一种商品推荐方法、装置和计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种商品推荐方法、装置和计算机可读存储介质，依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；在每个商品子空间中包括有用户对商品的评分信息；计算各商品子空间中目标用户与各剩余用户之间的评分支持度；根据各评分支持度，确定出目标用户的近邻用户集。根据评分规则，从近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。通过计算评分支持度的方式，可以快速的确定出目标用户的近邻用户集，提升了商品推荐的处理效率。并且从近邻用户集所对应的商品中选取推荐商品，使得推荐的商品更加符合用户的实际需求，提高了资源推荐的性能。

【技术实现步骤摘要】
一种商品推荐方法、装置和计算机可读存储介质
本专利技术涉及资源推荐
，特别是涉及一种商品推荐方法、装置和计算机可读存储介质。
技术介绍
随着信息技术和互联网技术的发展，人们从信息匮乏时代步入了信息过载时代，在这种时代背景下，人们越来越难从大量的信息中找到自身感兴趣的信息，而推荐系统的任务就是连接用户和信息，解决如何在海量信息中寻找关键点，为用户推送其感兴趣的信息，比如音乐，电影，游戏，新闻，图书等。每类信息都可以看作是一种商品，例如，一部电影、一本书或者是一首歌曲都可以看作是一个商品。当用户没有明确目标时，用户只能通过一些预先设定的类别或标签去寻找其可能感兴趣的商品，但面对如此之多商品，用户很难在短时间内找出真正感兴趣的。这时就需要一个自动化的工具，来分析用户历史行为记录，进而寻找出用户可能感兴趣的商品推荐给用户，这就是推荐系统的工作。传统的推荐系统往往采用相似度度量方法比如余弦相似度，皮尔森相关系数(PearsonCorrelationCoefficient，PCC)等，通过计算商品间的相似度来实现商品的推荐。然而随着用户和商品数量的不断增加，评分矩阵的稀疏性也越来越明显，共同评价的商品变少了，这就导致传统的相似度不能取得很好的推荐性能。可见，如何更加快速准确的向终端使用者推荐符合其喜好的商品，从而提高资源推荐的性能，是本领域技术人员亟待解决的问题。
技术实现思路
本专利技术实施例的目的是提供一种商品推荐方法、装置和计算机可读存储介质，可以更加快速准确的向终端使用者推荐符合其喜好的商品，从而提高资源推荐的性能。为解决上述技术问题，本专利技术实施例提供一种商品推荐方法，包括：依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；其中，在各所述商品子空间中包括用户对商品的评分信息；计算各商品子空间中目标用户与各剩余用户之间的评分支持度；其中，每个商品子空间的各剩余用户为每个商品子空间中包含的所有用户中除所述目标用户之外的其它用户；根据各所述评分支持度，确定出所述目标用户的近邻用户集；根据评分规则，从所述近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。可选的，所述计算各商品子空间中目标用户与各剩余用户之间的评分支持度包括：根据如下公式，计算各商品子空间中目标用户与各剩余用户之间的评分支持度，其中，Sup_co1(ug,ui)表示在第一商品子空间中用户ug和剩余用户ui的评分支持度，Tg1表示用户ug在第一商品子空间中的评分商品集合；Ti1表示用户ui在第一商品子空间中的评分商品集合；T1表示第一商品子空间中所有用户的评分商品集合；所述第一商品子空间为有所商品子空间中的任意一个商品子空间。可选的，所述根据各所述评分支持度，确定出所述目标用户的近邻用户集包括：根据各所述评分支持度，计算出所述目标用户与各剩余用户之间的共同评分值；按照所述共同评分值对各所述剩余用户进行排序，筛选出预设个数的用户作为所述目标用户的直接近邻用户集；统计所述直接近邻用户集中的各近邻用户所对应的直接近邻用户集作为所述目标用户的间接近邻用户集；将所述目标用户的直接近邻用户集和所述间接近邻用户集作为所述目标用户的近邻用户集。可选的，所述根据评分规则，从所述近邻用户集中各用户所对应的近邻商品中筛选出推荐商品包括：根据所述目标用户所对应的目标商品集和所述近邻用户集中各用户所对应的近邻商品集，确定出待推荐商品集；计算所述目标用户对所述待推荐商品集中各商品的预测评分；从所述待推荐商品集中筛选出预测评分高于评分平均值的商品作为推荐商品。本专利技术实施例还提供了一种商品推荐装置，包括分类单元、计算单元、确定单元和筛选单元；所述分类单元，用于依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；其中，在各所述商品子空间中包括用户对商品的评分信息；所述计算单元，用于计算各商品子空间中目标用户与各剩余用户之间的评分支持度；其中，每个商品子空间的各剩余用户为每个商品子空间中包含的所有用户中除所述目标用户之外的其它用户；所述确定单元，用于根据各所述评分支持度，确定出所述目标用户的近邻用户集；所述筛选单元，用于根据评分规则，从所述近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。可选的，所述计算单元具体用于根据如下公式，计算各商品子空间中目标用户与各剩余用户之间的评分支持度，其中，Sup_co1(ug,ui)表示在第一商品子空间中用户ug和剩余用户ui的评分支持度，Tg1表示用户ug在第一商品子空间中的评分商品集合；Ti1表示用户ui在第一商品子空间中的评分商品集合；T1表示第一商品子空间中所有用户的评分商品集合；所述第一商品子空间为有所商品子空间中的任意一个商品子空间。可选的，所述确定单元包括计算子单元、筛选子单元、统计子单元和作为子单元；所述计算子单元，用于根据各所述评分支持度，计算出所述目标用户与各剩余用户之间的共同评分值；所述筛选子单元，用于按照所述共同评分值对各所述剩余用户进行排序，筛选出预设个数的用户作为所述目标用户的直接近邻用户集；所述统计子单元，用于统计所述直接近邻用户集中的各近邻用户所对应的直接近邻用户集作为所述目标用户的间接近邻用户集；所述作为子单元，用于将所述目标用户的直接近邻用户集和所述间接近邻用户集作为所述目标用户的近邻用户集。可选的，所述筛选单元包括确定子单元、计算子单元和作为子单元；所述确定子单元，用于根据所述目标用户所对应的目标商品集和所述近邻用户集中各用户所对应的近邻商品集，确定出待推荐商品集；所述计算子单元，用于计算所述目标用户对所述待推荐商品集中各商品的预测评分；所述作为子单元，用于从所述待推荐商品集中筛选出预测评分高于评分平均值的商品作为推荐商品。本专利技术实施例还提供了一种商品推荐装置，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以实现如上述商品推荐方法的步骤。本专利技术实施例还提供了一种计算机可读存储介质，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执行时实现如上述商品推荐方法的步骤。由上述技术方案可以看出，依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；在每个商品子空间中包括有用户对商品的评分信息；以所有用户中的任意一个用户即目标用户为例，可以将每个商品子空间中包含的所有用户中除目标用户之外的其它用户称作剩余用户，计算各商品子空间中目标用户与各剩余用户之间的评分支持度；根据各评分支持度，可以确定出目标用户的近邻用户集，在该近邻用户集中包含有与目标用户具有相同或相近兴趣爱好的近邻用户。确定出目标用户的近邻用户集后，可以根据评分规则，从近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。在该技术方案中，通过计算评分支持度的方式，可以快速的确定出目标用户的近邻用户集，提升了商品推荐的处理效率。考虑到近邻用户集中包含的均是与目标用户兴趣爱好较为相近的用户，因此从近邻用户集所对应的商品中选取推荐商品，可以使得推荐的商品更加符合用户的实际需求，从而提高资源推荐的性能。附图说明为了更清楚地说明本专利技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人本文档来自技高网...

【技术保护点】
1.一种商品推荐方法，其特征在于，包括：依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；其中，在各所述商品子空间中包括用户对商品的评分信息；计算各商品子空间中目标用户与各剩余用户之间的评分支持度；其中，每个商品子空间的各剩余用户为每个商品子空间中包含的所有用户中除所述目标用户之外的其它用户；根据各所述评分支持度，确定出所述目标用户的近邻用户集；根据评分规则，从所述近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。

【技术特征摘要】
1.一种商品推荐方法，其特征在于，包括：依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；其中，在各所述商品子空间中包括用户对商品的评分信息；计算各商品子空间中目标用户与各剩余用户之间的评分支持度；其中，每个商品子空间的各剩余用户为每个商品子空间中包含的所有用户中除所述目标用户之外的其它用户；根据各所述评分支持度，确定出所述目标用户的近邻用户集；根据评分规则，从所述近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。2.根据权利要求1所述的方法，其特征在于，所述计算各商品子空间中目标用户与各剩余用户之间的评分支持度包括：根据如下公式，计算各商品子空间中目标用户与各剩余用户之间的评分支持度，其中，Sup_co1(ug,ui)表示在第一商品子空间中用户ug和剩余用户ui的评分支持度，Tg1表示用户ug在第一商品子空间中的评分商品集合；Ti1表示用户ui在第一商品子空间中的评分商品集合；T1表示第一商品子空间中所有用户的评分商品集合；所述第一商品子空间为有所商品子空间中的任意一个商品子空间。3.根据权利要求1所述的方法，其特征在于，所述根据各所述评分支持度，确定出所述目标用户的近邻用户集包括：根据各所述评分支持度，计算出所述目标用户与各剩余用户之间的共同评分值；按照所述共同评分值对各所述剩余用户进行排序，筛选出预设个数的用户作为所述目标用户的直接近邻用户集；统计所述直接近邻用户集中的各近邻用户所对应的直接近邻用户集作为所述目标用户的间接近邻用户集；将所述目标用户的直接近邻用户集和所述间接近邻用户集作为所述目标用户的近邻用户集。4.根据权利要求1-3任意一项所述的方法，其特征在于，所述根据评分规则，从所述近邻用户集中各用户所对应的近邻商品中筛选出推荐商品包括：根据所述目标用户所对应的目标商品集和所述近邻用户集中各用户所对应的近邻商品集，确定出待推荐商品集；计算所述目标用户对所述待推荐商品集中各商品的预测评分；从所述待推荐商品集中筛选出预测评分高于评分平均值的商品作为推荐商品。5.一种商品推荐装置，其特征在于，包括分类单元、计算单元、确定单元和筛选单元；所述分类单元，用于依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；其中，在各所述商品子空间中包括用户对商品的评分信息；所述计算单元，用于计算...

【专利技术属性】
技术研发人员：张莉，李泽鹏，王邦军，周伟达，凌兴宏，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32