技术领域本发明涉及一种基于NMF算法的大数据商品及服务推荐方法及系统。
背景技术：
随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。同时随着电子商务系统正处在不断的扩大化，系统结构不断的复杂化，用户及商品的数量几乎呈直线上身，然而现阶段很多推荐算法由于自身的条件限制，存在两个方面的问题：稀疏性问题与扩展性问题，这严重的影响了推荐的质量。另一方面，语音查询功能在各行业中都有非常实际的应用。随着移动终端的普及，越来越多的语音识别应用被开发。利用语音识别技术能够在一定程度上便于用户的搜索或操作，若能够将语音识别技术辅以主动根据用户需求对商品进行筛选推荐的系统，则有望更快、更便利地推荐最适合用户的产品，以达到使得用户能够更便捷地找寻所需商品的目的，从而大大改善用户的使用体验。
技术实现要素：
本发明要解决的技术问题是为了现有电子商务中用户需要花费大量的时间才能找到自己想买的商品，而在这种浏览中必然产生大量无关的信息，因而会大大降低电子商务的效率，同时严重影响用户的使用体验的缺陷，提出一种基于NMF算法的大数据商品及服务推荐方法及系统。本发明是通过下述技术方案来解决上述技术问题的：一种基于NMF算法的大数据商品及服务推荐方法，其创新点在于，在一数据库中记录有多个用户的多个用户日志，用户日志对应地记录有用户的历史记录，该基于NMF算法的大数据商品及服务推荐方法包括以下步骤：A：接收一用户输入的信息，并将这一用户作为目标用户，对信息转化成标准文本信息，以生成一结构化文本，根据结构化文本在数据库中进行查询，以获查询结果；B：若在该数据库中记录有该目标用户的用户日志，则将该结构化文本记录至该目标用户的用户日志中，若在该数据库中未记录有该目标用户的用户日志，则在该数据库中创建该目标用户的用户日志、并将该结构化文本记录至该目标用户的用户日志中；根据该数据库中记录的该多个用户的用户日志对用户进行聚类分析，以得到聚类结果，该聚类结果包括若干用户聚类及其特征；C：以商品类别属性为因变量，以用户属性、商品浏览历史记录等特征值为自变量通过逻辑回归算法（LogisticRegression）做统计分析，得出用户对商品类别喜好地概率，建立属性值预测模型，然后结合非负矩阵分解算法（NMF）与用户选定的目标商品匹配对比，对用户个性化推荐，推荐相似商品。D：根据用户属性信息、用户浏览记录、商品属性计算用户在每个属性分类上的NMF值，用户的NMF值计算结果为一个向量，对于m个属性分类，用eum表示用户NMF值向量中的项，用户NMF值向量表示为Eu＝{eu1，eu2，eu3，...，eum