[发明专利]多算法融合的信息推荐方法、装置和设备

权利要求书

1.一种多算法融合的信息推荐方法，其特征在于，包括：

在预设的数据库中加载数据参数；其中，所述数据参数包括用户的用户参数，所述用户已评分的信息的信息参数，以及所述已评分的信息的评分参数；

基于所述数据参数，利用als预测算法在预设的信息库中确定评分备用列表，以及，基于所述数据参数，利用余弦相似度算法在所述信息库中确定关于目标信息的相似备用列表；

按照预设的规则分别为所述评分备用列表和所述相似备用列表分配权重；

根据所述权重，构建包含所述评分备用列表中第一信息和所述相似备用列表中第二信息的实时推荐列表；

保存并在前端页面显示所述实时推荐列表。

2.根据权利要求1所述的多算法融合的信息推荐方法，其特征在于，基于所述数据参数，利用als预测算法在预设的信息库中确定评分备用列表，包括：

根据所述评分参数，训练得到隐语义模型；

计算所述信息参数和所述评分参数的笛卡尔积；

基于所述隐语义模型和所述笛卡尔积，使用所述als预测算法预测所述用户对所述信息库中信息的预测评分；

将大于0的所述预测评分对应的信息组成评分推荐列表；

将所述评分推荐列表中选择符合第一预设标准的信息组成所述评分备用列表。

3.根据权利要求2所述的多算法融合的信息推荐方法，其特征在于，所述基于所述数据参数，利用余弦相似度算法在所述信息库中确定关于目标信息的相似备用列表，包括：

根据所述隐语义模型和所述信息库中信息的类型，确定所述信息库中信息的相似度矩阵；

所述相似度矩阵之间做笛卡尔乘积，通过所述余弦相似度算法，确定所述信息库中信息的相似度列表；

在所述相似度列表中，提取与所述目标信息的相似度符合第二预设标准的信息组成所述相似备用列表。

4.根据权利要求1所述的多算法融合的信息推荐方法，其特征在于，所述按照预设的规则分别为所述评分备用列表和所述相似备用列表分配权重，包括：

确定所述评分备用列表中已评分信息所占的第一比例，以及，确定所述相似备用列表中所述已评分信息所占的第二比例；

判断所述第一比例是否大于所述第二比例；

若所述第一比例大于所述第二比例，则为所述评分备用列表分配高权重；

若所述第一比例小于所述第二比例，则为所述相似备用列表分配高权重。

5.根据权利要求1所述的多算法融合的信息推荐方法，其特征在于，所述方法还包括：

若获取到来自用户端的所述数据参数，将所述数据参数存储在所述数据库中。

6.根据权利要求5所述的多算法融合的信息推荐方法，其特征在于，所述若获取到来自用户端的所述数据参数，将所述数据参数存储在所述数据库中，包括：

基于flume采集所述数据参数，并制定kafka的接收地址；

所述kafka接收所述flume发送的所述数据参数，并实时保存到所述数据库中。

7.一种多算法融合的信息推荐装置，其特征在于，包括：加载模块、确定模块、配权模块、列表构建模块和输出模块；

所述加载模块，用于在预设的数据库中加载数据参数；其中，所述数据参数包括用户的用户参数，所述用户已评分的信息的信息参数，以及所述已评分的信息的评分参数；

所述确定模块，用于基于所述数据参数，利用als预测算法在预设的信息库中确定评分备用列表，以及，基于所述数据参数，利用余弦相似度算法在所述信息库中确定关于目标信息的相似备用列表；

所述配权模块，用于按照预设的规则分别为所述评分备用列表和所述相似备用列表分配权重；

所述列表构建模块，用于根据所述权重，构建包含所述评分备用列表中第一信息和所述相似备用列表中第二信息的实时推荐列表；

所述输出模块，用于保存并在前端页面显示所述实时推荐列表。