[发明专利]实现用户相关推荐的系统和方法

说明书

本发明公开了实现用户相关推荐的系统和方法，实现用户相关推荐的系统和方法，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。且本发明中通过类聚算法的理念通过用户留下的文字和行为来解读用户的类别信息和行为信息，从而找到和目标用户兴趣相似的用户集合，以及这个集合中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，并通过协同过滤算法的理念计算物品之间的相似度，同时根据算法中公式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，实现对用户精准的相关推荐效果。

技术领域

本发明涉及推荐系统技术领域，具体涉及实现用户相关推荐的系统和方法。

背景技术

当用户打开App，面对海量内容和商品无从选择，这时如果有最热推荐或爆款商品等版块，就极有可能快速吸引用户的注意力，这种热门推荐场景一般由系统定时更新数据并主动推荐到用户面前，用户打开界面就能接触到讨论度最高的内容，一方面满足了用户的从众心理，不会错过一手信息，另一方面也能激发用户兴趣，让用户不会出现选择困难。

而信息爆炸时代，罗列所有信息等同于给用户添麻烦，这样不仅使用户无从下手，而且导致信息利用率低下，相关推荐正是为了解决此类问题而生，所谓相关推荐，是根据计算内容或商品的相似度，进行一些相似内容或商品的推荐，以满足用户延伸阅读或者延伸购买的需求，比如用户浏览一个手机后，下面推荐了“相关手机”，阅读一篇文章后，下面推荐了“相关文章”，推荐内容和用户关注的内容相关，可以有效帮助用户筛选信息，过滤掉相关度低或完全不相关的信息，发挥用户时间的最大效用，提升阅读和购买的幸福度，但是伴随内容爆发和用户时间的挤压，传统的内容信息流已经呈现出了很大的弊端，无法再满足用户高效获取特定内容的需求，精准而符合用户观览习惯的推荐系统是急需且迫切的，针对现有相关推荐存在推荐内容不贴切，无法引起用户的兴趣的缺点，现提出实现用户相关推荐的系统和方法。

发明内容

本发明的目的是提供实现用户相关推荐的系统和方法，以解决技术中的上述不足之处。

为了实现上述目的，本发明提供如下技术方案：实现用户相关推荐的系统和方法，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。

作为本发明一种优选的方案，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。

作为本发明一种优选的方案，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。

作为本发明一种优选的方案，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。

作为本发明一种优选的方案，包括有如下的使用流程：