[发明专利]一种个性化数据推荐算法及推荐系统

说明书

本发明涉及一种个性化数据推荐算法及推荐系统，所述方法包括：对个性化请求解析，获得用户请求id，根据用户请求id获得用户播放历史的记录信息，遍历记录信息，逐条获取记录中的歌曲id，根据歌曲id获得相似度信息，遍历相似度信息，计算该歌曲的打分结果和相似度歌曲的相似值的相乘结果，查找并记录相似度id及相乘结果，相似度id相同时累加相乘结果，当遍历完成后，按相乘结果降序排列。本发明，根据用户播放记录（播放歌曲记录），推算出该用户的偏好视频（歌曲视频），算法可靠性好，兼顾用户播放历史以及歌曲相似度信息，占用内存较少，提升推荐系统的稳定性、可靠性，增强个性化策略模型的运算效率。

技术领域

本发明涉及根据用户行为进行多媒体内容推荐技术领域，具体说是一种个性化数据推荐算法及推荐系统。

背景技术

由于互联网技术的发展，伴随着大数据的普及，从而对计算机系统（尤其是硬件）的要求也越来越高，如果某些系统资源占用率高，则存在系统整体性能下降的问题，影响系统的稳定运行。例如：

现有的B2C（Business-to-Customer）业务，其特点在于流量大、数据多，在同一时间段内会有大量的用户对系统进行高并发的访问，这对系统造成大量的访问压力，极易出现系统资源不足的问题，例如服务器端的内存、cpu、网络带宽不足等问题。

推荐系统就是一种B2C（Business-to-Customer）业务，有大量的数据需要占用内存进行相关存储计算等，由于服务器端的内存空间有限，当大量的数据占用内存时，就会导致系统整体性能下降，影响系统的稳定运行，用户的请求不能及时得到响应，导致使用推荐系统的用户体验不佳。

为了提高运算效率，减轻大量的数据占用内存对系统带来的影响，推荐系统通常根据不同用户的使用情况，采用个性化策略模型，有针对性的发觉个性化长尾，提高用户体验。这种个性化策略模型，针对不同用户的使用情况、使用习惯等，计算向用户推荐的内容，不但能为用户推荐其喜欢或感兴趣的内容，而且能在一定程度上避免非偏好信息的计算和推荐，优化对系统资源的占用。

个性化策略模型涉及个性化数据推荐算法，现有的该算法通常根据用户播放歌曲形成的记录，即用户播放历史的记录信息，推算出该用户的个性化数据，避免重复推送。但是，仅依靠用户播放历史的记录信息，不能充分挖掘长尾信息，导致推送信息不够全面，且对用户喜欢或感兴趣的内容估算不充分。

因此本发明针对该算法进行设计、优化，以期提升推荐系统的稳定性、可靠性，增强个性化策略模型的运算效率。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种个性化数据推荐算法及推荐系统，根据用户播放记录（播放歌曲记录），推算出该用户的偏好视频（歌曲视频），算法可靠性好，兼顾用户播放历史以及歌曲相似度信息，占用内存较少，提升推荐系统的稳定性、可靠性，增强个性化策略模型的运算效率。

为达到以上目的，本发明采取的技术方案是：

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，