【技术实现步骤摘要】
基于大数据的商品混合推荐系统
[0001]本专利技术涉及商品推荐
，具体为基于大数据的商品混合推荐系统。
技术介绍
[0002]生鲜电商平台的商品比其他电商平台中的商品更加细分，对于具体的推荐算法而言，除了需要分析生鲜类商品、用户之间的联系之外，也需要分析细分生鲜类目下的商品关联，在数据打标时需要注意贴合度和目标精准度，从而增加成交总额，此外由于对于用户来说是较新平台，导致用户积累相对较少，因此还需处理冷启动问题，单一的推荐方式无法有效满足此类生鲜电商平台对于推荐系统的要求，单一的推荐算法都存在各自的缺点或局限性，当新的用户或者新的物品进入系统时，由于没有浏览、点击等交互数据，难以形成推荐，就会出现冷启动问题，如果用户的交互数据过少，则会出现数据稀疏性问题，在类似“用户
‑
物品”这样的交互矩阵中，如果非零项过少，不仅会耗费计算资源，也不会形成太好的推荐效果。因此，设计适应生鲜电商平台业务需求和快速精准推荐的基于大数据的商品混合推荐系统是很有必要的。
技术实现思路
[0003]本专利技术...
【技术保护点】
【技术特征摘要】
1.基于大数据的商品混合推荐系统，包括商品数据模块、数据分析处理模块和推荐服务模块，其特征在于：所述商品数据模块用于进行所需商品数据的埋点采集和数据落盘，所述数据分析处理模块用于对接收的商品数据进行集成管理并处理推荐数据中存在的问题，所述推荐服务模块用于利用算法进行商品推荐计算实现离线和实时两组推荐服务，所述包括商品数据模块与数据分析处理模块网络连接，所述数据分析处理模块与推荐服务模块网络连接；所述推荐服务模块包括离线推荐服务模块和实时推荐服务模块，所述离线推荐服务模块与实时推荐服务模块电连接，所述离线推荐服务模块用于利用ALS协同过滤推荐和近期热门统计推荐进行离线服务，所述实时推荐服务模块用于进行基于窗口的实时TopN推荐和基于动态感知的实时商品推荐服务，所述离线推荐服务模块包括历史数据集子模块，所述历史数据集子模块用于离线推荐服务主要根据数据仓库中存储记录的历史数据集进行计算推荐，所述实时推荐服务模块包括动态感知子模块，所述动态感知子模块用于根据用户的评分行为进行动态感知的实时推荐触发。2.根据权利要求1所述的基于大数据的商品混合推荐系统，其特征在于：所述商品数据模块包括用户交互数据收集模块、数据层、日志系统模块和分布式环境模块，所述用户交互数据收集模块与数据层、日志系统模块电连接，所述日志系统模块与分布式环境模块电连接，所述用户交互数据收集模块用于收集用户和商品相关的属性信息即静态数据以及用户评分和浏览的动态数据，所述数据层用于对数据集中的数据进行封装计算，所述日志系统模块用于将通过埋点采集的日志数据放入日志系统的消息中间件和消息队列中，所述分布式环境模块用于搭建部署分布式运行环境，所述分布式环境模块包括分布式并行计算子模块，所述分布式并行计算子模块用于利用分布式环境实现分布式并行计算；所述数据层包括原始数据层、中间数据层和应用数据层，所述原始数据层、中间数据层与应用数据层电连接，所述原始数据层用于将数据集中的数据进行二次封装，所述中间数据层用于存储推荐服务的中间结果和一些汇总数据，所述应用数据层用于存储各个推荐服务产生的混合推荐结果。3.根据权利要求2所述的基于大数据的商品混合推荐系统，其特征在于：所述数据分析处理模块包括数据仓库建立模块、冷启动处理模块和关联规则模块，所述数据仓库建立模块与冷启动处理模块、关联规则模块网络连接，所述数据仓库建立模块用于建立负责存储业务数据、中间数据和最终数据的数据仓库，所述冷启动处理模块用于利用统计学推荐规避给新用户推荐过程中遇到的冷启动问题，所述关联规则模块用于利用关联规则发掘用户的潜在购物对象。4.根据权利要求3所述的基于大数据的商品混合推荐系统，其特征在于：所述商品混合推荐方法包括以下运行步骤：步骤A1：通过日志系统采集用户在系统中的交互行为，利用相似度计算和评分预测构造出用户画像；步骤A2：部署分布式环境；步骤A3：搭建大数据处理中台，利用Hive数据仓库管理工具实现数据仓库的分层建模；步骤A4：将离线和实时推荐服务按照一定的规则混合输出，通过动态调整实现对于不同用户的推荐服务的个性化；
步骤A5：推荐服务的执行结果经过结果分类处理后触达用户，同时根据需要将推荐服务的输...
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。