[发明专利]获取推荐对象的方法及装置

权利要求书

1.一种获取推荐对象的方法，其特征在于，包括：

构建原始用户矩阵和原始对象矩阵，其中，所述原始用户矩阵中的每一行为原始用户向量，每个所述原始用户向量表示一个用户的多重属性特征，所述原始对象矩阵中的每一行为原始对象向量，每个所述原始对象向量表示一个对象的多重属性特征；

对原始用户矩阵和原始对象矩阵进行保序变换，得到新用户矩阵和新对象矩阵；其中，保序变换用于将最大内积搜索问题转换为欧式空间的最近邻问题；

对所述新对象矩阵中的新对象向量构建对象高维索引结构；

对所述新用户矩阵中的各个新用户向量在所述对象高维索引结构中进行最近邻搜索，得到所述新用户向量对应的最近邻新对象向量；

根据各个所述新用户向量及其对应的所述最近邻新对象向量，输出用户与推荐对象的映射；

其中，所述对原始用户矩阵和原始对象矩阵进行保序变换，得到新用户矩阵和新对象矩阵的步骤包括：

对所述原始用户矩阵的第i行向量x_i添加数值0作为一个新的维度，得到所述新用户向量从而得到所述新用户矩阵；i为自然数且1≤i≤A，A表示原始用户矩阵的行数；

计算所述原始对象矩阵的第j行向量y_j的2-范数以及该2-范数的最大值对所述y_j添加作为一个新的维度，得到所述新对象向量从而得到所述新对象矩阵；j为自然数且1≤j≤B，B表示原始对象矩阵的行数；

所述对所述新对象矩阵中的新对象向量构建对象高维索引结构的步骤包括：

将所述新对象矩阵中的新对象向量聚类得到多个对象子类，每个对象子类具有一个对象聚类中心；

为每个所述对象子类建立vp-tree树结构。

2.根据权利要求1所述的获取推荐对象的方法，其特征在于，

所述对所述新用户矩阵中的各个新用户向量在所述对象高维索引结构中进行最近邻搜索，得到所述新用户向量对应的最近邻新对象向量的步骤包括：

将所述对象高维索引结构序列化地保存为对象索引文件并发送给多个节点；

在每个所述节点上，根据所述新对象矩阵和所述对象索引文件重建出所述对象高维索引结构；

采用map-reduce技术，通过hadoop框架在所述多个节点中对所述新用户矩阵中的各个新用户向量进行最近邻搜索，得到所述新用户向量对应的最近邻新对象向量。

3.根据权利要求2所述的获取推荐对象的方法，其特征在于，所述采用map-reduce技术，通过hadoop框架在所述多个节点中对所述新用户矩阵中的各个新用户向量进行最近邻搜索，得到所述新用户向量对应的所述最近邻新对象向量的步骤包括：

将所述新用户矩阵均分成多个新用户向量组并分发到所述多个节点，所述hadoop为分发到各个节点的所述新用户向量组分别建立mapper；

在各个所述mapper内为对应的所述新用户向量组中各个新用户向量执行以下操作：计算所述新用户向量与各个所述对象聚类中心的欧氏距离，找到欧氏距离最近的所述对象聚类中心，进入该欧氏距离最近的对象聚类中心对应的vp-tree，通过递归遍历树完成该vp-tree的最近邻搜索，得到所述新用户向量对应的最近邻新对象向量；

在reducer中汇总并保存所述新用户向量与对应的所述最近邻新向量对象的映射关系。