本发明涉及一种互联网数据分析方法，更具体地说涉及一种基于双向匹配的推荐方法。
背景技术：
随着现代信息技术的发展，互联网普及度日益提高。现代互联网的普及给用户带来了大量数据信息，用户享受到信息资源带来便利的同时，也给用户带来了选择上的困难，这是由于互联网上信息过载的技术问题。
针对上述问题，本领域的技术人员提成了一种推荐系统，推荐系统是一种用于预测用户对信息喜好程度，并给用户提供个性化推荐的信息过滤系统。但是现有推荐系统算法只是从单一方面计算用户与另一个用户的相似程度，这种算法显然无法应用在人与人之间的推荐中，因为现实中人与人之间的关系往往是相互的，只有相互感兴趣的用户才能在更大程度上保持友好关系，推荐相互匹配的用户比推荐相似的用户更有效，这使得现有算法的推荐结果无法满足不同用户的需求。
技术实现要素：
本发明要解决的技术问题是：提供和一种信息匹配度高的基于双向匹配的推荐方法。
本发明解决其技术问题的解决方案是：
一种基于双向匹配的推荐方法，包括以下步骤：
获取供应数据步骤：服务器获取自身用户的资源信息，以及获取他人用户对资源信息的评价信息，得到自身用户的供应数据，生成供应矩阵；
获取需求数据步骤：服务器分析自身用户的搜索记录以及浏览记录，获取自身用户的需求数据，生成需求矩阵；
吸引度att1计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户需求数据以及他人用户供应数据的pearson相关系数，记为他人用户对自身用户的吸引度att1；
寻找吸引度最近邻步骤：设定第一阈值，设定最近邻集合，将吸引度大于第一阈值的他人用户添加至最近邻集合；
吸引度att2计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户供应数据与最近邻集合中他人用户需求数据的pearson相关系数，记为自身用户对他人用户的吸引度att2；
相互吸引度计算步骤：根据所述吸引度att1以及吸引度att2，计算自身用户和最近邻集合中他人用户的相互吸引度；
推荐步骤：设定第二阈值，将相互吸引度大于第二阈值的他人用户推荐给自身用户。
作为上述技术方案的进一步改进，所述获取供应数据步骤以及获取需求数据步骤中，还包括对所述供应矩阵以及需求矩阵通过公式1进行评分标准化，所述公式1如下所示，
作为上述技术方案的进一步改进，所述吸引度att1计算步骤以及吸引度att2计算步骤中，所述pearson相关系数计算公式如公式2所示，
其中所述u为自身用户，所述v为他人用户，所述p为物品集，所述r(u,p)为自身用户对物品p的评分，所述
作为上述技术方案的进一步改进，所述相互吸引度计算步骤中，通过公式3计算自身用户与他人用户的相互吸引度，mat(u,v)＝(att1+1)(att2+1)，其中所述u为自身用户，v为他人用户。
本发明的有益效果是：本发明通过自身用户的资源信息、搜索记录以及浏览记录的获取，计算自身用户的需求数据以及供应数据，结合他人用户需求数据以及供应数据，判断自身用户以及他人用户的吸引度，并将吸引度高的他人用户推荐给自身用户。本发明利用互联网中用户相互之间的兴趣以及供需关系，弥补了现有推荐方法中仅考虑用户单方面关系的缺点，具有较大实用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。
图1是本发明的推荐方法具体实施例的流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。另外，文中所提到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本发明创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
参照图1，本发明创造公开了一种基于双向匹配的推荐方法，包括以下步骤：
获取供应数据步骤：服务器获取自身用户的资源信息，以及获取他人用户对资源信息的评价信息，得到自身用户的供应数据，生成供应矩阵；
获取需求数据步骤：服务器分析自身用户的搜索记录以及浏览记录，获取自身用户的需求数据，生成需求矩阵；
吸引度att1计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户需求数据以及他人用户供应数据的pearson相关系数，记为他人用户对自身用户的吸引度att1；
寻找吸引度最近邻步骤：设定第一阈值，设定最近邻集合，将吸引度大于吸第一阈值的他人用户添加至最近邻集合；
吸引度att2计算步骤：根据所述供应矩阵以及需求矩阵，计算自身用户供应数据与最近邻集合中他人用户需求数据的pearson相关系数，记为自身用户对他人用户的吸引度att2；
相互吸引度计算步骤：根据所述吸引度att1以及吸引度att2，计算自身用户和最近邻集合中他人用户的相互吸引度；
推荐步骤：设定第二阈值，将相互吸引度大于第二阈值的他人用户推荐给自身用户。
具体地，本发明创造将当前需要从互联网中获取资源的用户定义为自身用户，将提供资源的用户定义为他人用户；服务器根据自身用户的资源信息、搜索记录以及浏览记录，计算出自身用户的供应数据以及需求数据，分别组合成供应矩阵以及需求矩阵；同理服务器获取他人用户的供应数据以及需求数据原理一直；根据所述供应矩阵以及需求矩阵，计算自身用户对他人用户的吸引度att1，并将所述吸引度att1大于第一阈值的他人用户组成最近邻集合；之后计算自身用户对最近邻集合中他人用户的吸引度att2，服务器就将吸引度att2大于第二阈值的他人用户推荐给自身用户。
本发明通过自身用户的资源信息、搜索记录以及浏览记录的获取，计算自身用户的需求数据以及供应数据，结合他人用户需求数据以及供应数据，判断自身用户以及他人用户的吸引度，并将吸引度高的他人用户推荐给自身用户。本发明利用互联网中用户相互之间的兴趣以及供需关系，弥补了现有推荐方法中仅考虑用户单方面关系的缺点，具有较大实用性。
进一步作为优选的实施方式，本发明创造具体实施方式中，所述获取供应数据步骤以及获取需求数据步骤中，还包括对所述供应矩阵以及需求矩阵通过公式1进行评分标准化，所述公式1如下所示，
进一步作为优选的实施方式，本发明创造具体实施方式中，所述吸引度att1计算步骤以及吸引度att2计算步骤中，所述pearson相关系数计算公式如公式2所示，
进一步作为优选的实施方式，所述相互吸引度计算步骤中，通过公式3计算自身用户与他人用户的相互吸引度，mat(u,v)＝(att1+1)(att2+1)，其中所述u为自身用户，v为他人用户。
以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。