[发明专利]海量信息数据的推荐方法及推荐装置

权利要求书

1.一种海量信息数据的推荐方法，其特征在于，所述推荐方法包括：

从企业内容管理系统ECM中获取元数据信息；

根据所述元数据信息的元数据集样本空间，生成元数据聚类模板；

根据用户的相关信息，获取所述用户的静态属性空间；

每个用户属于一类技术关注群体；根据所述用户的静态属性空间和所述元数据聚类模板，获取相应的静态海量数据模板，包括：根据所述用户的静态属性空间中的属性参数和所述元数据聚类模板中的属性参数，计算每一类技术文档δ与每一类技术关注群体μ的匹配关系以获取所述静态海量数据模板，其中，att_i为所述用户的静态属性空间中的属性参数与所述元数据聚类模板中的属性参数的交集中的第i个属性参数，n为该交集中属性参数的个数，Meta(att_i)为att_i所述用户的静态属性空间中的值，Specialty(att_i)为att_i在所述元数据聚类模板中的值，为att_i的权值；

监控所述用户的行为日志，并根据所述用户的行为日志，获取所述用户在预设时间内的关注词；

根据海量数据非结构化文档的文本分析，形成文本索引；

根据所述文本索引、所述用户在预设时间内的关注词以及所述静态海量数据模板，查找所要推荐的内容；

记录查找到的所要推荐的内容和所述静态海量数据模板。

2.根据权利要求1所述的推荐方法，其特征在于，所述根据所述元数据信息的元数据集样本空间，生成元数据聚类模板包括：

步骤一，从所述元数据集样本空间中任意选择K个对象作为初始的簇中心，其中，K为大于零的整数，其中一个簇对象对应一类技术文档；

步骤二，计算所述元数据集样本空间中所有对象与K个簇中心的相似度，并将所述所有对象中每个对象归类于与该对象相似度最高的簇；

步骤三，根据每个簇中的对象重新计算所述每个簇的簇中心，以重新计算K个簇中心；

步骤四，若重新计算的K个簇中心中任一簇中心发生改变，则重新计算所述所有对象与所述重新计算的K个簇中心的相似度，并将所述所有对象中每个对象归类于与该对应相似度最高的簇，形成新的簇对象；

步骤五，重复步骤三和四，直到K个簇中心不再发生改变，该K个簇中心形成所述元数据聚类模板。

3.根据权利要求2所述的推荐方法，其特征在于，所述根据所述文本索引、所述用户在预设时间内的关注词以及所述静态海量数据模板，查找所要推荐的内容包括：

获取所述用户在预设时间内的关注词在文本索引中出现的频率其中，为所述用户在预设时间内的第j个关注词；

根据和V(μ,δ)，计算每一类技术文档的推荐力度其中，m为所述用户在预设时间内的关注词的个数，为关注时间新鲜度权值，为关注频率权值，τ(δ)为文档δ的更新时间参数；

根据每一类技术文档的推荐力度，将满足预设条件的推荐力度所对应的技术文档以列表的形式生成推荐内容。