一種對(duì)象推薦方法及設(shè)備與流程
本發(fā)明涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別涉及一種對(duì)象推薦方法及設(shè)備。
背景技術(shù)：
隨著網(wǎng)絡(luò)技術(shù)以及電子商務(wù)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)業(yè)務(wù)得到廣泛應(yīng)用。在網(wǎng)絡(luò)業(yè)務(wù)種，通常由供應(yīng)商在網(wǎng)站上發(fā)布想要出售的商品信息，用戶就可以基于該網(wǎng)站和該商品信息，在網(wǎng)站中購買該商品。然而不同的供應(yīng)商在網(wǎng)站上發(fā)布相同或不同的商品信息，使得網(wǎng)站上出現(xiàn)海量的商品信息，導(dǎo)致用戶在選擇商品時(shí)，需要根據(jù)海量的商品信息選擇，比較費(fèi)時(shí)。
為此，目前網(wǎng)站通過把與當(dāng)前用戶相似的用戶喜歡的商品推薦給當(dāng)前用戶的方式，供當(dāng)前用戶進(jìn)一步選擇商品。這樣當(dāng)前用戶就可以從與其相似的用戶所選擇的商品中進(jìn)一步選擇商品，節(jié)約了選擇時(shí)間。但是當(dāng)前用戶的喜好隨著時(shí)間的遷移可能有所變化，那么與當(dāng)前用戶相似的用戶也會(huì)有所改變，若是仍把之前與當(dāng)前用戶相似的用戶購買的商品推薦給當(dāng)前用戶，可能不符合當(dāng)前用戶的喜好。如較早時(shí)間段內(nèi)，一個(gè)用戶比較喜歡“甜美風(fēng)格”的衣服，最近比較喜歡“成熟風(fēng)格”的衣服，若是與該用戶相似的另一個(gè)用戶一直都喜歡“甜美風(fēng)格”的衣服，該用戶在最近購買衣服時(shí)，若仍將另一個(gè)用戶喜歡的衣服推薦給該用戶，就不符合該用戶的喜好，從而降低了為用戶推薦對(duì)象的精確度。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明實(shí)施例提供一種對(duì)象推薦方法及設(shè)備，用于提高為用戶推薦對(duì)象的精確度。
第一方面，本發(fā)明實(shí)施例提供了一種對(duì)象推薦方法，該對(duì)象推薦方法包括：
獲取第一用戶與多個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的多個(gè)相似度；其中，每個(gè)相似度用于指示所述第一用戶與一個(gè)所述第二用戶針對(duì)相同的對(duì)象的喜好的相似程度；
從所述多個(gè)相似度中選取大于第一閾值的至少一個(gè)相似度；
將所述至少一個(gè)相似度對(duì)應(yīng)的至少一個(gè)第二用戶購買的對(duì)象推薦給所述第一用戶。
可選的，獲取第一用戶與所述多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取所述第一用戶對(duì)所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)的影響因子；所述影響因子用于指示所述第一用戶對(duì)所述任意一個(gè)第二用戶的影響程度；
確定所述影響因子為所述相似度。
可選的，獲取所述第一用戶對(duì)所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)的影響因子，包括：
獲取所述第一用戶在所述預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第一數(shù)量及所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)購買的所述第一對(duì)象的第二數(shù)量；其中，所述任意一個(gè)第二用戶在所述第一用戶購買所述第一對(duì)象后購買所述第一對(duì)象；
根據(jù)得到的所述第一數(shù)量及所述第二數(shù)量計(jì)算所述影響因子。
可選的，根據(jù)得到的所述第一數(shù)量及所述第二數(shù)量計(jì)算所述影響因子，包括：
確定所述第一用戶及所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)購買的所有對(duì)象的總數(shù)量；
確定所述第一數(shù)量與所述總數(shù)量的比值為所述第一用戶對(duì)任意一個(gè)所述第二用戶的所述影響因子。
可選的，獲取第一用戶與所述多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取所述第一用戶在所述預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第一信息，及所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)對(duì)所述第二對(duì)象進(jìn)行操作的第二信息；
根據(jù)獲取的第一信息及獲取的第二信息得到所述相似度。
可選的，根據(jù)獲取的第一信息及第二信息得到所述相似度，包括：
將所述第一信息所對(duì)應(yīng)的操作的類型與所述第二信息所對(duì)應(yīng)的操作的類型的相似度，確定為所述第一用戶與所述任意一個(gè)第二用戶的所述相似度。
可選的，將所述至少一個(gè)第二用戶購買的對(duì)象推薦給所述第一用戶，包括：
預(yù)測(cè)所述第一用戶對(duì)所述對(duì)象的評(píng)分；
從所述評(píng)分中選取大于第二閾值的評(píng)分；
將所述大于第二閾值的評(píng)分對(duì)應(yīng)的對(duì)象推薦給所述第一用戶。
可選的，預(yù)測(cè)所述第一用戶對(duì)所述至少一個(gè)第二用戶購買的對(duì)象的評(píng)分，包括：
建立所述至少一個(gè)第二用戶對(duì)所述對(duì)象的評(píng)分矩陣；所述評(píng)分矩陣的行用于表示對(duì)象，所述評(píng)分矩陣的列用于表示第二用戶，所述評(píng)分矩陣的行和列的交點(diǎn)為第二用戶對(duì)對(duì)象的評(píng)分；
根據(jù)所述評(píng)分矩陣及交替最小二乘als算法計(jì)算所述第一用戶對(duì)所述對(duì)象的評(píng)分。
第二方面，本發(fā)明實(shí)施例提供了一種對(duì)象推薦設(shè)備，該對(duì)象推薦設(shè)備包括：
獲取模塊，用于獲取第一用戶與多個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的多個(gè)相似度；其中，每個(gè)相似度用于指示所述第一用戶與一個(gè)所述第二用戶針對(duì)相同的對(duì)象的喜好的相似程度；
選取模塊，用于從所述多個(gè)相似度中選取大于第一閾值的至少一個(gè)相似度；
推薦模塊，用于將所述至少一個(gè)相似度對(duì)應(yīng)的至少一個(gè)第二用戶購買的對(duì)象推薦給所述第一用戶。
可選的，所述獲取模塊用于獲取第一用戶與所述多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取所述第一用戶對(duì)所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)的影響因子；所述影響因子用于指示所述第一用戶對(duì)所述任意一個(gè)第二用戶的影響程度；
確定所述影響因子為所述相似度。
可選的，所述獲取模塊用于獲取所述第一用戶對(duì)所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)的影響因子，包括：
獲取所述第一用戶在所述預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第一數(shù)量及所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)購買的所述第一對(duì)象的第二數(shù)量；其中，所述任意一個(gè)第二用戶在所述第一用戶購買所述第一對(duì)象后購買所述第一對(duì)象；
根據(jù)得到的所述第一數(shù)量及所述第二數(shù)量計(jì)算所述影響因子。
可選的，所述獲取模塊根據(jù)得到的所述第一數(shù)量及所述第二數(shù)量計(jì)算所述影響因子，包括：
確定所述第一用戶及所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)購買的所有對(duì)象的總數(shù)量；
確定所述第一數(shù)量與所述總數(shù)量的比值為所述第一用戶對(duì)任意一個(gè)所述第二用戶的所述影響因子。
可選的，所述獲取模塊用于獲取第一用戶與所述多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取所述第一用戶在所述預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第一信息，及所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)對(duì)所述第二對(duì)象進(jìn)行操作的第二信息；
根據(jù)獲取的第一信息及獲取的第二信息得到所述相似度。
可選的，所述獲取模塊用于根據(jù)獲取的第一信息及第二信息得到所述相似度，包括：
將所述第一信息所對(duì)應(yīng)的操作的類型與所述第二信息所對(duì)應(yīng)的操作的類型的相似度，確定為所述第一用戶與所述任意一個(gè)第二用戶的所述相似度。
可選的，所述推薦模塊用于將所述至少一個(gè)第二用戶購買的對(duì)象推薦給所述第一用戶，包括：
預(yù)測(cè)所述第一用戶對(duì)所述對(duì)象的評(píng)分；
從所述評(píng)分中選取大于第二閾值的評(píng)分；
將所述大于第二閾值的評(píng)分對(duì)應(yīng)的對(duì)象推薦給所述第一用戶。
可選的，所述推薦模塊用于預(yù)測(cè)所述第一用戶對(duì)所述至少一個(gè)第二用戶購買的對(duì)象的評(píng)分，包括：
建立所述至少一個(gè)第二用戶對(duì)所述對(duì)象的評(píng)分矩陣；所述評(píng)分矩陣的行用于表示對(duì)象，所述評(píng)分矩陣的列用于表示第二用戶，所述評(píng)分矩陣的行和列的交點(diǎn)為第二用戶對(duì)對(duì)象的評(píng)分；
根據(jù)所述評(píng)分矩陣及交替最小二乘als算法計(jì)算所述第一用戶對(duì)所述對(duì)象的評(píng)分。
第三方面，本發(fā)明實(shí)施例還提供了一種對(duì)象推薦設(shè)備，該對(duì)象推薦設(shè)備包括：
存儲(chǔ)器，用于存儲(chǔ)指令；
處理器，用于調(diào)用所述存儲(chǔ)器存儲(chǔ)的指令，獲取第一用戶與多個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的多個(gè)相似度；從所述多個(gè)相似度中選取大于第一閾值的至少一個(gè)相似度；將所述至少一個(gè)相似度對(duì)應(yīng)的至少一個(gè)第二用戶購買的對(duì)象推薦給所述第一用戶；其中，每個(gè)相似度用于指示所述第一用戶與一個(gè)所述第二用戶針對(duì)相同的對(duì)象的喜好的相似程度。
可選的，所述處理器用于獲取第一用戶與所述多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取所述第一用戶對(duì)所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)的影響因子；所述影響因子用于指示所述第一用戶對(duì)所述任意一個(gè)第二用戶的影響程度；
確定所述影響因子為所述相似度。
可選的，所述處理器用于獲取所述第一用戶對(duì)所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)的影響因子，包括：
獲取所述第一用戶在所述預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第一數(shù)量及所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)購買的所述第一對(duì)象的第二數(shù)量；其中，所述任意一個(gè)第二用戶在所述第一用戶購買所述第一對(duì)象后購買所述第一對(duì)象；
根據(jù)得到的所述第一數(shù)量及所述第二數(shù)量計(jì)算所述影響因子。
可選的，所述處理器用于根據(jù)得到的所述第一數(shù)量及所述第二數(shù)量計(jì)算所述影響因子，包括：
確定所述第一用戶及所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)購買的所有對(duì)象的總數(shù)量；
確定所述第一數(shù)量與所述總數(shù)量的比值為所述第一用戶對(duì)任意一個(gè)所述第二用戶的所述影響因子。
可選的，所述處理器用于獲取第一用戶與所述多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取所述第一用戶在所述預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第一信息，及所述任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)對(duì)所述第二對(duì)象進(jìn)行操作的第二信息；
根據(jù)獲取的第一信息及獲取的第二信息得到所述相似度。
可選的，所述處理器用于根據(jù)獲取的第一信息及第二信息得到所述相似度，包括：
將所述第一信息所對(duì)應(yīng)的操作的類型與所述第二信息所對(duì)應(yīng)的操作的類型的相似度，確定為所述第一用戶與所述任意一個(gè)第二用戶的所述相似度。
可選的，所述處理器用于將所述至少一個(gè)第二用戶購買的對(duì)象推薦給所述第一用戶，包括：
預(yù)測(cè)所述第一用戶對(duì)所述對(duì)象的評(píng)分；
從所述評(píng)分中選取大于第二閾值的評(píng)分；
將所述大于第二閾值的評(píng)分對(duì)應(yīng)的對(duì)象推薦給所述第一用戶。
可選的，所述處理器用于預(yù)測(cè)所述第一用戶對(duì)所述至少一個(gè)第二用戶購買的對(duì)象的評(píng)分，包括：
建立所述至少一個(gè)第二用戶對(duì)所述對(duì)象的評(píng)分矩陣；所述評(píng)分矩陣的行用于表示對(duì)象，所述評(píng)分矩陣的列用于表示第二用戶，所述評(píng)分矩陣的行和列的交點(diǎn)為第二用戶對(duì)對(duì)象的評(píng)分；
根據(jù)所述評(píng)分矩陣及交替最小二乘als算法計(jì)算所述第一用戶對(duì)所述對(duì)象的評(píng)分。
本發(fā)明實(shí)施例中，預(yù)設(shè)時(shí)間段可以認(rèn)為是一個(gè)近期的時(shí)間段，獲取第一用戶和多個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的多個(gè)相似度，可以認(rèn)為是確定與第一用戶在近期內(nèi)的喜好相似的多個(gè)第二用戶，這樣即使第一用戶的喜好隨著時(shí)間發(fā)生了改變，確定的也是與第一用戶近期喜好相似的多個(gè)第二用戶，然后將第二用戶購買的對(duì)象推薦給第一用戶，推薦的對(duì)象就比較準(zhǔn)確。
附圖說明
為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。
圖1是本發(fā)明實(shí)施例提供的對(duì)象推薦方法的流程圖；
圖2為本發(fā)明實(shí)施例提供的用戶關(guān)系的一種結(jié)構(gòu)示意圖；
圖3為本發(fā)明實(shí)施例提供的評(píng)分矩陣的一種結(jié)構(gòu)示意圖；
圖4為本發(fā)明實(shí)施例提供的對(duì)象推薦設(shè)備的一種結(jié)構(gòu)示意圖；
圖5為本發(fā)明實(shí)施例提供的對(duì)象推薦設(shè)備的一種結(jié)構(gòu)示意圖。
具體實(shí)施方式
為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。在不沖突的情況下，本發(fā)明中的實(shí)施例及實(shí)施例中的特征可以相互任意組合。并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。
另外，本文中術(shù)語“和/或”，僅僅是一種描述關(guān)聯(lián)對(duì)象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，a和/或b，可以表示：?jiǎn)为?dú)存在a，同時(shí)存在a和b，單獨(dú)存在b這三種情況。另外，本文中字符“/”，在不做特別說明的情況下，一般表示前后關(guān)聯(lián)對(duì)象是一種“或”的關(guān)系。
本發(fā)明實(shí)施例中，第一用戶和第二用戶可以是自然人，也可以是企業(yè)等，具體可以通過用戶名和/或賬戶等用于唯一標(biāo)識(shí)用戶的身份(identity，id)號(hào)來實(shí)現(xiàn)。
本發(fā)明實(shí)施例中，對(duì)象可以為書籍、視頻、生活用品或者其他用戶可能購買的物品。
現(xiàn)有技術(shù)中，在第一用戶購買一個(gè)對(duì)象時(shí)，通常是將與第一用戶的喜好相似的第二用戶所購買的對(duì)象推薦給第一用戶，這樣第一用戶就可以從推薦的對(duì)象中進(jìn)一步選擇需要購買的對(duì)象，以避免第一用戶從海量的對(duì)象中選擇需要購買的對(duì)象，從而浪費(fèi)了大量的時(shí)間。
然而用戶的喜好隨著時(shí)間的遷移可能有所變化，如較早時(shí)間段內(nèi)，第一用戶可能比較喜歡“甜美風(fēng)格”的衣服，最近比較喜歡“成熟風(fēng)格”的衣服，那么若第一用戶最近購買衣服時(shí)，若是仍將第二用戶喜歡的衣服推薦給第一用戶，第一用戶收到推薦的衣服中就會(huì)包括“甜美風(fēng)格”的衣服，不符合第一用戶的喜好，降低了為用戶推薦對(duì)象的精確度。
鑒于此，請(qǐng)參見圖1，提供一種對(duì)象推薦方法，該方法的流程描述如下。
s101：獲取第一用戶與多個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的多個(gè)相似度；其中，每個(gè)相似度用于指示第一用戶與一個(gè)第二用戶針對(duì)相同的對(duì)象的喜好的相似程度；
s102：從多個(gè)相似度中選取大于第一閾值的至少一個(gè)相似度；
s103：將至少一個(gè)相似度對(duì)應(yīng)的至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶。
第一用戶與一個(gè)第二用戶的相似度可以理解為第一用戶與該第二用戶針對(duì)同一個(gè)對(duì)象的喜好的相似程度，例如，針對(duì)同一本書，第一用戶購買了多次，第二用戶也購買了多次，可以認(rèn)為第一用戶和第二用戶都喜歡這本書，也就也可以認(rèn)為第一用戶與第二用戶相似度較高，第一用戶與第二用戶比較相似。
預(yù)設(shè)時(shí)間段可以理解為短期的一個(gè)時(shí)間段，距離現(xiàn)在較近的一個(gè)時(shí)間段。比如以現(xiàn)在為起點(diǎn)的前一個(gè)月、兩個(gè)月等。若第一用戶與一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度較高，則可以認(rèn)為第一用戶在近期或者未來比較喜歡該第二用戶購買的對(duì)象。
本發(fā)明實(shí)施例中，由于第二用戶的數(shù)量較多，而且同一個(gè)用戶對(duì)應(yīng)多個(gè)不同的對(duì)象，通常也會(huì)有不同的喜好程度，為了更準(zhǔn)確地獲取第一用戶與多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，本發(fā)明實(shí)施例可以通過以下兩種方式來實(shí)現(xiàn)。
下面以獲取第一用戶與其中的一個(gè)第二用戶的相似度為例進(jìn)行介紹。
第一種方式：第一用戶與第二用戶的相似度可以通過第一用戶對(duì)第二用戶的影響因子來表示，影響因子越大，相似度就越大。其中，影響因子可以用于指示第一用戶對(duì)第二用戶的影響程度。
本發(fā)明實(shí)施例中，可以認(rèn)為第一用戶和第二用戶之間是具有相互影響關(guān)系的，比如，若第一用戶先購買了第一對(duì)象，第二用戶后購買了第一對(duì)象，那么第二用戶可能是參考第一用戶來購買的第一對(duì)象，這樣第一用戶對(duì)第二用戶就有影響。若是第一用戶對(duì)第二用戶的影響程度較大，則可以認(rèn)為第一用戶與第二用戶的關(guān)系強(qiáng)度較強(qiáng)，第一用戶與第二用戶的相似度也較高。
為了更好地理解，請(qǐng)參見圖2，圖2是用戶關(guān)系網(wǎng)絡(luò)圖，圖2以有7個(gè)用戶為例，u表示用戶，用戶與用戶之間的虛線可以看成是用戶購買的對(duì)象，由于用戶之間具有影響關(guān)系，所以虛線是具有箭頭的，針對(duì)同一個(gè)對(duì)象，箭頭的起點(diǎn)對(duì)應(yīng)的用戶先購買，箭頭的終點(diǎn)對(duì)應(yīng)的用戶后購買。虛線上的數(shù)字表示兩個(gè)用戶購買相同對(duì)象的數(shù)量。若是虛線上的數(shù)字越大，則虛線的起點(diǎn)對(duì)應(yīng)的用戶對(duì)虛線的終點(diǎn)對(duì)應(yīng)的用戶的影響就越大，具體可以通過用戶之間的影響因子來表征。
本發(fā)明實(shí)施例確定第一用戶對(duì)第二用戶的影響因子，可以先獲取第一用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第一數(shù)量及第二用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第二數(shù)量。其中，第二用戶在第一用戶購買第一對(duì)象后購買第一對(duì)象，以表示第一用戶對(duì)第二用戶的影響。同時(shí)，也可以確定第一用戶及第二用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的所有對(duì)象的總數(shù)量。本發(fā)明實(shí)施例中，第一用戶對(duì)第二用戶的影響因子可以用第一數(shù)量與總數(shù)量的比值表示，同樣地，第二用戶對(duì)第一用戶的影響因子可以用第二數(shù)量與總數(shù)量的比值表示，比值越大，影響因子越大，相似度越高。
為了更好地理解，下面繼續(xù)以圖2為例，介紹本發(fā)明實(shí)施例確定第一用戶對(duì)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的影響因子的方式。在可能的實(shí)施方式中，本發(fā)明實(shí)施例可以通過公式(1)計(jì)算第一用戶對(duì)第二用戶的影響因子或第二用戶對(duì)第一用戶的影響因子。
公式(1)中，f(ui,uj)為用戶ui和uj在設(shè)定時(shí)間段內(nèi)購買對(duì)象的并集，也就是總數(shù)量，ini→j為用戶ui對(duì)用戶uj的影響因子，wi→j表示用戶ui相對(duì)于用戶uj先購買同一個(gè)對(duì)象的數(shù)量。
以用戶u1和用戶u2為例，在預(yù)設(shè)時(shí)間段內(nèi)，用戶u1在用戶u2前與用戶u2購買同一個(gè)對(duì)象的數(shù)量是20，用戶u2在用戶u1前與用戶u1購買同一個(gè)對(duì)象的數(shù)量是5，假設(shè)用戶u1與用戶u2在預(yù)設(shè)時(shí)間段內(nèi)購買的所有對(duì)象的總數(shù)量為100，那么根據(jù)公式(1)可以得出，用戶u1對(duì)用戶u2的影響因子in1→2＝20/100＝0.2，而用戶u2對(duì)用戶u1的影響因子in2→1＝5/100＝0.05，那么可以確定用戶u1對(duì)用戶u2的影響因子較大，用戶u1與用戶u2的相似度較高。當(dāng)然為了簡(jiǎn)便，可以確定第一用戶對(duì)第二用戶的影響因子為第一用戶與第二用戶的相似度，而不用再通過第一用戶對(duì)第二用戶的影響因子經(jīng)過復(fù)雜的計(jì)算得到對(duì)應(yīng)的第一用戶與第二用戶的相似度。
第二種方式：通過第一用戶與第二用戶針對(duì)同一個(gè)對(duì)象的操作行為的相似度來確定第一用戶與第二用戶的相似度。
一個(gè)用戶對(duì)某個(gè)對(duì)象的喜歡可以通過用戶和該對(duì)象之間的交互頻率等行為來體現(xiàn)，比如購買、瀏覽、評(píng)分等。由于用戶的數(shù)量較多，且同一用戶對(duì)應(yīng)多個(gè)不同的對(duì)象，通常也會(huì)有不同的喜好程度，即對(duì)應(yīng)不同的行為。本發(fā)明實(shí)施例中，第一用戶與一個(gè)第二用戶針對(duì)同一個(gè)對(duì)象的操作行為相似就可以認(rèn)為第一用戶與該第二用戶比較相似，因此可以通過第一用戶與第二用戶針對(duì)同一個(gè)對(duì)象的操作行為的相似度來確定第一用戶與第二用戶的相似度。
本發(fā)明實(shí)施例中，可以獲取第一用戶在預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第一信息，及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第二信息，根據(jù)獲取的第一信息及獲取的第二信息得到相似度。第一信息包括了第一用戶針對(duì)第二對(duì)象的操作行為的數(shù)據(jù)，比如操作類型，如查看、購買、收藏、分享和/或評(píng)分等。第二信息同樣包括了第二用戶針對(duì)第二對(duì)象的操作行為的數(shù)據(jù)。
若第一用戶與第二用戶針對(duì)第二對(duì)象都進(jìn)行了購買的操作，那么可以認(rèn)為第一用戶與第二用戶比較相似。通常情況下，第一用戶與第二用戶對(duì)第二對(duì)象不止進(jìn)行一個(gè)操作，比如購買一般都會(huì)瀏覽，又如購買后，可能分享，也可能評(píng)分，那么若第一用戶與第二用戶對(duì)第二對(duì)象進(jìn)行多個(gè)操作的時(shí)候，若要確定第一用戶與第二用戶針對(duì)第二對(duì)象的操作行為的相似度，可能通過以下方式實(shí)現(xiàn)。
本發(fā)明實(shí)施例可以為每一種操作類型設(shè)置對(duì)應(yīng)的權(quán)重，根據(jù)用戶對(duì)對(duì)象進(jìn)行的所有的操作的類型的權(quán)重來確定用戶之間的相似度。例如用戶在購買對(duì)象前一般都會(huì)瀏覽，那么瀏覽的權(quán)重可以較低，比如可以是2，購買可以直接反映用戶的喜好程度，對(duì)應(yīng)的權(quán)重較高，比如可以是5，購買后若用戶分享購買的對(duì)象，可以認(rèn)為用戶很喜歡購買的對(duì)象，對(duì)購買的對(duì)象也比較滿意，分享對(duì)應(yīng)的權(quán)重可以更高，比如可以是8。本發(fā)明實(shí)施例可以將第一信息所包括的操作類型進(jìn)行加權(quán)處理，同樣地將第二信息所包括的操作類型進(jìn)行加權(quán)處理，然后比較得到的兩個(gè)加權(quán)值，若這兩個(gè)加權(quán)值比較接近，則可以認(rèn)為第一用戶與第二用戶相似。
通過以上兩種方式可以確定與第一用戶較為相似的多個(gè)第二用戶，既然是為第一用戶推薦第一用戶可能喜歡的對(duì)象，那么自然是將與第一用戶相似度較高的第二用戶所購買的對(duì)象推薦給第一用戶，因此，本發(fā)明實(shí)施例確定了第一用戶與多個(gè)第二用戶的多個(gè)相似度之后，可以從所述多個(gè)相似度中選取大于第一閾值的至少一個(gè)相似度，即選取與第一用戶相似度較高的多個(gè)第二用戶，第一閾值可以是事先預(yù)設(shè)的一個(gè)可能的值，比如90％，也可以是其他可能的值，然后將至少一個(gè)相似度對(duì)應(yīng)的至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶，這樣推薦的對(duì)象比較精確，滿足第一用戶的購買需求，提高了第一用戶的滿意度。
若是直接將與第一用戶相似的至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶，所推薦的對(duì)象的數(shù)量還是比較多，第一用戶從中選擇可能要購買的對(duì)象的話，還是比較浪費(fèi)時(shí)間。為此，本發(fā)明實(shí)施例在將至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶前，可以預(yù)測(cè)一下第一用戶對(duì)這些對(duì)象的評(píng)分，如果某些對(duì)象的評(píng)分較高，可以認(rèn)為第一用戶可能對(duì)這些對(duì)象更喜歡、更滿意，那么就可以將評(píng)分較高的對(duì)象推薦給第一用戶，盡量節(jié)約第一用戶從所推薦的對(duì)象中選取需要購買的對(duì)象的時(shí)間。
本發(fā)明實(shí)施例中，預(yù)測(cè)第一用戶對(duì)至少一個(gè)第二用戶購買的對(duì)象的評(píng)分前，可以先建立至少一個(gè)第二用戶對(duì)購買的對(duì)象的評(píng)分矩陣，請(qǐng)參見圖3，圖3是評(píng)分矩陣的一種結(jié)構(gòu)示意圖，該評(píng)分矩陣的行用于表示對(duì)象，評(píng)分矩陣的列用于表示第二用戶，評(píng)分矩陣的行和列的交點(diǎn)為第二用戶對(duì)對(duì)象的評(píng)分。若第二用戶沒有對(duì)對(duì)象評(píng)分，則矩陣?yán)锩鎸?duì)應(yīng)的第第二用戶和對(duì)象的交點(diǎn)為0。建立評(píng)分矩陣之后可以根據(jù)評(píng)分矩陣及交替最小二乘(alternatingleastsquares，als)算法計(jì)算第一用戶對(duì)對(duì)象的評(píng)分。
若評(píng)分矩陣用r(m×n)來表示，通過als算法首先可以將評(píng)分矩陣r(m×n)拆成兩個(gè)低維的矩陣，如，矩陣x(m×k)和矩陣y(n×k)來近似逼近矩陣r(m×n)，其中，矩陣x(m×k)可以表示用戶對(duì)對(duì)象所包含的隱含特征的喜好矩陣，矩陣y(n×k)可以表示對(duì)象所包括的隱含特征的矩陣，隱含特征可以理解為對(duì)象的品牌，材質(zhì)，顏色等。
為了使得矩陣x(m×k)和矩陣y(n×k)盡可能地近似逼近矩陣r(m×n)，本發(fā)明實(shí)施例引入了損失函數(shù)，如公式(2)所示。
其中，l(x,y)為損失函數(shù)，x為用戶矩陣如x(m×k)和y為對(duì)象矩陣如y(n×k)，x*為所有的用戶，y*為所有的對(duì)象，rui為用戶u對(duì)對(duì)象i的評(píng)分，向量xu和yi的內(nèi)積xutyi是用戶u對(duì)對(duì)象i評(píng)分的近似。t是矩陣y的轉(zhuǎn)置矩陣。λ為改善矩陣穩(wěn)定性的規(guī)則化因子，損失函數(shù)一般需要加入規(guī)則化因子來避免過擬合等問題。
預(yù)測(cè)評(píng)分時(shí)，首先可以對(duì)公式(2)進(jìn)行訓(xùn)練，以得到收斂條件的訓(xùn)練模型，然后將用戶和對(duì)象代入
收斂可以通過下面的公式(3)來表示，公式(3)的值很小，則表示模型收斂，此時(shí)向量xu和yi的內(nèi)積xutyi是用戶u對(duì)對(duì)象i評(píng)分的近似。
公式(3)中，r為評(píng)分矩陣，n為用戶、商品和評(píng)分的個(gè)數(shù)。
將滿足收斂條件下得到的x中的向量xu和y中的yi的內(nèi)積xutyi確定為用戶u對(duì)對(duì)象i的評(píng)分。
通過als算法可以預(yù)測(cè)第一用戶對(duì)至少一個(gè)第二用戶所購買的對(duì)象的評(píng)分，從而可以從評(píng)分中選取較高的評(píng)分對(duì)應(yīng)的對(duì)象推薦給第一用戶，如從評(píng)分中選取大于第二閾值的評(píng)分，將大于第二閾值的評(píng)分對(duì)應(yīng)的對(duì)象推薦給第一用戶。第二閾值可以是事先預(yù)設(shè)的一個(gè)可能的評(píng)分，如4分，或者其他可能的值。
下面結(jié)合附圖介紹本發(fā)明實(shí)施例所提供的設(shè)備。
請(qǐng)參見圖4，基于同一發(fā)明構(gòu)思，本發(fā)明實(shí)施例提供一種對(duì)象推薦設(shè)備，該對(duì)象推薦設(shè)備可以包括存儲(chǔ)器401和處理器402。存儲(chǔ)器401可以通過總線400與處理器402相連接(圖4以此為例)，或者也可以通過專門的連接線與處理器402連接。
其中，存儲(chǔ)器401可以用于存儲(chǔ)指令，處理器402可以用于調(diào)用存儲(chǔ)器存儲(chǔ)的指令，獲取第一用戶與多個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的多個(gè)相似度，從多個(gè)相似度中選取大于第一閾值的至少一個(gè)相似度，將至少一個(gè)相似度對(duì)應(yīng)的至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶，其中，每個(gè)相似度用于指示，第一用戶與一個(gè)，第二用戶針對(duì)相同的對(duì)象的喜好的相似程度。
可選的，處理器402用于獲取第一用戶與多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取第一用戶對(duì)任意一個(gè)第二用戶在所述預(yù)設(shè)時(shí)間段內(nèi)的影響因子；影響因子用于指示第一用戶對(duì)任意一個(gè)第二用戶的影響程度；
確定影響因子為相似度。
可選的，處理器402用于獲取第一用戶對(duì)任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的影響因子，包括：
獲取第一用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第一數(shù)量及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第二數(shù)量，其中，任意一個(gè)第二用戶在所述第一用戶購買第一對(duì)象后購買第一對(duì)象；
根據(jù)得到的第一數(shù)量及第二數(shù)量計(jì)算影響因子。
可選的，處理器402用于根據(jù)得到的第一數(shù)量及第二數(shù)量計(jì)算所述影響因子，包括：
確定第一用戶及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的所有對(duì)象的總數(shù)量；
確定第一數(shù)量與總數(shù)量的比值為第一用戶對(duì)任意一個(gè)第二用戶的影響因子。
可選的，處理器402用于獲取第一用戶與多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取第一用戶在預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第一信息，及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第二信息；
根據(jù)獲取的第一信息及獲取的第二信息得到相似度。
可選的，處理器402用于根據(jù)獲取的第一信息及第二信息得到相似度，包括：
將第一信息所對(duì)應(yīng)的操作的類型與第二信息所對(duì)應(yīng)的操作的類型的相似度，確定為第一用戶與任意一個(gè)第二用戶的所述相似度。
可選的，處理器402用于將至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶，包括：
預(yù)測(cè)第一用戶對(duì)所述對(duì)象的評(píng)分；
從評(píng)分中選取大于第二閾值的評(píng)分；
將大于第二閾值的評(píng)分對(duì)應(yīng)的對(duì)象推薦給第一用戶。
可選的，處理器402用于預(yù)測(cè)第一用戶對(duì)至少一個(gè)第二用戶購買的對(duì)象的評(píng)分，包括：
建立至少一個(gè)第二用戶對(duì)對(duì)象的評(píng)分矩陣，評(píng)分矩陣的行用于表示對(duì)象，評(píng)分矩陣的列用于表示第二用戶，評(píng)分矩陣的行和列的交點(diǎn)為第二用戶對(duì)對(duì)象的評(píng)分；
根據(jù)評(píng)分矩陣及交替最小二乘als算法計(jì)算第一用戶對(duì)對(duì)象的評(píng)分。
如圖5所示，基于同一發(fā)明構(gòu)思，本發(fā)明實(shí)施例還提供一種對(duì)象推薦設(shè)備，該對(duì)象推薦設(shè)備與圖4所示的對(duì)象推薦設(shè)備可以是同一對(duì)象推薦設(shè)備包括獲取模塊501、選取模塊502和推薦模塊503。
其中，獲取模塊501可以用于獲取第一用戶與多個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的多個(gè)相似度，其中，每個(gè)相似度用于指示第一用戶與一個(gè)第二用戶針對(duì)相同的對(duì)象的喜好的相似程度。選取模塊502可以用于從多個(gè)相似度中選取大于第一閾值的至少一個(gè)相似度。推薦模塊503可以用于將至少一個(gè)相似度對(duì)應(yīng)的至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶。
可選的，獲取模塊501用于獲取第一用戶與多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取第一用戶對(duì)任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的影響因子，影響因子用于指示第一用戶對(duì)任意一個(gè)第二用戶的影響程度；
確定影響因子為相似度。
可選的，獲取模塊501用于獲取第一用戶對(duì)任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的影響因子，包括：
獲取第一用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第一數(shù)量及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第二數(shù)量，其中，任意一個(gè)第二用戶在第一用戶購買第一對(duì)象后購買第一對(duì)象；
根據(jù)得到的第一數(shù)量及第二數(shù)量計(jì)算影響因子。
可選的，獲取模塊501根據(jù)得到的第一數(shù)量及第二數(shù)量計(jì)算所述影響因子，包括：
確定第一用戶及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的所有對(duì)象的總數(shù)量；
確定第一用戶購買的第一對(duì)象的數(shù)量與總數(shù)量的比值為第一用戶對(duì)任意一個(gè)第二用戶的所述影響因子。
可選的，獲取模塊501用于獲取第一用戶與多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度，包括：
獲取第一用戶在預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第一信息，及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第二信息；
根據(jù)獲取的第一信息及獲取的第二信息得到相似度。
可選的，獲取模塊501用于根據(jù)獲取的第一信息及第二信息得到相似度，包括：
將第一信息所對(duì)應(yīng)的操作的類型與第二信息所對(duì)應(yīng)的操作的類型的相似度，確定為第一用戶與任意一個(gè)第二用戶的相似度。
可選的，推薦模塊503用于將至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶，包括：
預(yù)測(cè)第一用戶對(duì)對(duì)象的評(píng)分；
從評(píng)分中選取大于第二閾值的評(píng)分；
將大于第二閾值的評(píng)分對(duì)應(yīng)的對(duì)象推薦給第一用戶。
可選的，推薦模塊503用于預(yù)測(cè)第一用戶對(duì)至少一個(gè)第二用戶購買的對(duì)象的評(píng)分，包括：
建立至少一個(gè)第二用戶對(duì)對(duì)象的評(píng)分矩陣，評(píng)分矩陣的行用于表示對(duì)象，評(píng)分矩陣的列用于表示第二用戶，評(píng)分矩陣的行和列的交點(diǎn)為第二用戶對(duì)對(duì)象的評(píng)分；
根據(jù)評(píng)分矩陣及交替最小二乘als算法計(jì)算第一用戶對(duì)對(duì)象的評(píng)分。
該對(duì)象推薦設(shè)備可以用于執(zhí)行上述圖1實(shí)施例中所述的對(duì)象推薦方法，因此，對(duì)于該對(duì)象推薦設(shè)備中的各模塊所實(shí)現(xiàn)的功能等，可參考如前述方法部分的描述，不多贅述。
所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，僅以上述各功能模塊的劃分進(jìn)行舉例說明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過程，在此不再贅述。
在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的裝置和方法，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述模塊或單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。
所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。
另外，在本申請(qǐng)各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。
所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本申請(qǐng)的技術(shù)方案本質(zhì)上或者說對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)或處理器(processor)執(zhí)行本申請(qǐng)各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：通用串行總線閃存盤(universalserialbusflashdisk)、移動(dòng)硬盤、只讀存儲(chǔ)器(read-onlymemory，rom)、隨機(jī)存取存儲(chǔ)器(randomaccessmemory，ram)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。
具體來講，本申請(qǐng)實(shí)施例中的數(shù)據(jù)包發(fā)送方法對(duì)應(yīng)的計(jì)算機(jī)程序指令可以被存儲(chǔ)在光盤，硬盤，通用串行總線閃存盤等存儲(chǔ)介質(zhì)上，當(dāng)存儲(chǔ)介質(zhì)中的與對(duì)象推薦對(duì)應(yīng)的計(jì)算機(jī)程序指令被一電子設(shè)備讀取或被執(zhí)行時(shí)，包括如下步驟：
獲取第一用戶與多個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的多個(gè)相似度，其中，每個(gè)相似度用于指示第一用戶與一個(gè)第二用戶針對(duì)相同的對(duì)象的喜好的相似程度；
從多個(gè)相似度中選取大于第一閾值的至少一個(gè)相似度；
將至少一個(gè)相似度對(duì)應(yīng)的至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶。
可選的，所述存儲(chǔ)介質(zhì)中還存儲(chǔ)有另外一些計(jì)算機(jī)指令，這些計(jì)算機(jī)指令在步驟：獲取第一用戶與所述多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度時(shí)被執(zhí)行，在被執(zhí)行時(shí)包括如下步驟：
獲取第一用戶對(duì)任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的影響因子，影響因子用于指示第一用戶對(duì)所述任意一個(gè)第二用戶的影響程度；
確定影響因子為相似度。
可選的，所述存儲(chǔ)介質(zhì)中還存儲(chǔ)有另外一些計(jì)算機(jī)指令，這些計(jì)算機(jī)指令在步驟：獲取第一用戶對(duì)所述意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的影響因子時(shí)被執(zhí)行，在被執(zhí)行時(shí)包括如下步驟：
獲取第一用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第一數(shù)量及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的第一對(duì)象的第二數(shù)量；其中，任意一個(gè)第二用戶在第一用戶購買第一對(duì)象后購買所述第一對(duì)象；
根據(jù)得到的第一數(shù)量及第二數(shù)量計(jì)算影響因子。
可選的，所述存儲(chǔ)介質(zhì)中還存儲(chǔ)有另外一些計(jì)算機(jī)指令，這些計(jì)算機(jī)指令在步驟：根據(jù)得到的第一數(shù)量及第二數(shù)量計(jì)算影響因子時(shí)被執(zhí)行，在被執(zhí)行時(shí)包括如下步驟：
確定第一用戶及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)購買的所有對(duì)象的總數(shù)量；
確定第一數(shù)量與總數(shù)量的比值為第一用戶對(duì)任意一個(gè)第二用戶的所述影響因子。
可選的，所述存儲(chǔ)介質(zhì)中還存儲(chǔ)有另外一些計(jì)算機(jī)指令，這些計(jì)算機(jī)指令在步驟：獲取第一用戶與多個(gè)第二用戶中的任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)的相似度時(shí)被執(zhí)行，在被執(zhí)行時(shí)包括如下步驟：
獲取第一用戶在預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第一信息，及任意一個(gè)第二用戶在預(yù)設(shè)時(shí)間段內(nèi)對(duì)第二對(duì)象進(jìn)行操作的第二信息；
根據(jù)獲取的第一信息及獲取的第二信息得到相似度。
可選的，所述存儲(chǔ)介質(zhì)中還存儲(chǔ)有另外一些計(jì)算機(jī)指令，這些計(jì)算機(jī)指令在步驟：根據(jù)獲取的第一信息及第二信息得到所述相似度時(shí)被執(zhí)行，在被執(zhí)行時(shí)包括如下步驟：
將第一信息所對(duì)應(yīng)的操作的類型與第二信息所對(duì)應(yīng)的操作的類型的相似度，確定為第一用戶與任意一個(gè)第二用戶的相似度。
可選的，所述存儲(chǔ)介質(zhì)中還存儲(chǔ)有另外一些計(jì)算機(jī)指令，這些計(jì)算機(jī)指令在步驟：將至少一個(gè)第二用戶購買的對(duì)象推薦給第一用戶時(shí)被執(zhí)行，在被執(zhí)行時(shí)包括如下步驟：
預(yù)測(cè)第一用戶對(duì)對(duì)象的評(píng)分；
從評(píng)分中選取大于第二閾值的評(píng)分；
將大于第二閾值的評(píng)分對(duì)應(yīng)的對(duì)象推薦給第一用戶。
可選的，所述存儲(chǔ)介質(zhì)中還存儲(chǔ)有另外一些計(jì)算機(jī)指令，這些計(jì)算機(jī)指令在步驟：預(yù)測(cè)第一用戶對(duì)至少一個(gè)第二用戶購買的對(duì)象的評(píng)分時(shí)被執(zhí)行，在被執(zhí)行時(shí)包括如下步驟：
建立至少一個(gè)第二用戶對(duì)對(duì)象的評(píng)分矩陣，評(píng)分矩陣的行用于表示對(duì)象，評(píng)分矩陣的列用于表示第二用戶，評(píng)分矩陣的行和列的交點(diǎn)為第二用戶對(duì)對(duì)象的評(píng)分；
根據(jù)評(píng)分矩陣及交替最小二乘als算法計(jì)算第一用戶對(duì)所述對(duì)象的評(píng)分。
顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。
- 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊！