1.一种基于时间的产品推荐方法,其特征在于,包括:
从目标数据库获取包括用户和项目的目标数据,根据所述目标数据构建关于用户和项目的目标矩阵;
根据所述目标矩阵和SimS算法,计算得到不同项目对用户的分值;
根据最近增长热度算法,计算得到不同项目在指定时间内的最近增长热度;
设置权重值,基于THybrid算法根据所述权重值、所述分值和所述最近增长热度进行计算,得到初级推荐分值;
根据所述目标数据的类型获取目标数据参数,并根据所述目标数据参数对所述初级推荐分值进行优化计算,得到各项目对所述用户的推荐分值;
根据所述推荐分值确定项目列表,所述项目列表按照所述推荐分值对所述项目进行顺序排序,根据预置推荐规则获取所述项目列表中的若干项目,并将所述若干项目推送至所述用户的推荐列表。
2.如权利要求1所述的产品推荐方法,其特征在于,所述根据所述目标数据构建关于用户和项目的目标矩阵包括:
将所述目标数据保存为.dat格式;
根据所述目标数据构建关于用户和项目的目标矩阵,其中,以a表示所述目标矩阵,则:当第i个用户与第α个项目不相关时,aiα=0,当第i个用户与第a个项目相关时,aiα=1。
3.如权利要求1或2所述的产品推荐方法,其特征在于,所述根据所述目标数据构建关于用户和项目的目标矩阵之后还包括:
获取每一项目相关的用户数量,及获取每一用户相关的项目数量。
4.如权利要求1所述的产品推荐方法,其特征在于,以表示所述分值,以Δk'α(t,τ)表示所述最近增长热度,Δk'α(t,τ)=Δkα(t,τ)+εkα(t),以λ表示所述权重值,以表示所述初始推荐分值,则:
5.如权利要求4所述的产品推荐方法,其特征在于,所述根据所述目标数据的类型获取目标数据参数,并根据所述目标数据参数对所述初级推荐分值进行优化计算,得到各项目对所述用户的推荐分值包括:
根据所述目标数据从类型参数列表中获取所述目标数据的目标数据参数,所述类型参数列表包括目标数据和目标数据参数的对应关系;
根据所述目标数据参数对所述初级推荐分值进行计算,得到各项目对所述用户的推荐分数,以r表示所述目标数据参数,以表示所述推荐分值,则:
6.一种基于时间的产品推荐系统,其特征在于,包括:
矩阵构建单元,用于从目标数据库获取包括用户和项目的目标数据,根据所述目标数据构建关于用户和项目的目标矩阵;
分值计算单元,用于根据所述目标矩阵和SimS算法,计算得到不同项目对用户的分值;
热度计算单元,用于根据最近增长热度算法,计算得到不同项目在指定时间内的最近增长热度;
权重计算单元,用于设置权重值,基于THybrid算法根据所述权重值、所述分值和所述最近增长热度进行计算,得到初级推荐分值;
分值确定单元,用于根据所述目标数据的类型获取目标数据参数,并根据所述目标数据参数对所述初级推荐分值进行优化计算,得到各项目对所述用户的推荐分值;
列表推荐单元,用于根据所述推荐分值确定项目列表,所述项目列表按照所述推荐分值对所述项目进行顺序排序,根据预置推荐规则获取所述项目列表中的若干项目,并将所述若干项目推送至所述用户的推荐列表。
7.如权利要求6所述的产品推荐系统,其特征在于,所述矩阵构建单元具体用于:
将所述目标数据保存为.dat格式;
根据所述目标数据构建关于用户和项目的目标矩阵,其中,以a表示所述目标矩阵,则:当第i个用户与第α个项目不相关时,aiα=0,当第i个用户与第α个项目相关时,aiα=1。
8.如权利要求6或7所述的产品推荐系统,其特征在于,所述矩阵构建单元还用于:
获取每一项目相关的用户数量,及获取每一用户相关的项目数量。
9.如权利要求6所述的产品推荐系统,其特征在于,以表示所述分值,以Δk'α(t,τ)表示所述最近增长热度,Δk'α(t,τ)=Δkα(t,τ)+εkα(t),以λ表示所述权重值,以表示所述初始推荐分值,则:
10.如权利要求9所述的产品推荐系统,其特征在于,所述分值确定单元具体用于:
根据所述目标数据从类型参数列表中获取所述目标数据的目标数据参数,所述类型参数列表包括目标数据和目标数据参数的对应关系;
根据所述目标数据参数对所述初级推荐分值进行计算,得到各项目对所述用户的推荐分数,以r表示所述目标数据参数,以表示所述推荐分值,则: