[发明专利]一种基于NMF算法的大数据商品及服务推荐方法及系统

摘要

本发明公开了一种基于NMF算法的大数据商品及服务推荐方法，其特征在于包括以下步骤：接收一用户输入的语音信息，生成一结构化文本并在数据库中进行查询；根据该数据库中记录的该多个用户的用户日志对用户进行聚类分析；根据用户、用户浏览记录、商品属性计算用户在每个属性分类上的NMF值：根据当前用户选择的商品，计算当前用户在属性分类上的NMF值，根据商品页的推荐数需求对排序后的推荐候选集的推荐数目进行裁剪，得到最终的推荐集合，进行个性化推荐。本发明的基于NMF算法的大数据商品及服务推荐方法及系统避免了电子商务中用户搜索所需商品所产生的浏览中的大量无关信息，大大提高了电子商务的效率，同时大大改善了用户的使用体验。

主权项

一种基于NMF算法的大数据商品及服务推荐方法，其特征在于，在一数据库中记录有多个用户的多个用户日志，用户日志对应地记录有用户的历史数据记录，所述的历史记录数据及可供推荐的商品及服务属性值组合，利用早先生成的属性值预测模型，以此来获取用户目前对感兴趣商品属性值的组合；该基于NMF算法的大数据商品及服务推荐方法包括以下步骤：A：接收一用户输入的信息，并将这一用户作为目标用户，对信息转化成标准文本信息，以生成一结构化文本，根据结构化文本在数据库中进行查询，以获查询结果；B：若在该数据库中记录有该目标用户的用户日志，则将该结构化文本记录至该目标用户的用户日志中，若在该数据库中未记录有该目标用户的用户日志，则在该数据库中创建该目标用户的用户日志、并将该结构化文本记录至该目标用户的用户日志中；根据该数据库中记录的该多个用户的用户日志对用户进行聚类分析，以得到聚类结果，该聚类结果包括若干用户聚类及其特征；C：以商品类别属性为因变量，以用户属性、商品浏览历史记录等特征值为自变量通过逻辑回归算法（Logistic Regression）做统计分析，得出用户对商品类别喜好地概率，建立属性值预测模型，然后结合非负矩阵分解算法（NMF）与用户选定的目标商品匹配对比，对用户个性化推荐，推荐相似商品；D：根据用户属性信息、用户浏览记录、商品属性计算用户在每个属性分类上的NMF值，用户的NMF值计算结果为一个向量，对于m个属性分类，用eum表示用户NMF值向量中的项，用户NMF值向量表示为Eu＝{eu1，eu2，eu3，...，eum}，每个进行个性化推荐的用户都有一个用户NMF值向量；对用户个性化推荐，推荐相似商品，根据当前用户所选商品，与推荐候选集中的结果进行匹配，根据匹配结果和分类NMF值权重计算商品的相似度，然后根据相似度进行降序排序完成推荐排序过程：E：根据当前用户选择的商品，计算当前用户在属性分类上的NMF值，匹配得到的候选集合商品的属性匹配向量B，再根据全局NMF值向量Et和中的用户NMF值向量 Eu，计算推荐候选集中每个商品的相似度，再根据相似度对推荐候选集商品进行降序排序，其中，对于推荐候选集中的第 k 项商品，k＝1，2，3，4，5...，相似度simk计算公式为：如果k≤5，simk＝Bk×(Et‑Eu)÷k，如果k＞ 5，simk ＝Bk×(Et‑Eu)÷0.5k，根据商品页的推荐数需求对排序后的推荐候选集的推荐数目进行裁剪，得到最终的推荐集合，进行个性化推荐。