[发明专利]一种协同过滤推荐方法及系统、终端设备

说明书

本发明适用于数据挖掘技术领域，提供了一种协同过滤推荐方法及系统、终端设备，包括对至少一个数据源进行预处理，筛选出至少一个数据源的有效标签，根据所有数据源的有效标签获取用户的行为特征，根据用户的行为特征分析所有辅助数据源的喜好标签；将所有辅助数据源的喜好标签与目标数据源的喜好标签建立关联关系；通过辅助数据源的喜好标签获取目标数据源的喜好标签；根据目标数据源的喜好标签生成推荐结果，通过多个数据源对用户的喜好进行预测，有效地提高预测的准确率，避免了由于数据稀疏而导致在预测用户喜好出现偏差，多个数据源的数据对新加入的用户和新加入的商品进行推荐，有效地解决现有的协同过滤推荐系统存在推荐结果不准确的问题。

技术领域

本发明属于数据挖掘技术领域，尤其涉及一种协同过滤推荐方法及系统、终端设备。

背景技术

协同过滤推荐系统能够根据用户的历史行为记录从大量数据中挖掘出用户可能喜爱的内容，并将用户偏好的内容推荐给用户。通过对用户和商品进行聚类，使每个用户和每件商品都属于某一个类，再对类簇进行协同过滤，引入奇异值分解技术，利用图模型融合进行推荐，有效地向用户推荐用户可能喜爱的内容，然而现有的协同过滤推荐系统由于数据稀疏会导致在预测用户喜好时出现偏差，还会由于新加入的用户和新加入的商品缺少历史行为记录，而无法有效地对新加入的用户和新加入的商品进行推荐。

综上所述，现有的协同过滤推荐系统存在推荐结果不准确的问题。

发明内容

有鉴于此，本发明实施例提供了一种协同过滤推荐方法及系统、终端设备，以解决现有技术中的问题。

本发明实施例的第一方面提供了一种协同过滤推荐方法，包括：

对至少一个数据源进行预处理，筛选出所述至少一个数据源的有效标签，所述至少一个数据源包括辅助数据源；

根据所有数据源的有效标签获取用户的行为特征，根据所述用户的行为特征分析所有辅助数据源的喜好标签；

将所述所有辅助数据源的喜好标签与目标数据源的喜好标签建立关联关系；

根据所述关联关系，通过辅助数据源的喜好标签获取目标数据源的喜好标签；

根据所述目标数据源的喜好标签生成推荐结果。

本发明实施例的第二方面提供了一种协同过滤推荐系统，包括：

筛选模块，用于对至少一个数据源进行预处理，筛选出所述至少一个数据源的有效标签，所述至少一个数据源包括辅助数据源；

分析模块，用于根据所有数据源的有效标签获取用户的行为特征，根据所述用户的行为特征分析所有辅助数据源的喜好标签；

关系建立模块，用于将所述所有辅助数据源的喜好标签与目标数据源的喜好标签建立关联关系；

获取模块，用于根据所述关联关系，通过辅助数据源的喜好标签获取目标数据源的喜好标签；

结果生成模块，用于根据所述目标数据源的喜好标签生成推荐结果。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

对至少一个数据源进行预处理，筛选出所述至少一个数据源的有效标签，所述至少一个数据源包括辅助数据源；

根据所有数据源的有效标签获取用户的行为特征，根据所述用户的行为特征分析所有辅助数据源的喜好标签；

将所述所有辅助数据源的喜好标签与目标数据源的喜好标签建立关联关系；

根据所述关联关系，通过辅助数据源的喜好标签获取目标数据源的喜好标签；