一种个性化资源检索方法
【技术领域】
[0001] 本发明涉及一种个性化资源检索方法，属于计算机应用技术领域。
【背景技术】
[0002] 在电子商务时代，商家通过购物网站提供了大量的商品，客户无法一眼通过屏幕 就了解所有的商品，也无法直接检查商品的质量。所以，客户需要一种电子购物助手，能根 据客户自己的兴趣爱好推荐客户可能感兴趣或者满意的商品。个性化推荐是根据用户的兴 趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。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。为了解决 这些问题，个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一 种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信 息服务。
[0003] 个性化推荐的最大的优点在于，它能收集用户特征资料并根据用户特征，如兴趣 偏好，为用户主动作出个性化的推荐。而且，系统给出的推荐是可以实时更新的，即当系统 中的商品库或用户特征库发生改变时，给出的推荐序列会自动改变。这就大大提高了电子 商务活动的简便性和有效性，同时也提高了企业的服务水平。总体说来，一个成功的个性化 推荐系统的作用主要表现在以下三个方面： 第一、将电子商务网站的浏览者转变为购买者：电子商务系统的访问者在浏览过程中 经常并没有购买欲望，个性化推荐系统能够向用户推荐他们感兴趣的商品，从而促成购买 过程。
[0004] 第二、提高电子商务网站的交叉销售能力：个性化推荐系统在用户购买过程中向 用户提供其他有价值的商品推荐，用户能够从系统提供的推荐列表中购买自己确实需要但 在购买过程中没有想到的商品，从而有效提高电子商务系统的交叉销售。
[0005] 第三、提高客户对电子商务网站的忠诚度：与传统的商务模式相比，电子商务系统 使得用户拥有越来越多的选择，用户更换商家极其方便，只需要点击一两次鼠标就可以在 不同的电子商务系统之间跳转。个性化推荐系统分析用户的购买习惯，根据用户需求向用 户提供有价值的商品推荐。如果推荐系统的推荐质量很高，那么用户会对该推荐系统产生 依赖。因此，个性化推荐系统不仅能够为用户提供个性化的推荐服务，而且能与用户建立长 期稳定的关系，从而有效保留客户，提尚客户的忠诚度，防止客户流失。
[0006] 个性化推荐系统具有良好的发展和应用前景。目前，几乎所有的大型电子商务系 统，如AmazorueBay等，都不同程度的使用了各种形式的推荐系统。各种提供个性化服务的 Web站点也需要推荐系统的大力支持。在日趋激烈的竞争环境下，个性化推荐系统能有效的 保留客户，提高电子商务系统的服务能力。成功的推荐系统会带来巨大的效益。
【发明内容】
[0007] 本发明正是针对现有技术存在的需求，提供一种个性化资源检索方法，满足实际 使用要求。
[0008] 为解决上述问题，本发明所采取的技术方案如下： 一种个性化资源检索方法，包括以下步骤： 步骤A数据收集：包括存储在数据库和缓存中的需要实时存取的数据，和存储在分布 式文件系统中的大规模的非实时地存取数据；所述需要实时存取的数据包括用户的实时行 为数据，所述大规模的非实时地存取数据包括用户特征数据和商品特征数据； 步骤B引擎计算：推荐引擎根据实时收集的用户行为数据计算并获得初始推荐结果； 步骤C过滤处理：应用协同过滤伪代码算法对获得的初始推荐结果进行过滤处理； 步骤D排名解释：将经过过滤处理的初始推荐结果按照一定权重或者优先级合并、排 序，然后获取排序前列的推荐解释并形成最终的推荐结果。
[0009] 作为上述技术方案的具体优选，步骤B引擎计算包括以下步骤： 步骤B1基于结构数据进行降维处理：通过奇异值分解、贝叶斯聚类、概率潜在语义分 析和隐含狄利克雷分配处理，利用用户的实时行为数据建立一个关于行为和商品的二维表 格，进行矩阵计算，降维处理后的数据作为后续步骤的输入数据； 步骤B2建立基于用户和商品的二部图：建立用户集合A与商品集合B，A与B间没有交 集，A中的节点与B中节点通过步骤B1提供的输入数据构成相连的边，形成二部图； 步骤B3将二部图进行两个方向的转换，映射为超图： 形成用户超图：因对同一商品的行为而产生一个超边将各用户相连，形成用户超图，揭 示用户行为模式的特征，提高推荐系统的性能； 形成商品超图：因同一用户的行为而产生一个超边将进行实时行为的各商品相连，形 成商品超图。
[0010] 本发明与现有技术相比较，本发明的实施效果如下： 本发明所述的一种个性化资源检索方法，不仅能够准确预测用户的行为，而且能够扩 展用户的视野，帮助用户发现那些他们可能会感兴趣，但却不那么容易发现的东西；同时， 本发明所述的一种个性化资源检索方法还能够帮助商家将那些被埋没在长尾中的好商品 介绍给可能会对它们感兴趣的用户。
【附图说明】
[0011] 图1为本发明所述的一种个性化资源检索方法的整体流程示意图； 图2为本发明具体实施例中基于结构数据进行降维处理的流程示意图； 图3为本发明具体实施例中基于用户和商品的>部图的不意图； 图4为本发明具体实施例中用户超图的示意图； 图5为本发明具体实施例中商品超图的不意图。
【具体实施方式】
[0012] 下面将结合具体的实施例来说明本发明的内容。
[0013] 如图1所示，为本发明所述的一种个性化资源检索方法结构示意图。本发明所述 一种个性化资源检索方法，包括以下步骤： 一、数据收集： 包括存储在数据库和缓存中的需要实时存取的数据，和存储在分布式文件系统中的大 规模的非实时地存取数据；所述需要实时存取的数据包括用户的实时行为数据，所述大规 模的非实时地存取数据包括用户特征数据和商品特征数据。
[0014] 个性化推荐算法依赖于用户行为数据，而在任何一个网站中都存在着各种各样的 用户行为数据。那么如何存取这些数据就是推荐系统需要解决的首要问题。下述表1展 示了一个假想的电子商务网站上的典型用户行为数据。如表1所示，从产生行为的用户角 度看，有些行为是只有注册用户才能产生的，而有些行为是所有用户都可以产生的。从规模 上看，浏览网页、搜索记录的规模都很大，因为这种行为所有用户都能产生，而且平均每个 用户都会产生很多这些行为。购买、收藏行为规模中等，因为只有注册用户才能产生这种行 为，但购买行为又是电商网站