合理的标准，不仅优化个性化推荐系统各个引擎层之间的联系，同时也大大提高了个性化推荐系统性能，提高了个性化推荐系统稳定性，提升用户体验。

附图说明

图1为本发明中的提高个性化推荐系统性能的方法流程图。

具体实施方式

本发明旨在提出一种提高个性化推荐系统性能的方法，解决传统技术中个性化推荐系统性能低、不稳定的问题。本发明通过建立算法处理层，规则处理层，场景处理层重新构造算法接口，进而提高个性化推荐系统性能，提高个性化推荐系统并发量，提高个性化推荐系统稳定性。

由于本发明是针对个性化推荐系统性能的改进，为便于理解，首先对个性化推荐系统进行介绍，个性化推荐系统包含数据采集层，算法引擎层，规则引擎层，场景引擎层等，其中数据采集层主要是指采集用户观影行为记录，并按照一定格式存储在数据库中；其中算法引擎层主要是指基于物品协同过滤算法，基于内容推荐算法，基于关联规则算法，基于热榜等算法；规则引擎层主要是指规则读取，规则解析，规则配置，接口开发等；场景引擎层主要是指语音，聚合，声纹识别，launcher，卖场，搜索等不同场景。以此构建出了整个个性化推荐系统。

在上述个性化推荐系统中，发现三处影响个性化推荐系统性能的地方，分别为：