[发明专利]一种个性化数据推荐算法及推荐系统

权利要求书

1.一种个性化数据推荐算法，其特征在于，包括如下步骤：

等待个性化请求，当接收到个性化请求后，对请求进行解析，获得用户请求id，所述用户请求id，用于唯一标识用户，

根据用户请求id获取对应的历史信息索引文件，进而获得用户播放历史的记录信息，并将记录信息存入数据结构history_map中，

遍历用户播放历史的记录信息，逐条取出记录信息中的播放记录，并进行如下处理：

获取播放记录中的歌曲id，查询该歌曲的所有相似度信息，并将信息存入数据结构simi_map中，

遍历相似度信息，并进行如下处理：

该歌曲的打分结果和该歌曲的相似度歌曲的相似值相乘，得出相乘结果，

以相似歌曲的歌曲id作为相似度id，查找该相似度id是否插入了数据结构score_map中，

如果没有插入，则将相似度id和相乘结果插入数据结构score_map中，

如果已经插入，则将数据结构score_map中的原相乘结果加上本次遍历相似度信息计算得到的相乘结果，

当遍历相似度信息和遍历用户播放历史的记录信息均完成后，进行如下处理：

将数据结构score_map中的记录根据相乘结果的数值进行降序排列。

2.如权利要求1所述的个性化数据推荐算法，其特征在于：所述个性化请求，该请求的发起可采用以下任意之一：

基于用户的主动请求，当用户希望使用推荐系统，则用户可通过主动操作或主动选择，实现个性化请求的发起，

基于系统的自动请求，推荐系统默认设定是否发起个性化请求，在App安装后，当用户开始使用App时，根据默认设定，则发起个性化请求，

基于服务器端针对指定播放内容的默认设定，服务器端设定针对某些指定的播放内容提供个性化请求的发起，当用户浏览到该指定的播放内容，则服务器端和推荐系统之间交互指令，根据服务器端的默认设定，则发起个性化请求。

3.如权利要求1所述的个性化数据推荐算法，其特征在于：所述用户播放历史的记录信息，指用户部分播放历史，默认为采用如下算法抽取出前100条得分最高的播放历史：

对播放历史中记录的、播放过的歌曲，根据其播放情况按以下公式进行打分：播放的总长度除以观看长度=打分结果，在得到打分结果后按打分结果进行降序排列，选择前100条得分最高的播放历史，所述播放历史中包含了歌曲id。

4.如权利要求1所述的个性化数据推荐算法，其特征在于：用户播放历史的记录信息，格式如下：

用户id，歌曲id_打分结果，歌曲id_打分结果，……。

5.如权利要求1所述的个性化数据推荐算法，其特征在于：所述数据结构history_map，是字典数据结构map，存储格式为map<uint32_t, float>，

所述数据结构simi_map，是字典数据结构map，存储格式为map<uint32_t, float>，

所述数据结构score_map，是字典数据结构map，存储格式为map<uint32_t, float>。

6.如权利要求1所述的个性化数据推荐算法，其特征在于：所述相似度信息指歌曲相似度信息，为经过计算得出的与歌曲id对应的歌曲相似的所有歌曲。

7.如权利要求1所述的个性化数据推荐算法，其特征在于：所述相似度信息，按相似值进行降序排列，格式如下：

歌曲id，相似歌曲的歌曲id_相似值，相似歌曲的歌曲id_相似值，……。

8.如权利要求1所述的个性化数据推荐算法，其特征在于：进一步包括：根据召回个数，从降序排列后的数据结构score_map中取出相应个数的歌曲id。