[发明专利]一种商品推荐方法

说明书

一种商品推荐方法，具体步骤如下：步骤一：从分布式系统hdfs上读取用户对商品评分的数据，得到用户评分矩阵表；步骤二：根据步骤一得到的用户评分矩阵表计算商品的相似度，得到商品相似度矩阵表；步骤三：根据步骤一中的用户评分矩阵表和步骤二中的商品相似度矩阵表得到用户喜好度矩阵表；步骤四：根据步骤三中的用户喜好矩阵表建立索引，并将建立好索引的用户喜好矩阵表存入数据库中，根据用户喜好矩阵表向用户推荐商品。本发明的目的在于针对背景技术中的缺陷，提出一种商品推荐方法，无需巨量复杂的数据即可使用的简单高效商品推荐方法。

技术领域

本发明涉及计算机技术及软件领域，尤其涉及一种商品推荐方法。

背景技术

商品推荐是很多电商企业需要的一种功能。但是现有商品推荐算法种类繁多，所需数据量巨大，对于一些中小型电商企业而言，由于产品和用户数量不多，导致无法提供巨量数据供复杂的商品推荐算法进行训练使用，进而使得中小型电商企业无法对用户进行准确的商品推荐。

发明内容

本发明的目的在于针对背景技术中的缺陷，提出一种商品推荐方法，无需巨量复杂的数据即可使用的简单高效商品推荐方法。

为达此目的，本发明采用以下技术方案：

一种商品推荐方法，具体步骤如下：

步骤一：从分布式系统hdfs上读取用户对商品评分的数据，得到用户评分矩阵表；

步骤二：根据步骤一得到的用户评分矩阵表计算商品的相似度，得到商品相似度矩阵表；

步骤三：根据步骤一中的用户评分矩阵表和步骤二中的商品相似度矩阵表得到用户喜好度矩阵表；

步骤四：根据步骤三中的用户喜好矩阵表建立索引，并将建立好索引的用户喜好矩阵表存入数据库中，根据用户喜好矩阵表向用户推荐商品。

优选的，在所述步骤一中，得到用户评分矩阵表包括从分布式系统hdfs上读取用户对商品评分的数据，并将购买量少的商品进行剔除，按照购买量设置评分等级，按照评分等级制成用户评分矩阵表。

优选的，在所述步骤二中，计算商品的相似度包括以下步骤：

步骤a：任意选取两个用户评分矩阵表中的商品，选取出同时购买这两个商品的用户；

步骤b：计算步骤a中同时购买这两个商品用户的数量，该数量为这两个商品的商品两两相似度；

步骤c：重复步骤a和步骤b，得到用户评分矩阵表中所有商品两两相似度，计算出两两商品相似度分数，制成商品相似度矩阵表。

优选的，得到用户喜好矩阵表包括以下步骤：

步骤A：将用户评分矩阵表和商品相似度矩阵表进行缓存；

步骤B：将用户评分矩阵表乘以商品相似度矩阵表得到用户喜好度矩阵表，所述用户喜好度矩阵表包括每个用户对于每个商品的喜好度评分。

优选的，在步骤c中，包括使用公式一计算两两商品相似度分数；

公式一：

a*(商品两两相似度)+b*(用户评分矩阵表中两个商品的平均分)+c*(商品发货平均速度)；

其中，a、b和c表示权重参数，a＝(0.6-0.7)，b＝(0.2-0.3)，c＝(0.1-0.2)。

优选的，在所述步骤四中，根据用户喜好矩阵表向用户推荐商品包括根据用户评分矩阵表，选取出用户没有购买过的商品，并在这些用户没有购买过的商品中，选取出用户喜好矩阵表中喜好度评分最高的商品推荐给客户。