[發明專利]基于大規模評分數據對用戶進行商品在線實時推薦的方法

在審

• 申請號: 201710292884.6
• 申請日: 2017-04-28
• 公開（公告）號: CN108154380A
• 公開（公告）日: 2018-06-12
• 發明（設計）人: 王成;文詩琪;張憶文;賴雄鳴;何霆;洪欣;鄭國旗
• 申請（專利權）人: 華僑大學;亞爾迪（廈門）科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭;楊鍇

1.一種基于大規模評分數據對用戶進行商品在線實時推薦的方法，其特征在于，獲取用戶對商品的評分數據，并對其進行離散化處理作為類別屬性，利用基于并行樸素貝葉斯分類模型計算用戶對商品各評分類別的概率，通過期望求和預測用戶對商品的評分，獲得并行樸素貝葉斯回歸模型；通過并行樸素貝葉斯回歸模型進行協同過濾推薦，實現商品在線實時推薦。

2.根據權利要求1所述的基于大規模評分數據對用戶進行商品在線實時推薦的方法，其特征在于，獲取用戶對商品的評分數據后，將評分數據存儲于Hadoop的HDFS分布式文件系統上；其中，用戶對商品的評分數據包括：用戶a，商品b，用戶a對商品b的評分r_a,b。

3.根據權利要求2所述的基于大規模評分數據對用戶進行商品在線實時推薦的方法，其特征在于，將獲取的用戶對商品的評分離散化處理后，作為樸素貝葉斯的分類類別R_i，i∈[1,…,s]，表示有s種不同的評分。

4.根據權利要求3所述的基于大規模評分數據對用戶進行商品在線實時推薦的方法，其特征在于，如果獲取的評分數據為整數，則評分數據直接作為分類類別；如果獲取的評分數據為小數，則采用四舍五入的方式取整后，再作為分類類別；

則，

5.根據權利要求4所述的基于大規模評分數據對用戶進行商品在線實時推薦的方法，其特征在于，確定評分數據為樸素貝葉斯分類的特征屬性。

6.根據權利要求5所述的基于大規模評分數據對用戶進行商品在線實時推薦的方法，其特征在于，將獲取的評分數據及取整的評分數據讀取作為訓練樣本，用戶和商品作為特征屬性，生成用戶-商品評分矩陣R＝{r_1,1,…,r_a,b,…,r_m,n}；其中，矩陣包括m個用戶U＝{u₁,u₂,…,u_a,…,u_m}和n個商品I＝{i₁,i₂,…,i_b,…,i_n}。

7.根據權利要求6所述的基于大規模評分數據對用戶進行商品在線實時推薦的方法，其特征在于，計算用戶對商品各評分類別的概率的方法如下：

讀取存儲在HDFS分布式文件系統上的評分數據作為輸入，則輸入為<offset,(UserID,ItemID,Rating)>；其中，offset是文件位置偏移量，(UserID,ItemID,Rating)是讀取數據中每一行的內容，UserID表示用戶，ItemID表示商品，Rating表示用戶對商品的評分；

Map-I階段：評分Rating為key，(UserID,ItemID)和(NUM)為value，輸出<Rating,(UserID,ItemID)>和<Rating,(NUM)>的鍵值對；其中，NUM表示訓練樣本中數據的總量；

Reduce-I階段：讀取Map-I階段的輸出，得到各個評分類別的概率，將評分Rating設置為key，統計各評分出現的次數NUM_R_i，結合Map-I階段中得到的訓練樣本數據總量NUM，則得到各個評分類別的概率并輸出<UserID Rating,(1)>、<ItemIDRating,(1)>、<Rating NUM_R_i P(R_i),(1)>的鍵值對。