[发明专利]基于大数据搜索的个性化推荐方法和系统

说明书

本发明涉及一种个性化推荐方法和系统，其中，方法包括以下步骤：对预先从推荐系统获取到的推荐信息进行筛选，得到初始推荐信息；分别以各个初始推荐信息为搜索信息在搜索引擎中进行搜索，得到对应的N1条第一搜索结果，分别以各个初始推荐信息与预先获取的用户属性信息为搜索信息在搜索引擎中进行搜索，得到对应的N2条第二搜索结果；根据各个初始推荐信息的N1与N2的比值对所述初始推荐信息进行筛选，得到推荐结果。

技术领域

本发明涉及搜索技术领域，特别是涉及一种基于大数据搜索的个性化推荐方法和系统。

背景技术

随着推荐技术的快速发展，用户对推荐结果的要求也越来越高。个性化推荐是推荐技术的最重要内容之一。现有的个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

现有个性化推荐是基于某个信息平台或信息系统内部的海量数据做出的，譬如淘宝的商品推荐系统是基于淘宝信息平台里的海量数据进行推荐的，又譬如当当网的推荐系统是基于当当网信息平台里的海量数据进行推荐的。各个信息平台或信息系统里的数据量虽然很大，但相互之间没有融合，所以形成了数据孤岛，相对于互联网上的大数据而言，某个信息平台或信息系统内部的海量数据只能称得上是小数据，导致了现有推荐系统主要有以下问题：

(1)现有推荐技术在向一个用户进行推荐时需要参考该个用户的以往购买行为，对新用户而言，没有足够的购买行为的历史数据可以供推荐系统参考；

(2)现有推荐技术在向一个用户进行推荐时需要参考与该个用户类似的同类用户的购买行为，而另类用户的需求往往与一般用户不同；

(3)现有推荐系统是根据用户的兴趣特点和购买行为进行推荐的，而用户的兴趣特点和购买行为是从用户的购买历史数据中挖掘出来的，虽然用户的兴趣特点和购买行为也属于用户的属性，但这些用户属性信息是从用户的购买历史数据中挖掘出来的，属于用户在购买时的属性，而用户购买属性之外的用户属性信息却没有被现有推荐技术所考虑和利用。

综上所述，现有推荐系统推荐，准确率无法突破现有的瓶颈，准确率低。

发明内容

基于此，有必要针对现有技术准确率低的问题，提供一种基于大数据搜索的个性化推荐方法和系统。

一种个性化推荐方法，包括以下步骤：

对预先从推荐系统获取到的推荐信息进行筛选，得到初始推荐信息；

分别以各个初始推荐信息为搜索信息在搜索引擎中进行搜索，得到对应的N1条第一搜索结果，分别以各个初始推荐信息与预先获取的用户属性信息为搜索信息在搜索引擎中进行搜索，得到对应的N2条第二搜索结果；

根据各个初始推荐信息的N1与N2的比值对所述初始推荐信息进行筛选，得到推荐结果。

一种个性化推荐系统，包括：

第一筛选模块，用于对预先从推荐系统获取到的推荐信息进行筛选，得到初始推荐信息；

搜索模块，用于分别以各个初始推荐信息为搜索信息在搜索引擎中进行搜索，得到对应的N1条第一搜索结果，分别以各个初始推荐信息与预先获取的用户属性信息为搜索信息在搜索引擎中进行搜索，得到对应的N2条第二搜索结果；

第二筛选模块，用于根据各个初始推荐信息的N1与N2的比值对所述初始推荐信息进行筛选，得到推荐结果。