[发明专利]一种商品推荐方法、装置和计算机可读存储介质

说明书

本发明实施例公开了一种商品推荐方法、装置和计算机可读存储介质，依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；在每个商品子空间中包括有用户对商品的评分信息；计算各商品子空间中目标用户与各剩余用户之间的评分支持度；根据各评分支持度，确定出目标用户的近邻用户集。根据评分规则，从近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。通过计算评分支持度的方式，可以快速的确定出目标用户的近邻用户集，提升了商品推荐的处理效率。并且从近邻用户集所对应的商品中选取推荐商品，使得推荐的商品更加符合用户的实际需求，提高了资源推荐的性能。

技术领域

本发明涉及资源推荐技术领域，特别是涉及一种商品推荐方法、装置和计算机可读存储介质。

背景技术

随着信息技术和互联网技术的发展，人们从信息匮乏时代步入了信息过载时代，在这种时代背景下，人们越来越难从大量的信息中找到自身感兴趣的信息，而推荐系统的任务就是连接用户和信息，解决如何在海量信息中寻找关键点，为用户推送其感兴趣的信息，比如音乐，电影，游戏，新闻，图书等。每类信息都可以看作是一种商品，例如，一部电影、一本书或者是一首歌曲都可以看作是一个商品。

当用户没有明确目标时，用户只能通过一些预先设定的类别或标签去寻找其可能感兴趣的商品，但面对如此之多商品，用户很难在短时间内找出真正感兴趣的。这时就需要一个自动化的工具，来分析用户历史行为记录，进而寻找出用户可能感兴趣的商品推荐给用户，这就是推荐系统的工作。

传统的推荐系统往往采用相似度度量方法比如余弦相似度，皮尔森相关系数(Pearson Correlation Coefficient，PCC)等，通过计算商品间的相似度来实现商品的推荐。然而随着用户和商品数量的不断增加，评分矩阵的稀疏性也越来越明显，共同评价的商品变少了，这就导致传统的相似度不能取得很好的推荐性能。

可见，如何更加快速准确的向终端使用者推荐符合其喜好的商品，从而提高资源推荐的性能，是本领域技术人员亟待解决的问题。

发明内容

本发明实施例的目的是提供一种商品推荐方法、装置和计算机可读存储介质，可以更加快速准确的向终端使用者推荐符合其喜好的商品，从而提高资源推荐的性能。

为解决上述技术问题，本发明实施例提供一种商品推荐方法，包括：

依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；其中，在各所述商品子空间中包括用户对商品的评分信息；

计算各商品子空间中目标用户与各剩余用户之间的评分支持度；其中，每个商品子空间的各剩余用户为每个商品子空间中包含的所有用户中除所述目标用户之外的其它用户；

根据各所述评分支持度，确定出所述目标用户的近邻用户集；

根据评分规则，从所述近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。

可选的，所述计算各商品子空间中目标用户与各剩余用户之间的评分支持度包括：

根据如下公式，计算各商品子空间中目标用户与各剩余用户之间的评分支持度，

其中，Sup_co¹(u_g,u_i)表示在第一商品子空间中用户u_g和剩余用户u_i的评分支持度，T_g¹表示用户u_g在第一商品子空间中的评分商品集合；T_i¹表示用户u_i在第一商品子空间中的评分商品集合；T¹表示第一商品子空间中所有用户的评分商品集合；所述第一商品子空间为有所商品子空间中的任意一个商品子空间。