[发明专利]一种基于基因标签的推荐系统的推荐方法

说明书

本发明公开了一种基于基因标签的推荐系统的推荐方法，具体方法包含以下步骤：收集用户基因位点数据、表型数据和行为数据将数据进行清洗建模保存到hdfs；根据提供的规则将这些数据进行计算转换为可用的用户基因标签数据；收集产品和内容数据进行提炼，提取观点和成分内容，进行标签化和用户的基因标签进行相关联；将数据处理成适合的后端查询的结构推送到ElasticSearch，用于快速检索；通过特定的条件在基因标签上圈出指定人群，并进行推送相关内容以及产品。拥有数量众多的基因位点数据和用户表型、行为支持；查询速度快，标签数量众多，推荐内容精准；数据的持续增加，表型和行为数据的持续反馈，标签的可持续优化。

技术领域

本发明涉及一种基于基因标签的推荐系统的推荐方法，属于基因算法方法领域。

背景技术

基于基因的推荐系统需要足够多的基因位点数据、表型数据以及用户的行为数据的支持，并且还需要对产品和内容数据进行解析提炼以达到和基因相关联，目前市面上未见有此相关功能的系统及产品，大多是缺少基因位点数据，和缺少打通基因到用户到产品到内容的链路。

发明内容

针对上述问题，本发明要解决的技术问题是提供的一种基于基因标签的推荐系统的推荐方法。

本发明提供如下技术方案：一种基于基因标签的推荐系统的推荐方法包含以下步骤：步骤一、收集用户基因位点数据、表型数据和行为数据将数据进行清洗建模保存到hdfs；

步骤二、根据提供的规则将基因位点数据、表型数据、行为数据进行计算转换为可用的用户基因标签数据；

步骤三、收集产品和内容数据进行提炼，提取观点和成分内容，进行标签化和用户的基因标签进行相关联；

步骤四、将数据处理成适合的后端查询的结构推送到ElasticSearch，用于快速检索；

步骤五、通过特定的条件在基因标签上圈出指定人群，并进行推送相关内容以及产品。

进一步优选，所述步骤一中的基因位点数据收集过程为：使用Python和Shell边写到脚本从基因原始数据FTP上将基因原始数据下载简单处理后并上传到HDFS，然后使用Hive建立ods外部表映射HDFS目录；

进一步优选，所述的步骤一中表型数据收集过程为：使用Sqoop将收集的表型数据同步到HDFS并建立Hive ods表；

进一步优选，所述步骤一中的行为数据的收集过程为：使用Flume将Kafka接受的行为埋点数据传输到HDFS，然后使用Hive建立ods外部表映射HDFS目录；

进一步优选，所述步骤二中产品内容数据收集过程为：上传到HDFS，然后使用Hive建立ods外部表映射HDFS目录。

进一步优选，所述的步骤二的数据处理过程为：在dwd建立外部表设置orc+snappy格式存储，将ods的数据进行处理，并优化存放策略，用于提升下一步分析的效率。

进一步优选，所述的步骤三的标签化过程：编写UDF对位点数据、表型等数据进行处理，输出为标签，将产品数据进行处理和标签进行绑定，将数据存入st层。

所述的步骤五的详细过程：使用elasticSeach-hadoop插件，将标签用户数据和产品内容数据推送到ElasticSearch用于提供查询检索。

与现有技术相比，本发明的有益效果如下：1、拥有数量众多的基因位点数据和用户表型、行为支持；

2、查询速度快，标签数量众多，推荐内容精准；

3、数据的持续增加，表型和行为数据的持续反馈，标签的可持续优化。

附图说明：

图1为本发明实施例的具体方法流程图。