[发明专利]智能推荐系统

说明书

一种智能推荐系统，该系统包括模块A、模块B和模块C。模块A从用户行为数据库对用户行为提取后对行为特征进行转换，结合用户属性数据库生成用户的特征向量；模块B，从多个相关表生成特征‑物品相关推荐矩阵，用户的特征向量通过特征‑物品相关推荐矩阵转化为初始推荐物品列表；模块C，负责对初始的推荐列表进行过滤、排名处理，从而生成最终推荐结果。

技术领域

本发明属于互联网技术领域，特别涉及一种用于向用户推荐服务或者产品的智能推荐系统。

背景技术

智能推荐系统，也被称为“推荐系统”，自上世纪90年代诞生以来，一直在互联网的众多领域发挥核心作用。例如：亚马逊的电子商务系统、优酷的视频推荐系统、Pandora的音乐推荐系统等。消费者的选择困难一直是互联网发展的难题，例如，大型网站上成千上万部电影可以即点即看，却不知道要看哪一部；几百万首歌可以实时播放，却找不到想听的。信息技术带来资讯季度丰富的同时，也带来了用户的选择困难症。而最好的选择，就是不需要选择。经过十多年技术发展，所要解决的问题，如今逐渐浮出水面。在信息过载的环境下对信息消费需求提供可能的解决方案，这就是推荐系统。

近年来移动互联网的高速发展，移动个人终端设备越来越丰富。往往移动设备体积较小，页面承载信息量是有限的，这就意味着展现的信息需要更精准地符合每个用户的人性化需求，而媒体的碎片化文化的多样性，也带来人们对信息的需求越来越个性化。这些因素推动着个性化及推荐系统应用的普及化和深入化。

传统的推荐方式需要搭建一个提供人工配置的管理后台，有需要推荐的产品经过人工筛选圈定、排序，再由自动化的脚本会人工配置的规则从数据库里拉取产品数据，客户端接受产品数据前台展示，用户更具展示的产品挑选和满足自己的需求。这样的工序任务流程较长、大量需要凭借人工经验干预，人为的主观臆断会产生出错和低效的情况，从而给推荐系统的精准性造成影响。

由于高效的数据检索和使用效率一直是推荐系统的核心，在推荐应用场景达到成千上百页面、承载的上百兆数据要求实时计算时，单靠人工经验去替代运算，是难以想象的。况且在运算过程中存在人为误差，难免会出现推荐不及时、存在误荐等现象。

发明内容

本发明实施例提供了一种智能推荐系统，用于通过线上系统向用户推荐服务或者产品，这些产品或者服务内容广泛，包括旅游产品、影视作品，以及各种商品。

本发明的实施例之一，一种智能推荐系统，该系统包括模块A、模块B和模块C。

模块A从用户行为数据库对用户行为提取后对行为特征进行转换，结合用户属性数据库生成用户的特征向量；

模块B，从多个相关表生成特征-物品相关推荐矩阵，用户的特征向量通过特征-物品相关推荐矩阵转化为初始推荐物品列表；

模块C，负责对初始的推荐列表进行过滤、排名处理，从而生成最终推荐结果。

所述推荐系统包括候选产品集合，该候选产品集合提供给模块B的特征-物品相关推荐矩阵参考，同时也提供给模块C的过滤过程中提供参考。

模块C中还通过用户行为反馈和物品属性提供给排名处理进行参考。

本发明的智能推荐系统借助大数据处理能力，可提供实时的数据运算和检索能力，大大提升了数据使用的性能。此外，在多个复杂页面中应用推荐系统，借助算法可以实现“千人千面”的个性化服务，为推荐的准确性、多样性提供强力保障。

随着各种物理实体智能化趋势越来越明显，智能推荐系统的诞生，是向纯数字世界地探索，推荐系统可以把那些最终会在用户和产品之间产生连接的前提找出来，让产品和用户真正的连接。随着万物互联的到来，不再是人找产品，产品找人的趋势迎面走来，并会被进一步加强。智能推荐就是在这样的数字化的环境下诞生，并不断地发现可能会和人发生连接的另一类产品节点，提供个性化的推荐服务，满足不同的需求，也许这才是智能推荐系统，实现人是互联的终极意义。