基于大数据的商品推荐方法技术

本发明专利技术公开了基于大数据的商品推荐方法，包括以下步骤：S1：根据商品类型将所有商品划分为多个商品类；S2：提取同一个商品类中商品的特征进行SVM机器学习并生成该商品类的二元分类器；所述二元分类器的数量与商品类的数量相同，且二元分类器与商品类一一对应；S3：从大数据中提取所有用户在平台上的浏览和交易记录作为用户的特征值；S4：以用户的特征值对所有的用户进行聚类分析，生成多个用户类。本发明专利技术基于大数据的商品推荐方法，使得在用户使用的过程中进行实时推荐时，系统端需要的运算量仅仅为二元分类器的运算，而二元分类器在形成以后的运算量是非常小的，对比现有技术中的点对点推荐的方式，可以大幅提高推荐速度。

Commodity recommendation method based on big data

The invention discloses a commodity recommendation method based on large data, which includes the following steps: S1: dividing all commodities into multiple commodity categories according to commodity types; S2: extracting the characteristics of commodities in the same commodity category for SVM machine learning and generating a binary classifier of the commodity category; the number of the binary classifiers and the commodity category. The number is the same, and the binary classifier corresponds to the commodity class one by one; S3: extract the browsing and transaction records of all users on the platform from the large data as the user's eigenvalues; S4: cluster all users with their eigenvalues to generate multiple user classes. The commodity recommendation method based on large data makes the amount of computation required by the system end only for the binary classifier when real-time recommendation is carried out in the process of user use, while the amount of operation of the binary classifier after its formation is very small. Compared with the point-to-point recommendation method in the prior art, it can be greatly raised. High recommended speed.

【技术实现步骤摘要】
基于大数据的商品推荐方法
本专利技术涉及商品推荐
，具体涉及基于大数据的商品推荐方法。
技术介绍
随着互联网的迅猛发展，互联网上呈现的信息量爆炸式增长。2012年在Amazon购物网站上，提供超过1000万种商品。信息量的增大，反而降低了信息的利用率，导致用户更难找到自己需要的信息，出现信息超载现象。目前商品个性化推荐普遍被认为是解决这种问题最有效的工具之一，个性化推荐通过分析用户的行为习惯，将有效信息推荐给用户，节省用户筛选信息的时间，也提高了信息的有效利用率。目前商品推荐主要采用的是单一用户和单一商品直接进行匹配比对的方法，对于目前动辄上千万种类的商品和上千万用户来说，运算量会几何倍上涨，大幅提高了商品推荐的运行成本。
技术实现思路
本专利技术所要解决的技术问题是目前商品推荐主要采用的是单一用户和单一商品直接进行匹配比对的方法，对于目前动辄上千万种类的商品和上千万用户来说，运算量会几何倍上涨，大幅提高了商品推荐的运行成本，目的在于提供基于大数据的商品推荐方法，解决上述问题。本专利技术通过下述技术方案实现：基于大数据的商品推荐方法，包括以下步骤：S1：根据商品类型将所有商品划分为本文档来自技高网...

【技术保护点】
1.基于大数据的商品推荐方法，其特征在于，包括以下步骤：S1：根据商品类型将所有商品划分为多个商品类；S2：提取同一个商品类中商品的特征进行SVM机器学习并生成该商品类的二元分类器；所述二元分类器的数量与商品类的数量相同，且二元分类器与商品类一一对应；S3：从大数据中提取所有用户在平台上的浏览和交易记录作为用户的特征值；S4：以用户的特征值对所有的用户进行聚类分析，生成多个用户类；S5：提取同一个用户类中用户的特征值并进行加权平均得到每一个用户类的特征均值；S6：将特征均值带入每个二元分类器；当任意一个二元分类器的输出结果为真值时，将此二元分类器对应的商品类推荐给该特征均值对应的用户类中的每一...

【技术特征摘要】
1.基于大数据的商品推荐方法，其特征在于，包括以下步骤：S1：根据商品类型将所有商品划分为多个商品类；S2：提取同一个商品类中商品的特征进行SVM机器学习并生成该商品类的二元分类器；所述二元分类器的数量与商品类的数量相同，且二元分类器与商品类一一对应；S3：从大数据中提取所有用户在平台上的浏览和交易记录作为用户的特征值；S4：以用户的特征值对所有的用户进行聚类分析，生成多个用户类；S5：提取同一个用户类中用户的特征值并进行加权平均得到每一个用户类的特征均值；S6：将特征均值带入每个二元分类器；当任意一个二元分类器的输出结果为真值时，将此二元分类器对应的商品类推荐给该特征均值对应的用户类中的每一个用户。2.根据权利要求1所述的基于大数据的商品推荐方法，其特征在于，步骤S2中所述二元分类...

【专利技术属性】
技术研发人员：金风莲，
申请(专利权)人：广州友米科技有限公司，
类型：发明
国别省市：广东,44