[发明专利]基于协同过滤的通用物品推荐方法

摘要

本发明公开了一种基于协同过滤的通用物品推荐方法，该方法利用基于用户的协同过滤方法，通过欧几里得距离计算用户之间的相似度，得到相似用户集并进一步得出不同用户的候选推荐集；之后再通过对用户初始感兴趣物品属性的分类和特征赋值，计算出候选推荐集的推荐分数，从而得到一种适用性和鲁棒性较强的推荐结果，帮助用户更方便的获取感兴趣的内容。相比于传统的基于人口统计学和基于内容的推荐方法相比，本发明更为注重了用户之间的个体差异性，通过分析用户的历史行为数据，挖掘用户的兴趣进行推荐；因此，推荐结果因人而异，更多的考虑了用户的个人喜好，也可以针对不同的推荐场景定制不同的方法参数。

主权项

一种基于协同过滤的通用物品推荐方法，其特征在于，所述通用物品推荐方法包括下列步骤：S1、业务方对推荐物品及用户的属性及特征值进行初始化定义，将用户的行为分类并设置初始搜索引擎的条件，完成初始化设定和推荐引擎APK接入后，向推荐引擎APK发起推荐请求，并将初始化的数据集发送给推荐引擎APK；S2、推荐引擎APK首先根据业务方的初始搜索引擎，将满足搜索条件的数据，汇总形成可推荐候选集A，对可推荐候选集A通过相似度判定得到相似用户集，并根据基于用户的协同过滤思想，进行数据筛选得到可推荐结果集B；S3、将可推荐结果集B根据物品的属性，对属性的特征值进行划分，根据用户的感兴趣集中各个特征值所占的比例，得到可推荐结果集B的用户中每个属性特征值所占的权重，并根据各个最显著的特征集去得到用户感知最敏感的属性，根据感知最敏感的属性的不同参考权重，将用户的感兴趣集进行排序，得到初步推荐列表C；S4、将初步推荐结果列表C发送给业务方，业务方根据需求进行重排，最后得到推荐结果列表D。