[发明专利]一种基于大数据处理的协同过滤智能推荐系统

说明书

本发明公开了一种基于大数据处理的协同过滤智能推荐系统，涉及数据推荐技术领域，该推荐系统包括数据收集单元：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，本申请便于消费者快速定位找到所需要的商品，节省在商品挑选过程中所消耗的时间；从商户方面看，商户能找到更加符合他们受众定义的潜在客户，提高销售转化率，因此无论对于消费者还是商户，个性化推荐系统都展现出了更加广阔的前景与价值。

技术领域

本发明涉及数据推荐技术领域，具体是一种基于大数据处理的协同过滤智能推荐系统。

背景技术

对于信息服务商以及相关的服务企业来说，如何使得自己提供的信息更加有效，并为用户提供高质量的信息服务，能够满足用户的信息服务需求，这些都是其应该注重解决的问题。为了有效地解决此类问题，各种各样的推荐系统开始出现，能够有效地为用户推荐需要的信息。推荐系统就是用来为用户推荐满足其需求或者服务的系统，能够作为用户与信息之间的纽带，提供给用户切实需要的信息，在用户的信息获取和查询中一直占据着重要的地位，当前推荐系统已经引起了越来越多研发人员的关注。在这种背景下，急要一个智能推荐系统来实现智能电子商务APP的智能化，给用户提供个性化的推荐服务。活动用户对未评分项目的评分，可通过其最近邻居对该项目的评分来逼近。随着用户和服务数量的不断增加，基于协同过滤的服务推荐系统面临许多新的挑战。首先，大量的服务描述、用户请求、使用以及反馈信息逐渐累积成“服务大数据”，这些具有巨量、多类型、动态变化等特征的数据不适宜用传统的关系数据库存储；其次，协同过滤算法需要在整个用户空间上寻找活动用户的最近邻居，导致推荐的实时性难以保证，进而影响推荐系统的响应时间；第三，大量用户往往仅对极少部分的服务进行评分，评分数据的稀疏性非常严重，影响了推荐的准确性。基于以上分析，本申请基于大数据处理的协同过滤智能推荐系统进行研究，本项目的研究具有重要的应用价值。

发明内容

本发明的目的在于提供一种基于大数据处理的协同过滤智能推荐系统，以解决背景技术中的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据处理的协同过滤智能推荐系统，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。

在上述技术方案的基础上，本发明还提供以下可选技术方案：

在一种可选方案中：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，进一步提高基于用户社会关系的推荐算法的预测准确度。

在一种可选方案中：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。

在一种可选方案中：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等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。