[發明專利]商品大數據并行云平臺推薦精準推送系統

在審

• 申請號: 202210727428.0
• 申請日: 2022-06-25
• 公開（公告）號: CN115099893A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 彭博
• 申請（專利權）人: 彭博
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.商品大數據并行云平臺推薦精準推送系統，其特征在于：基于并行云的大數據處理框架，針對商品推薦方法涉及大量的迭代運算，在并行云平臺上搭建商品推薦系統，解決分離云推薦在評分稀疏時推薦精度不高的問題，分階段提出兩個層級的改進方法，分別是基于n個近似用戶近似度加權的分離云推薦和基于標簽的近似度加權分離云推薦；

第一，基于n個近似用戶的近似度加權分離云推薦：基于與目標用戶近似度低的用戶不參與評分預測，否則導致評分預測值不準，另外與目標用戶越近似的用戶在計算商品評分偏差時，其比重也越大，對近似用戶按近似度大小排序，取近似度較大的前n個近似用戶參與評分預測，另外，在計算商品評分偏差時，按用戶近似度加權，進一步提高預測精度；

第二，基于標簽的近似度加權分離云推薦：基于在進行商品評分預測時，采用商品近似度加權比同時評分用戶數加權更準確，另外對于稀疏的商品評分矩陣，通過商品標簽計算的商品近似度比通過商品評分計算的商品近似度更可靠，在計算商品近似度時，考慮評分數據的稀疏性，采用商品標簽計算的近似度替代采用商品評分計算的近似度，在數據稀疏時通過標簽計算的商品近似度更加準確,在預測評分時以商品近似度為權重進行加權；

另外，進一步改進云計算平臺下推薦方法并行化：在并行云分布式大數據處理平臺下實現推薦系統近似度并行化，基于n個近似用戶的近似度加權分離云推薦并行化，基于標簽的近似度加權分離云推薦方法并行化，并對并行云平臺下推薦方法并行化解析優化，使其在處理商品大數據時執行效率和精確度更高。

2.根據權利要求1所述商品大數據并行云平臺推薦精準推送系統，其特征在于，基于n個近似用戶的近似度加權分離云推薦：通過選取與目標用戶近似度較大的前n個用戶進行評分預測，且在計算商品評分偏差時，融入用戶近似度，基于n個近似用戶的近似度加權分離云推薦方法中商品j相對于商品i的評分偏差計算式為：

其中，R為整個評分數據，r_vi和r_vj分別表示用戶v對商品i和商品j的評分，S_ji(R)表示同時對商品i和商品j有評分，且與用戶u近似的前n個用戶的集合，sim(u,v)表示用戶u和用戶v的近似度，采用皮爾遜關聯因子計算用戶之間的近似度，|sim(u,v)|表示sim(u,v)的絕對值,分母用|sim(u,v)|代替sim(u,v)避免負的權重會導致預測評分超出允許的范圍；

利用式1計算商品j與商品i的評分偏差之后，采用分離云推薦方法中的式2計算用戶u對商品j的預測值：

采用dev_ji+r_ui獲得用戶u對商品j的一個評分預測值，Relevant(u,j)表示用戶u評過分的商品中與商品j被同時評過分的商品集合，得到基于n個近似用戶的近似度加權分離云推薦方法的預測結果；

從輸入、輸出、實現流程三個方面對基于n個近似用戶的近似度加權分離云推薦方法描述包括：

(1)輸入：用戶-商品評分矩陣R(mxn)，目標用戶u，目標商品j，相鄰用戶個數n；

(2)輸出：用戶u對商品j的pred(u,j)評分；

(3)方法的詳細實現步驟如下：

第一步：獲得目標用戶u，已經評分商品的集合I_u；

第二步：獲取對目標商品j和I中的商品都有評分的用戶集合U_ji；

第三步：計算目標用戶u與用戶集合U_ji中的每一個用戶的皮爾遜關聯因子，取皮爾遜關聯因子較大的n個用戶，構成集合S_ji(R)；

第四步：利用式1計算目標商品j和I_u中的每一個商品的評分偏差dev_ji；

第五步：由式2計算目標用戶u對目標商品j的評分預測值pred(u,j)。