[发明专利]一种基于大数据的信息推荐系统

说明书

本发明涉及一种基于大数据的信息推荐系统，包括数据采集模块、数据预处理模块、信息安全系统、数据挖掘分析模块、评估模块、数据存储模块、信息推荐模块，终端模块，云端模块，通过建立一种信任系统，以表达用户之间的信任关系，从而帮助用户确定是否信任项目的通信，同时采用量化的方式将各种因素融合到用户偏好的预测中，采用推荐模型来挖掘用户不断变化的兴趣偏好，结合用户评分记录按照特定的排序算法来生成推荐列表。

技术领域

本发明涉及大数据技术领域，具体为一种基于大数据的信息推荐系统。

背景技术

当今大数据发展的一大关键难题就是如何高效高质量地从海量的数据信息中挖掘有价值的部分，解决信息过载问题的有效方法就是提供的推荐系统，截止到目前推荐系统的研究已经得到了广泛的应用，也形成了许多有关的研究成果。目前推荐系统在电子商务领域(如淘宝、京东等)、信息检索领域(如百度搜索引擎、谷歌搜索引擎等)、社交网络领域(如QQ、微信)等诸多领域都得到了具体应用，并取得了显而易见的效果。

推荐算法是推荐系统的关键组成部分，除了比较常见的推荐算法之外，还有基于内容的推荐、基于模型的推荐以及混合推荐算法等。最为常见的一种推荐算法为协同过滤推荐算法，现阶段国内外绝大多数的商务网站都是采用这种算法，但是上述的算法都或多或少的存在以下问题：数据矩阵稀疏性、新用户及新物品的冷启动问题、可扩展性问题、实时性问题等推荐算法常见的通用问题。因此还需要进一步对常见的推荐系统进行研究从而来解决上述问题。在实际的网站中一般的解决方法是采用混合推荐算法，比较常见的组合为分别用协同过滤推荐方法和其他方法产生各自的推荐结果，再通过使用不同的组合方法去得到最终推荐列表。混合推荐关键的问题就是通过混合各类算法来相互弱化或者弥补不同推荐技术的弱点。

发明内容

本发明提出了一种基于大数据的信息推荐系统，解决了传统推荐算法推荐结果单一、安全性差等问题。

一种基于大数据的信息推荐系统，包括数据采集模块、数据预处理模块、信息安全系统、数据挖掘分析模块、评估模块、数据存储模块、信息推荐模块，终端模块，云端模块，所述数据采集模块依据每个用户对某些项目的打分构建用户-项目评分矩阵，设用户的集合U＝{u₁,u₂,u₃,…,u_m}，所有项目的集合C＝{c₁,c₂,c₃,…,c_n}，m个用户n个项目构成的评分矩阵为S_m×n，在评分矩阵中，矩阵中的元素S_ij是用户u_i对项目i_ij的评分；

采用所述数据挖掘分析模块计算目标用户与用户集合中的其他用户的相似度，具体步骤如下：

S1.为了简化，采用i,j代替u_i,u_j，通过计算两个用户向量之间的夹角的余弦来度量二者的近似相似度：

式中，S_ic和S_jc分别表示用户u_i和u_j对项目c的评分，U表示所有用户集合，Sim'(i,j)是用户u_i和用户u_j之间的近似相似度；

S2.根据用户背景信息对相似度进行加权平衡，以弥补评分信息不足时最近邻选择面临的瓶颈问题，适用于衡量不同用户之间的特征信息偏差，计算公式如下：

Sim(i,j)＝β×Sim'(i,j)+(1-β)×Sim'(i,j)；

其中，Sim(i,j)是用户u_i和用户u_j之间的修正相似度，β是调整因子，可根据不同情形下的用户需求进行自适应调整，β的动态调整公式为：