一种基于地理位置的推荐方法和推荐系统的制作方法
【技术领域】
[0001] 本发明属于数据处理领域，尤其设及一种基于地理位置的推荐方法和推荐系统。
【背景技术】
[0002] 传统的推荐系统算法主要使用的基于协同过滤的推荐算法，基于上下文感知的推 荐算法W及基于社交网络的推荐算法，而基于用户地理位置的产品推荐方法并没有广泛流 行。但随着移动互联网的蓬勃发展，用户的地理位置数据通过手机端Gl^s开始被大量获取， 开始成为商品推荐的重要特征属性，使得一些基于用户地理位置的商品推荐任务成为可 能。
[0003] 在收集到用户的地理位置数据后，需要先对用户在地理位置上进行划分，划分方 法是基于用户的所在地的邮政编码为基础的划分方法。然后，通过扫描该地区的用户交易 记录，通过计算地区之间的相似程度，找到与用户所在地区相似的地区，进行基于协同过滤 的推荐计算。当前已有的基于协同过滤的推荐计算方案中，一种是基于用户本身之间的相 似程度，一种是基于物品本身之间的相似程度，尚未有基于地区之间的相似程度的协同过 滤推荐计算方法。
【发明内容】
[0004] 鉴于此，本发明提供了一种基于地理位置的推荐方法和推荐系统，W解决现有技 术没有基于地理位置进行推荐的技术问题。
[0005] 本发明实施例是该样实现的，一种基于地理位置的推荐方法，所述方法包括W下 步骤：
[0006] 通过地理特征将待推荐区域划分为多个小区域；
[0007] 获取所述多个小区域的特征数据；
[0008] 将所述特征数据转换为特征向量，并根据预设的余弦相似度公式判断所述特征向 量的相似度；
[0009] 获取所述相似度高于预设的相似度阔值的小区域的商品数据，通过预设的加权公 式计算所述商品数据中的商品的加权值；
[0010] 根据所述加权值获取推荐商品。
[0011] 本发明实施例还提供一种基于地理位置的推荐系统，所述系统包括：
[0012] 小区域划分单元，用于通过地理特征将待推荐区域划分为多个小区域；
[0013] 特征数据获取单元，用于获取所述小区域划分单元划分的多个小区域的特征数 据；
[0014] 相似度获取单元，用于将所述特征数据获取单元获取的特征数据转换为特征向 量，并根据预设的余弦相似度公式判断所述特征向量的相似度；
[0015] 加权值计算单元，用于获取所述相似度获取单元获取的相似度高于预设的相似度 阔值的小区域的商品数据，通过预设的加权公式计算所述商品数据中的商品的加权值；
[0016] 推荐商品获取单元，用于根据所述加权值计算单元计算的加权值获取推荐商品。
[0017] 本发明实施例，通过地理特征将待推荐区域划分为多个小区域，获取多个小区域 的特征数据，将特征数据转换为特征向量，根据预设的余弦相似度公式判断特征向量的相 似性，获取相似度高于预设的相似度阔值的小区域的商品数据，通过预设的加权公式计算 商品数据中的商品的加权值，根据加权值获取推荐商品，提供了一种基于地理位置的推荐 方法。
【附图说明】
[0018] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可W根据该些 附图获得其他的附图。
[0019] 图1是本发明实施例提供的基于地理位置的推荐方法的流程图；
[0020] 图2是本发明实施例提供的基于地理位置的推荐系统的结构图。
【具体实施方式】
[0021] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用W解释本发明，并 不用于限定本发明。
[0022] 为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
[002引实施例一
[0024] 如图1所示为本发明实施例提供的基于地理位置的推荐方法的流程图，所述方法 包括W下步骤：
[0025] 步骤S101，通过地理特征将待推荐区域划分为多个小区域。
[0026] 在本发明实施例中，待推荐区域可W通过地理特征将该待推荐区域划分为多个小 区域，其中，该地理特征包括但不限于：邮政编码、经度和绅度中的一种或多种。如；可W根 据邮政编码将待推荐区域划分为XXXXXX小区域和YYYYYY小区域；也可W根据经度将待推 荐区域划分为东经XX度小区域和东经YY度小区域；还可W根据绅度将待推荐区域划分为 北绅XX度小区域和北绅YY度小区域。
[0027] 步骤S102,获取所述多个小区域的特征数据。
[0028] 在本发明实施例中，对每个小区域分别提取其特征数据，该特征数据包括但不限 于；单位面积新房售价、单位面积二手房售价、单位面积人口密度、人均房屋拥有面积、人均 汽车拥有量、大米平均售价、猪肉平均售价、鸡蛋平均售价、人均年消费金额、人均年收入、 人均家庭孩子数量、10岁W下的人口比例、11~30岁人口比例、31~60岁人口比例、60岁 W上的人口比例、未接受过教育的人口比例、小学~高中教育的人口比例、专科~本科教育 的人口比例、研究生W上教育的人口比例、年收入1万W下的人口比例、年收入2~10万的 人口比例、年收入10~30万的人口比例、年收入30万W上的人口比例、汉族人口比例、非 汉族人口比例。
[0029] 步骤S103,将所述特征数据转换为特征向量，并根据预设的余弦相似度公式
判断所述特征向量的相似度，所述Wi、W2为 特征向量，0为Wi和W2之间的夹角。
[0030] 在本发明实施例中，将特征数据转换为特征向量，通过预设的余弦相似度公式
对两个特征向量进行两两比较，其中，Wi、W2 为特征向量，0为Wi和W2之间的夹角。
[0031] 步骤S104,获取所述相似度高于预设的相似度阔值的小区域的商品数据，通过预 设的加权公式
计算所述商品数据中的商品的加权 值。
[0032] 在本发明实施例中，根据预设的加权公式
[0033]
计算所述商品数据中的商品的加权值，其 中，T表示当前时间，t表示商品交易时间，a表示时间衰减参数。
[0034] 步骤S105,根据所述加权值获取推荐商品。
[0035] 在本发明实施例中，对相似的小区域，根据加权值对小区域的商品进行流行度排 名，加权值越高流行度越高，从所述排名中过滤掉本区域的流行商品，剩下的即为推荐商 品。
[0036] 本发明实施例，通过地理特征将待推荐区域划分为多个小区域，获取多个小区域 的特征数据，将特征数据转换为特征向量，根据预设的余弦相似度公式判断特征向量的相 似性，获取相似度高于预设的相似度阔值的小区域的商品数据，通过预设的加权公式计算 商品数据中的商品的加权值，根据加权值获取推荐商品，提供了一种基于地理位置的推荐 方法。
[0037] 实施例二
[0038] 如图2所示为本发明实施例提供的基于地理位置的推荐系统的结构图，为了便于 说明，仅示出与本发明实施例相关的部分，包括：
[0039] 小区域划分单元201，用于通过地理特征将待推荐区域划分为多个小区域。
[0040] 在本发明实施例中，待推荐区域可W通过地理特征将该待推荐区域划分为多个小 区域，其中，该地理特征包括但不限于：邮政编码、经度或绅度中的一种或多种。如；可W根 据邮政编码将待推荐区域划分为XXXXXX小区域和YYYYYY小区域；也可W根据经度将待推 荐区域划分