一种用于科技服务的服务推荐实验系统技术方案

本发明专利技术涉及一种用于科技服务的服务推荐实验系统，包括数据采集模块、数据处理模块、离线推荐模块以及实时推荐模块和业务系统模块；其中，所述数据采集模块用于收集信息；数据处理模块建立用户对科技服务产品隐式评分模型，对原数据库标签进行One

【技术实现步骤摘要】
一种用于科技服务的服务推荐实验系统


[0001]本专利技术属于科技服务资源平台精准推荐
，具体涉及到一种用于科技服务的服务推荐实验系统。

技术介绍

[0002]科技服务起源于西方发达国家，经历了几十年来的发展，已建立了多个科技服务平台和服务中心，形成了一种较为稳定且成熟的行业。国际科技服务业整体规模较大，服务类型多元、组织形式多样、服务技术高端、服务产出高值。近些年来，我国科技服务业开辟了稳定巩固的新境界，但同时由于我国科技服务业起步较晚，发展速度过快，有着诸多对科技服务业可持续健康发展产生掣肘的突出问题，如技术开发不够系统、资源匹配不够合理、资源调控手段单一、科技服务缺少协同以及服务缺少精准定制等。
[0003]现有对科技服务的研究有很多研究方向，但对科技服务的研究大多基于搭建平台的角度考虑，很少能把用户真正的需求放在首位，造成用户在科技服务平台中难以找到满足自身需求的科技服务资源。此外，不同于大量个体用户的传统电商业务平台，科技服务平台主要面向主体是企业及机关单位，因此数据都具有稀疏性的特点。上述问题必将导致科技服务平台丧失用户的黏性度，因此面向科技服务的推荐系统由此而生。但同时，随着互联网的迅速发展，单一的推荐服务难以满足用户变化的需求，因此混合多种推荐服务模块也必不可少。

技术实现思路

[0004]本专利技术针对科技服务平台用户需求混合推荐问题，提供一种用于科技服务的服务推荐实验系统，通过实行本专利技术的各个模块流程，能准确的为科技服务平台用户提供精准的推荐服务，且更加灵活的应对用户的动态需求。
[0005]为解决上述技术问题，本专利技术采用如下技术方案：
[0006]一种用于科技服务的服务推荐实验系统，它包括数据采集模块、数据处理模块、离线推荐模块、实时推荐模块和业务系统模块。其中，数据采集模块包括收集用户对于科技服务资源链接的点击行为，从科技资源数据库中收集科技资源提供方信息及科技资源信息，从用户交易数据库中收集用户信息以及历史技术资源组交易记录信息；所述数据处理模块包括对原数据库标签进行One
‑
Hot编码，Embedding嵌入层将数据稀疏转换为稠密向量，建立用户对科技服务产品隐式评分模型；所述离线推荐模块包括从数据处理模块加载数据，通过交替最小二乘(ALS)算法将用户推荐结果表和科技服务资源相似度矩阵写入到数据库中；所述实时推荐模块包括日志采集服务、消息缓冲服务和实时推荐服务；所述的业务系统模块包括推荐结果展示、查询功能、模糊检索和评分功能。本专利技术包含离线推荐和实时推荐部分，并充分利用基于内容的推荐方法和协同过滤算法来提供混合推荐，同时提供平台部署、算法设计、应用服务等诸多环业务实现。
[0007]与现有技术相比，本专利技术有益效果如下：
[0008]1.本专利技术的推荐实验系统以用户需求为核心，以发展科技服务平台为宗旨。不同于以往围绕科技服务平台建设，本专利技术通过分析用户与科技服务平台的历史交互数据以及实时交互数据，挖掘用户潜在的需求，即基于用户需求目标生成科技服务资源推荐矩阵。
[0009]2.本专利技术与单个模块的科技服务推荐系统不同，为满足用户持续变化的真实需求，更好发挥科技服务平台服务特色，本专利技术综合了离线推荐与实时推荐体系，并利用了统计性算法、基于ElasticSearch引擎的内容推荐算法以及基于协同过滤推荐算法提供推荐算法支持，并将内容推荐结果、离线推荐结果、实时推荐结果进行混合，综合得到相应用户的最佳推荐结果，从而大幅度提高了科技服务平台推荐的准确性和效率。
[0010]3.本专利技术从涉及到科技服务领域层面和科技服务推荐技术层面，一个是面向9种科技服务支撑，分别是研究开发、创业孵化、知识产权、科技咨询、科技金融、技术转移、科学技术普及、检验检测认证以及综合科技服务；另一个科技服务推荐技术包括Spring综合业务服务、MongoDB业务数据库、Redis缓存数据库、ElasticSearch搜索引擎服务、Flume日志采集服务、Kafka消息缓冲服务、Azkaban工作调度服务以及Spark大数据处理框架。
附图说明
[0011]图1为本专利技术结构框架图。
[0012]图2为本专利技术科技服务推荐系统技术架构。
具体实施方式
[0013]下面结合附图，对本专利技术的具体实施例做进一步的说明。
[0014]如图1所示，本实施例一种用于科技服务的服务推荐实验系统，它包括数据采集模块、数据处理模块、离线推荐模块、实时推荐模块和业务系统模块。其中，数据采集模块包括收集用户对于科技服务资源链接的点击行为，从科技资源数据库中收集科技资源提供方信息及科技资源信息，从用户交易数据库中收集用户信息以及历史技术资源组交易记录信息；所述数据处理模块包括对原数据库标签进行One
‑
Hot编码，Embedding嵌入层将数据稀疏转换为稠密向量，建立用户对科技服务产品隐式评分模型；所述离线推荐模块包括从数据处理模块加载数据，通过交替最小二乘(ALS)算法将用户推荐结果表和科技服务资源相似度矩阵写入到数据库中；所述实时推荐模块包括日志采集服务、消息缓冲服务和实时推荐服务；所述的业务系统模块包括推荐结果展示、查询功能、模糊检索和评分功能。本专利技术包含离线推荐和实时推荐部分，并充分利用基于内容的推荐方法和协同过滤算法来提供混合推荐，同时提供平台部署、算法设计、应用服务等诸多环业务实现。
[0015]本专利技术系统按以下步骤具体实现运行：
[0016]第一步，采集并准备数据集。
[0017]启动MongoDB数据库，创建相应的数据表，从资源数据库中收集服务提供方信息及科技资源信息，从用户交易数据库中收集用户信息以及历史技术资源组交易记录信息，收集用户对于科技服务资源链接的点击行为并写入数据库中，将数据写入MongoDB数据库与ElasticSearch服务器中，服务器最后将数据加载程序主体实现。数据库各表结构设计如下：
[0018]1.Source【科技资源数据表】
[0019]字段名字段类型字段描述字段备注sidInt科技资源的ID nameString科技资源的名称 descriString科技资源的描述 issueString科技资源发布时间 priceDouble科技资源的价格 typeString科技资源的类型 buyerString科技资源的服务商 [0020]2.User【用户表】
[0021]字段名字段类型字段描述字段备注uidInt用户的ID unameString用户名 passwardString用户密码 firstBoolean用于是否第一次登陆0，1genresList<String>用户偏爱科技资源类型 timeLong用户创建的时间 [0022]3.Rating【用户评分表】
[0023]字段名字段类型字段描述字段备注uidInt用户的ID sidInt科技资源的ID scoreDouble科技资源的评分 hscoreDoub本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于科技服务的服务推荐实验系统，其特征在于：包括数据采集模块、数据处理模块、离线推荐模块以及实时推荐模块；其中，所述数据采集模块用于收集用户对于科技资源链接的点击行为，从科技资源数据库中收集科技资源提供方信息及科技资源信息，从用户交易数据库中收集用户信息以及历史技术资源组交易记录信息；所述数据处理模块用于对原数据库标签进行One
‑
Hot编码，Embedding嵌入层将数据稀疏转换为稠密向量，建立用户对科技服务产品隐式评分模型；所述离线推荐模块用于从数据处理模块加载数据，通过交替最小二乘法算法将用户推荐结果表和科技资源相似度矩阵写入到数据库中；所述实时推荐模块包括日志采集服务、消息缓冲服务以及实时推荐服务。2.根据权利要求1所述的科技服务的服务推荐实验系统，其特征在于：还...

【专利技术属性】
技术研发人员：费敏锐，李晨辉，周文举，易开祥，王海宽，丁加兰，
申请(专利权)人：上海大学，
类型：发明
国别省市：