[发明专利]一种基于大数据处理的协同过滤智能推荐系统

权利要求书

1.一种基于大数据处理的协同过滤智能推荐系统，其特征在于，包括：

数据收集单元：用于收集用户行为数据、推荐内容属性、用户设备关系数据；

数据处理挖掘单元：用于建立推荐策略库、推荐策略选择、数据处理挖掘以及初步推荐结果；

协同过滤智能推荐单元：根据数据收集单元获取数据信息配合协调过滤方法得出最终推荐结果。

2.根据权利要求1所述的基于大数据处理的协同过滤智能推荐系统，其特征在于，所述协调过滤方法包括挖掘用户在不同领域下的行为，获取细粒度的用户关系集合，并将其引入到传统的协同过滤推荐模型中。

3.根据权利要求2所述的基于大数据处理的协同过滤智能推荐系统，其特征在于，所述协调过滤方法包括从推荐内容关系及推荐内容特征入手，针对推荐内容的可扩展性和新推荐内容的冷启动问题展开研究，利用推荐内容分类信息、推荐内容信息上下文提出了一种逐步优化用户兴趣的分层协同过滤算法，基于内容的个性化推荐技术，实现对用户个性化的数据进行有效过滤，并实现对有效用户信息数据的筛选。

4.根据权利要求1所述的基于大数据处理的协同过滤智能推荐系统，其特征在于，所述协调过滤方法包括利用聚类技术分别将特征相似度划分为簇，将用户按照用户兴趣相似度划分为簇，优势包括：同一簇中的用户感兴趣的交集比较大，因而在同一簇中寻找用户邻居有较高的效率，基于上述划分从用户的购买行为与浏览日志的多个不同渠道来采集信息，不需要用户根据其自己兴趣对产品进行搜索，以提高用户个性化推荐的针对性与准确度。

5.根据权利要求1所述的基于大数据处理的协同过滤智能推荐系统，其特征在于，所述协调过滤方法包括利用用户的兴趣和关系，对不同用户之间的相似度进行计算，以目标用户所涉及的最近邻居用户，就可以根据各类产品评价加权值的大小来实现对推荐产品的排序，从而对排序靠前的产品和目标用户进行推荐。

6.根据权利要求5所述的基于大数据处理的协同过滤智能推荐系统，其特征在于，基于特征相似度的聚类方法是根据标签和功能得到特征，然后利用它们之间的特征相似度对服务进行聚类，分类包括四个步骤：服务标签和服务功能提取、服务标签预处理、服务特征相似度计算、服务聚类。

7.根据权利要求1所述的基于大数据处理的协同过滤智能推荐系统，其特征在于，所述协调过滤方法包括基于内存的协同过滤推荐算法和基于模型的协同过滤算法。