An intelligent recommendation system consists of module A, module B and module C. Module A transforms user behavior features from user behavior database and generates user feature vectors with user attribute database; Module B generates feature item-related recommendation matrix from multiple related tables, and user feature vectors are transformed into initial recommendation list through feature item-related recommendation matrix; Module C is responsible for the initial recommendation list. The final recommendation results are generated by filtering and ranking.
【技术实现步骤摘要】
智能推荐系统
本专利技术属于互联网
，特别涉及一种用于向用户推荐服务或者产品的智能推荐系统。
技术介绍
智能推荐系统，也被称为“推荐系统”，自上世纪90年代诞生以来，一直在互联网的众多领域发挥核心作用。例如：亚马逊的电子商务系统、优酷的视频推荐系统、Pandora的音乐推荐系统等。消费者的选择困难一直是互联网发展的难题，例如，大型网站上成千上万部电影可以即点即看，却不知道要看哪一部；几百万首歌可以实时播放，却找不到想听的。信息技术带来资讯季度丰富的同时，也带来了用户的选择困难症。而最好的选择，就是不需要选择。经过十多年技术发展，所要解决的问题，如今逐渐浮出水面。在信息过载的环境下对信息消费需求提供可能的解决方案，这就是推荐系统。近年来移动互联网的高速发展，移动个人终端设备越来越丰富。往往移动设备体积较小，页面承载信息量是有限的，这就意味着展现的信息需要更精准地符合每个用户的人性化需求，而媒体的碎片化文化的多样性，也带来人们对信息的需求越来越个性化。这些因素推动着个性化及推荐系统应用的普及化和深入化。传统的推荐方式需要搭建一个提供人工配置的管理后台，有需要推荐...
【技术保护点】
1.一种智能推荐系统，该系统包括模块A、模块B和模块C，模块A从用户行为数据库对用户行为提取后对行为特征进行转换，结合用户属性数据库生成用户的特征向量；模块B，从多个相关表生成特征‑物品相关推荐矩阵，用户的特征向量通过特征‑物品相关推荐矩阵转化为初始推荐物品列表；模块C，负责对初始的推荐列表进行过滤、排名处理，从而生成最终推荐结果。
【技术特征摘要】
1.一种智能推荐系统，该系统包括模块A、模块B和模块C，模块A从用户行为数据库对用户行为提取后对行为特征进行转换，结合用户属性数据库生成用户的特征向量；模块B，从多个相关表生成特征-物品相关推荐矩阵，用户的特征向量通过特征-物品相关推荐矩阵转化为初始推荐物品列表；模块C，负责对初始的推荐列表进行过滤、排名处理，从而生成最终推荐结果。2.根据权利要求1所述的智能推荐系统，其特征在于，所述推荐系统包括候选产品集合，该候选产品集合提供给模块B的特征-物品相关推荐矩阵参考，同时也提供给模块C的过滤过程中提供参考。3.根据权利要求2所述的智能推荐系统，其特征在于，模块C中还通过用户行为反馈和物品属性提供给排名处理进行参考。4.根据权利要求1所述的智能推荐系统，其特征在于，该系统的推荐过程包括：1)根据用户行为数据和用户属性数据，得到用户特征向量；2)根据用户特征向量与特征-产品相关矩阵，得到初始推荐产品列表；3)将初始推荐列表进行过滤、排名等处理，生成最终推荐结果。5.根据权利要求4所述的智能推荐系统，其特征在于，在使用用户行为计算特征向量时需要考虑以下因素：1)用户行为的各类，包括浏览、单击产品链接、收藏产品、购买、评论；2)用户行为产生的时间，包括用户近期的行为；3)用户行为次数；4)产品的热门程度，过滤的时候过滤如下产品：1)用户已经产生过购买的产品，2)前台不可售的产品，3)质量较次的产品，包括评价指标较低的产品...
【专利技术属性】
技术研发人员：刘才，张传利，陈涵轩，付仁杰，周文逸，
申请(专利权)人：上海景域文化传播股份有限公司，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。