[发明专利]实现用户相关推荐的系统和方法

权利要求书

1.实现用户相关推荐的系统，其特征在于：包括有数据模块、算法模块和推荐模块，其中，所述数据模块中包含有日志收集、数据仓库、用户类别收集、用户行为信息和实时计算；

所述算法模块中包含有类聚算法、类聚结果、协同过滤、物品特征抽取、数据处理、样本处理、模型训练、同步模块、生成推荐列表；

所述推荐模块中包含有操作反馈、用户操作、推荐输出、精排序、排序和索引。

2.根据权利要求1所述的实现用户相关推荐的系统，其特征在于：所述用户类别信息和用户行为信息包含在数据仓库中，且用户类别信息和用户行为信息通过用户留下的文字和行为来解读，基于用户行为数据的应用最典型的就是各类排行榜，同时用户行为不是随机的，蕴含着很多模式：例如电子商务平台通过分析用户的购物车，找出诸如“购买A商品的用户都购买B商品”规律，同时在用户浏览A商品时直接为其展示购买A商品的用户都购买的其他商品。

3.根据权利要求1所述的实现用户相关推荐的系统，其特征在于：所述类聚算法是基于用户的，并有如下的算法步骤：

S1：找到和目标用户兴趣相似的用户集合；

S2：找到这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户。

4.根据权利要求1所述的实现用户相关推荐的系统，其特征在于：所述协同过滤是基于物品的，并有如下的算法步骤：

S1：计算物品之间的相似度；

S2：根据物品的相似度和用户的历史行为给用户生成推荐列表。

5.实现用户相关推荐的方法，其特征在于：包括有如下的使用流程：

1)数据仓库中将用户类别信息和用户行为信息通过打包合并的方式进行实时计算并利用类聚算法将信息分类，找到和目标用户兴趣相似的用户集合，找到这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户，得出类聚结果后通过协同过滤计算物品之间的相似度；

2)对计算出来的物品主要特征进行抽取，经过数据处理后得到样本并处理，模型训练后，同步相似物品的模型，并根据物品的相似度和用户的历史行为给用户生成推荐列表；

3)将推荐的物品以索引的方式进行排序，并再次精排序，得到完整的推荐列表后输出到用户的浏览页面，并记录用户对推荐物品的浏览、点击和观看的数据，同步对用户浏览、点击和观看的数据通过日志收集保存到数据仓库中，精确推荐的范围。

6.根据权利要求5所述的实现用户相关推荐的方法，其特征在于：所述1)中具体还有如下的流程：

设定用户u和用户v，令N(u)表示用户u曾经有过正反馈的物品集合，令N(v)为用户v曾经有过正反馈的物品集合，通过Jaccard公式计算u和v的兴趣相似度：

并根据公式得到的数据得到用户之间的兴趣相似度，算法会给用户推荐和他兴趣最相似的N个用户喜欢的相似物品。

7.根据权利要求5所述的实现用户相关推荐的方法，其特征在于：所述2)具体还有如下的步骤：

用下面的公式定义物品的相似度：

分母|N(i)|是喜欢物品i的用户数，而分子N(i)∩N(j)是同时喜欢物品i和物品j的用户数，因此，上述公式可以理解为喜欢物品i的用户中有多少比例的用户也喜欢物品j；

为了避免推荐出热门的物品，利用下面的公式：

通过以上的公式减轻了热门物品会和很多物品相似的可能性，在协同过滤中两个物品产生相似度是因为它们共同被很多用户喜欢，也就是说每个用户都可以通过他们的历史兴趣列表给物品“贡献”相似度。