[发明专利]一种基于用户位置分布的个性化物品推荐方法及系统

说明书

本发明公开了一种基于用户位置分布的个性化物品推荐方法，包括：构建用户和物品的用户评分矩阵，并获取用户的地理位置；根据用户评分矩阵和用户的地理位置计算所有物品之间距离系数，生成距离系数矩阵；根据距离系数矩阵计算所有物品的相似度，生成相似度矩阵；根据生成的物品的相似度矩阵、每个用户已经评分的物品，对每个用户预测待推荐物品的评分；将每个用户生成的待推荐物品中评分预测最高的p项物品推荐给相对应的每个用户。本发明还提供一种推荐系统，包括：数据预处理模块、物品之间距离系数计算模块、物品相似度计算模块、评分预测模块和推荐模块。该推荐方法及系统可以实现更加精准的评分预测计算，进而实现更加方便而高效的推荐服务。

技术领域

本发明涉及基于大数据和数据挖掘推荐系统技术领域，尤其是一种基于用户地理位置的个性化物品推荐方法及系统。

背景技术

当前信息技术和电子商务的快速发展不仅给人类的生产和生活带来了革命性的变化，而且为消费者带来了极为丰富的产品门类和消费渠道。然而在信息检索能力有限的情况下，用户很难从中筛选和找到自己真正感兴趣的信息。为了解决这一信息过载难题，电子商务网站通常采用关键词搜索和分类导航的方式来提高用户的检索效率。这两种手段虽然缩小了用户的筛选范围，但是需要用户能够根据自身的知识和经验对自己的需求有较为精准的描述和刻画。然而现代新产品和技术的更新速度往往超越个人知识的更新，使用户难以用经验来描述最适合自己的产品和需求。因此，通过个性化推荐算法可以快速帮助用户找到自己感兴趣的商品。

作为电子商务推荐系统中应用最成功的推荐技术，传统的基于物品的协同过滤推荐算法存在一些问题，其仅仅依靠商品之间的评分差异来度量相似度，导致推荐精度较低。

公开号为CN109063120A的中国专利文献公开了一种基于聚类的协同过滤推荐方法和装置，包括：获取第一物品的标签基因组向量；基于第一物品的标签基因组向量，将第一物品分为第一数量的簇类；针对各目标物品：当该目标物品与第二物品属于同一簇类时，基于该目标物品与第二物品之间的预设类型的距离计算相关性系数；当该目标物品与第二物品属于不同簇类时，基于该目标物品与第二物品的泊松相关系数计算相关性系数；将目标用户对第二物品的预设的评分，以及该目标物品与第二物品的相关性系数进行加权求和，得到目标用户对该目标物品的预测评分；将预测评分符合预设条件的目标物品，推荐给目标用户。公开号为CN104699687A的中国专利文献公开了一种物品推荐方法及服务器，所述物品推荐方法包括：获取待推荐物品的历史使用信息，所述待推荐物品的历史使用信息包括待推荐物品的历史使用位置信息和/或待推荐物品的历史使用时间信息；获取待推荐用户的终端的当前信息，所述待推荐用户的终端的当前信息包括待推荐用户的终端的当前位置信息和/或当前时间；根据所述待推荐物品的历史使用信息及所述待推荐用户的终端的当前信息，确定物品推荐列表；将所述物品推荐列表发送给所述待推荐用户的终端。

但上述专利文献未考虑物品之间的相似程度与用户的空间位置存在的关联关系，导致推荐精度较低，因此，如何实现更加方便而高效的推荐服务是目前电子商务仍在探索的问题。

发明内容

本发明的目的在于提供一种基于用户位置分布的个性化物品推荐方法及系统，可以实现更加精准的评分预测计算，进而实现更加方便而高效的推荐服务。

本发明提供如下技术方案：

一种基于用户位置分布的个性化物品推荐方法，包括以下步骤：

(1)遍历当前用户，获得每个用户对已有过评价行为的物品的评分记录，构建用户和物品的用户评分矩阵，并获取用户的地理位置；

(2)根据用户评分矩阵和用户的地理位置计算所有物品之间距离系数，生成任意两两物品之间的距离系数组成的距离系数矩阵；

(3)根据距离系数矩阵计算所有物品的相似度，生成任意两两物品的相似度组成的相似度矩阵；