[发明专利]一种协同过滤的推荐模块、方法、电子设备及存储介质

权利要求书

1.一种协同过滤的推荐模块，用于对用户进行内容的推荐，其特征在于，所述推荐模块包括第一推荐模块、第二推荐模块和第三推荐模块。

2.如权利要求1所述的一种协同过滤的推荐模块，其特征在于，所述第一推荐模块基于搜索词和用户浏览信息记录进行推荐，根据搜索词进行特征提取，并分析关键词在内容名中的TF-IDF值，以获得内容与关键词之间的相似度表，当获取到用户的搜索词，先对所述关键词进行遍历对比，返回用户搜索的内容列表形成用户感兴趣的第一推荐列表，同时根据用户浏览记录生成第二推荐列表，将第一推荐列表与第二推荐列表结合生成第三推荐列表。

3.如权利要求1所述的一种协同过滤的推荐模块，其特征在于，所述第二推荐模块基于时间因素和物品的协同过滤进行用户信息推荐，建立物品用户评分表，构建物品同现矩阵，通过时间衰减函数与平滑处理计算物品相似度，获取用户对评分物品的偏好，结合用户对物品产生行为的时间因子，根据物品分值大小，形成第四推荐列表。

4.如权利要求1所述的一种协同过滤的推荐模块，其特征在于，所述第三推荐模块基于计算内容的热度值进行用户推荐，对内容信息表进行分析，得到内容的浏览次数、评论数和内容的创建时间，以计算内容的热度值，并根据所述内容的热度值形成第五推荐列表。

5.一种协同过滤的推荐方法，应用于所述权利要求1至8任一项所述的协同过滤的推荐模块，其特征在于，所述推荐方法包括：

步骤1，先判断用户是否是新用户，如果是新用户，则执行热门推荐，基于热度值的大小进行用户信息推荐，如果不是新用户则转入步骤2；

步骤2，判断用户评分是否大于第一设定阈值，如果小于等于第一设定阈值，则基于搜索词和用户浏览信息记录进行用户信息推荐，如果大于第一设定阈值，则转入步骤3；

步骤3，基于时间因素和物品的协同过滤进行用户信息推荐。

6.如权利要求5所述的一种协同过滤的推荐方法，其特征在于，所述步骤2包括：

步骤201，对内容分词和停用词进行处理；

步骤202，对关键词特征进行提取，采用TF-IDF的关键词特征提取算法，并加入平滑数据处理，形成内容-关键词表。

7.如权利要求5所述的一种协同过滤的推荐方法，其特征在于，所述步骤3包括：

步骤301，建立物品与用户对应的评分表；

步骤302，构建物品的同现矩阵，计算物品相似度，相似度计算中加入时间衰减函数和平滑处理；

步骤303，获取用户对评分物品的偏好，通过时间因子对用户偏好进行计算；

步骤304，物品得分值的从大到小排序，形成推荐列表。

8.如权利要求6所述的一种协同过滤的推荐方法，其特征在于，所述步骤2还包括：

步骤203，得到内容-关键词表后，根据关键词来计算不同内容之间的相似度。

9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求5至8任一项所述的协同过滤的推荐方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求5至8任一项所述的协同过滤的推荐方法的步骤。