[发明专利]基于类似受众的实时推荐系统及方法

权利要求书

1.一种基于类似受众的实时推荐系统，其特征在于，包括离线模块、实时模块、业务推荐服务器，其中：

离线模块包括顺序连接的HDFS单元、模型编译器、模型数据库单元；HDFS单元还与实时数据库单元连接；

实时模块包括顺序连接的数据接入模块、特征提取单元、决策引擎单元、实时数据库单元；规则数据库单元与模型编译器连接；特征提取单元、决策引擎单元还分别与模型编译器连接；

业务推荐服务器与实时数据库单元连接；

HDFS单元定时从实时数据库单元载入种子数据和规则；模型编译器从HDFS单元获取所有种子数据以及这些种子数据的所有历史数据，提取特征，对这些种子数据及其提取出来的特征进行智能分析，提取共同特征，编译成模型并存入模型数据库单元，以及对规则数据库单元中的规则进行删除或更新；

在业务推荐服务器接收到服务请求时，用户的实时行为数据通过数据接入模块进入特征提取单元进行特征提取；实时数据库单元提取用户的历史行为数据；决策引擎单元结合用户的实时行为数据和历史行为数据，从模型数据库单元加载模型对用户进行综合评估运算，将运算结果返回到实时数据库单元；业务推荐服务器调用决策引擎单元返回的运算结果。

2.根据权利要求1所述的基于类似受众的实时推荐系统，其特征在于，还包括API服务器；

API服务器分别与HDFS单元、规则数据库单元连接；

API服务器接收种子数据和自定义规则，将种子数据发送到HDFS单元，将自定义规则发送到规则数据库单元。

3.根据权利要求1或2所述的基于类似受众的实时推荐系统，其特征在于，还包括与HDFS单元连接的tracker服务器；

所述运算结果包括推荐内容；

业务推荐服务器记录与服务请求相应的用户对推荐内容的行为；

tracker服务器对用户进行跟踪并将跟踪结果存入HDFS单元。

4.根据权利要求1或2所述的基于类似受众的实时推荐系统，其特征在于，离线模块在Hadoop架构上运行；实时模块在Apache Heron架构上运行。

5.一种基于类似受众的实时推荐方法，其特征在于，包括：

离线步骤：

HDFS单元定时从实时数据库单元载入种子数据和规则；模型编译器从HDFS单元获取所有种子数据以及这些种子数据的所有历史数据，提取特征，对这些种子数据及其提取出来的特征进行智能分析，提取共同特征，编译成模型并存入模型数据库单元，以及对规则数据库单元中的规则进行删除或更新；

实时步骤：

在业务推荐服务器接收到服务请求时，用户的实时行为数据通过数据接入模块进入特征提取单元进行特征提取；实时数据库单元提取用户的历史行为数据；决策引擎单元结合用户的实时行为数据和历史行为数据，从模型数据库单元加载模型对用户进行综合评估运算，将运算结果返回到实时数据库单元；业务推荐服务器调用决策引擎单元返回的运算结果。

6.根据权利要求5所述的基于类似受众的实时推荐方法，其特征在于，所述离线步骤还包括；

API服务器接收种子数据和自定义规则，将种子数据发送到HDFS单元，将自定义规则发送到规则数据库单元。

7.根据权利要求5或6所述的基于类似受众的实时推荐方法，其特征在于，所述实时步骤还包括：

业务推荐服务器将用户的实时行为数据的元数据和运算结果存入实时数据库单元，并实时同步给HDFS单元。

8.根据权利要求5或6所述的基于类似受众的实时推荐方法，其特征在于，所述实时步骤还包括：

所述运算结果包括推荐内容；

业务推荐服务器记录与服务请求相应的用户对推荐内容的行为；

tracker服务器对用户进行跟踪并将跟踪结果存入HDFS单元。

9.根据权利要求5或6所述的基于类似受众的实时推荐方法，其特征在于，所述用户对推荐内容的行为包括点击和/或填表申请。

10.根据权利要求5或6所述的基于类似受众的实时推荐方法，其特征在于，模型编译器对模型的编译包括完全编译和增量编译。