技术领域
[0001] 本
发明涉及
数据处理技术领域。更具体地说，本发明涉及一种基于多维相似度的推荐系统及其方法。
背景技术
[0002] 随着网络信息技术的不断发展，
电子商务和
大数据均受到了各界的普遍关注。为了使用户了解到越来越多的信息，市场上也出现了一些不同形式的推荐系统，如在网上购物平台的产品推荐系统，这种系统一般分为两个阶段，数据预处理阶段和推荐生成阶段，但是这种推荐系统普遍存在推荐信息不精确或推荐范围比较小等问题。
发明内容
[0003] 本发明的一个目的是解决至少上述问题和/或
缺陷，并提供至少后面将说明的优点。
[0004] 本发明还有一个目的是提供一种基于多维相似度的推荐系统，其能够根据用户的不同类型偏好，用户间的不同类型偏好的相似程度以及地理
位置进行综合推荐，使推荐的结果更为准确，提高了用户的体验。
[0005] 本发明还有一个目的是通过基于多维相似度的推荐方法，提高了推荐结果的准确性，以及扩大了推荐的范围。
[0006] 为了实现本发明的这些目的和其它优点，提供了一种基于多维相似度的推荐系统，包括：
[0007]
数据库系统，其用于存储用户的偏好和地理位置，所述用户的偏好包括用户的情感偏好，用户的兴趣偏好以及用户的社交偏好；
[0008] 相似度计算模
块，其用于计算用户间不同类型偏好的相似程度，并将其存储至数据库系统中；
[0009] 用户阶段性分析模块，其按预定的时间间隔收集用户数据并进行分析，提取出用户的偏好以及地理位置，并存储至数据库系统，以对前一阶段存储的用户偏好和地理位置进行更新；
[0010] 个性化推荐模块，其根据数据库系统中用户的偏好、地理位置以及用户间的相似程度进行个性化推荐；
[0011] 推荐结果显示模块，其用于将个性化推荐模块推荐的内容进行显示。
[0012] 优选的，其中，所述的基于多维相似度的推荐系统，所述个性化推荐模块包括基于用户情感偏好的个性化推荐模块，基于用户兴趣偏好的个性化推荐模块和基于用户社交偏好的个性化推荐模型。
[0013] 优选的，其中，所述的基于多维相似度的推荐系统，所述用户间的不同类型偏好的相似程度包括用户间情感的相似程度，用户间兴趣的相似程度，用户间社交的相似程度。
[0014] 优选的，其中，所述的基于多维相似度的推荐系统，所述个性化推荐模块，其根据数据库系统中用户的偏好、地理位置以及用户间的相似程度进行个性化推荐具体包括：
[0015] 计算用户的情感偏好，用户的兴趣偏好以及用户的社交偏好所占的权重，并进行排序，得到权重最高的用户偏好；
[0016] 比较用户间情感的相似程度，用户间兴趣的相似程度以及用户间社交的相似程度，得到用户间相似程度最高的偏好；
[0017] 结合权重最高的用户偏好，用户间相似程度最高的偏好，用户的地理位置进行个性化推荐。
[0018] 优选的，其中，所述的基于多维相似度的推荐系统，所述用户阶段性分析模块包括偏好
预测模型，其根据用户的原始评分数据以及评论文本数据提取的关键词预测用户的偏好。
[0019] 优选的，其中，所述的基于多维相似度的推荐系统，所述偏好预测模型是通过大量的关键词与偏好之间的对应关系训练建立起来的。
[0020] 优选的，其中，所述的基于多维相似度的推荐系统，，所述偏好预测模型包括用户的情感偏好预测模型，用户的兴趣偏好预测模型以及用户的社交偏好预测模型。
[0021] 优选的，其中，所述的基于多维相似度的推荐系统，所述预定的时间间隔为每天，每周，每月，三个月，或半年。
[0022] 优选的，其中，所述的基于多维相似度的推荐系统，所述数据库系统，相似度计算模块和用户阶段性分析模块均位于
服务器端，所述个性化推荐模块和所述推荐结果显示模块均位于客户端。
[0023] 本发明的目的还可以进一步由基于多维相似度的推荐方法来实现，该方法包括：
[0024] 按预定的时间间隔获取多个用户的原始评分数据，评论文本数据以及地理位置；
[0025] 对用户的原始评分数据以及评论文本数据进行关键词提取，并通过偏好预测模型得到用户的偏好，并存储至数据库系统中；
[0026] 计算用户间的不同类型偏好相似程度，并将其存储至数据库系统中；
[0027] 根据数据库系统中用户的偏好、地理位置以及用户间的相似程度进行个性化推荐。
[0028] 本发明至少包括以下有益效果：数据库系统，其用于存储用户的偏好和地理位置，所述用户的偏好包括用户的情感偏好，用户的兴趣偏好以及用户的社交偏好，也就是说将用户的偏好进行更详细的分类，能够更了解用户，使推荐的结果更为准确；相似度计算模块，其用于计算用户间的相似程度，并将其存储至数据库系统中，若两个人某一方面的相似程度非常高，则完全可以将其中一用户的偏好推荐给另一个用户，扩大推荐的范围；用户阶段性分析模块，其按预定的时间间隔收集用户数据并进行分析，提取出用户的偏好以及地理位置，并存储至数据库系统，以对前一阶段存储的用户偏好和地理位置进行更新，由于用户的个人偏好可能会随着时间的变化而发生变化，按预定的时间间隔对用户的偏好进行更新，能够更为准确的把握用户的偏好，以便精准的推荐；个性化推荐模块，其根据数据库系统中用户的偏好、地理位置以及用户间的相似程度进行个性化推荐，推荐模块对用户的偏好，所在的地理位置以及相似程度进行综合考量，这样推荐的结果更能使用户满意。
[0029] 本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
[0030] 图1为本发明
实施例中基于多维相似度的推荐系统的关系示意图。
具体实施方式
[0031] 下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照
说明书文字能够据以实施。
[0032] 如图1所示，本发明实施例提供了一种基于多维相似度的推荐系统，包括：数据库系统，其用于存储用户的偏好和地理位置，所述用户的偏好包括用户的情感偏好，用户的兴趣偏好以及用户的社交偏好；相似度计算模块，其用于计算用户间不同类型偏好的相似程度，并将其存储至数据库系统中；用户阶段性分析模块，其按预定的时间间隔收集用户数据并进行分析，提取出用户的偏好以及地理位置，并存储至数据库系统，以对前一阶段存储的用户偏好和地理位置进行更新；个性化推荐模块，其根据数据库系统中用户的偏好、地理位置以及用户间的相似程度进行个性化推荐；推荐结果显示模块，其用于将个性化推荐模块推荐的内容进行显示。
[0033] 将用户的偏好进行更详细的分类，能够更了解用户，使推荐的结果更为准确；用于计算用户间的相似程度目的在于，若两个人某一方面的相似程度非常高，则完全可以将其中一用户的偏好推荐给另一个用户，扩大推荐的范围；用户阶段性分析模块，其按预定的时间间隔收集用户数据并进行分析，提取出用户的偏好以及地理位置，并存储至数据库系统，以对前一阶段存储的用户偏好和地理位置进行更新，由于用户的个人偏好可能会随着时间的变化而发生变化，按预定的时间间隔对用户的偏好进行更新，能够更为准确的把握用户的偏好，以便精准的推荐；个性化推荐模块能够根据数据库系统中用户的偏好、地理位置以及用户间的相似程度进行个性化推荐，推荐模块对用户的偏好，所在的地理位置以及相似程度进行综合考量，这样推荐的结果更能使用户满意
[0034] 在其中一具体实施方式中，所述的基于多维相似度的推荐系统，所述个性化推荐模块包括基于用户情感偏好的个性化推荐模块，基于用户兴趣偏好的个性化推荐模块和基于用户社交偏好的个性化推荐模型。也就是说既可以选择基于用户情感偏好的个性化推荐模块，也可以选择基于用户兴趣偏好的个性化推荐模块或者基于用户社交偏好的个性化推荐模。
[0035] 在其中一具体实施方式中，所述的基于多维相似度的推荐系统，所述用户间的不同类型偏好的相似程度包括用户间情感的相似程度，用户间兴趣的相似程度，用户间社交的相似程度。
[0036] 从不同维度的相似度计算，能够了解到用户间在哪一点最为相似，以便能够从最为相似的哪一面进行推荐。
[0037] 在其中一具体实施方式中，所述的基于多维相似度的推荐系统，所述个性化推荐模块，其根据数据库系统中用户的偏好、地理位置以及用户间的相似程度进行个性化推荐具体包括：
[0038] 计算用户的情感偏好，用户的兴趣偏好以及用户的社交偏好所占的权重，并进行排序，得到权重最高的用户偏好；
[0039] 比较用户间情感的相似程度，用户间兴趣的相似程度以及用户间社交的相似程度，得到用户间相似程度最高的偏好；
[0040] 结合权重最高的用户偏好，用户间相似程度最高的偏好，用户的地理位置进行个性化推荐。
[0041] 若权重最高的用户偏好为情感偏好，则可以选择基于用户情感偏好的个性化推荐模块，若权重最高的用户偏好为兴趣偏好，则可以选择基于用户兴趣偏好的个性化推荐模块。结合权重最高的用户偏好，用户间相似程度最高的偏好的目的在于，若权重最高的用户偏好为情感偏好，同时用户间相似程度最高的偏好也为情感偏好时，这时推荐的结果最为准确，范围也最为广泛；若权重最高的用户偏好为情感偏好，而相似程度最高的偏好为兴趣偏好时，这时可以从多方面进行考虑，用户是老用户还是刚注册不久的新用户，若是老用户，则可以选择权重最高的用户偏好进行推荐，若是新用户，则可以选择相似程度最高的偏好进行推荐，因为是新用户，获取到的用户数据稀少，得到的权重数据并不一定是准确的。进行推荐时，把地理因素也考虑进去，能够使推荐的结果更为精准，像长期生活在上海的人和北京的人，生活习惯等肯定存在很大的不同，这也可以作为参考的因素。
[0042] 在其中一具体实施方式中，所述的基于多维相似度的推荐系统，所述用户阶段性分析模块包括偏好预测模型，其根据用户的原始评分数据以及评论文本数据提取的关键词预测用户的偏好。
[0043] 在其中一具体实施方式中，所述的基于多维相似度的推荐系统，所述偏好预测模型是通过大量的关键词与偏好之间的对应关系训练建立起来的。
[0044] 在其中一具体实施方式中，所述的基于多维相似度的推荐系统，，所述偏好预测模型包括用户的情感偏好预测模型，用户的兴趣偏好预测模型以及用户的社交偏好预测模型。
[0045] 用户的社交偏好侧重于网络上的社交关系，用户之间的朋友关系，既可以表现为相互之间加为好友，也可以为共同讨论了一些话题等。
[0046] 在其中一具体实施方式中，所述的基于多维相似度的推荐系统，所述预定的时间间隔为每天，每周，每月，三个月，或半年。
[0047] 在其中一具体实施方式中，所述的基于多维相似度的推荐系统，所述数据库系统，相似度计算模块和用户阶段性分析模块均位于服务器端，所述个性化推荐模块和所述推荐结果显示模块均位于客户端。
[0048] 本发明实施例还提供了一种基于多维相似度的推荐方法来实现，该方法包括：
[0049] 按预定的时间间隔获取多个用户的原始评分数据，评论文本数据以及地理位置；
[0050] 对用户的原始评分数据以及评论文本数据进行关键词提取，并通过偏好预测模型得到用户的偏好，并存储至数据库系统中；
[0051] 计算用户间的不同类型偏好相似程度，并将其存储至数据库系统中；
[0052] 根据数据库系统中用户的偏好、地理位置以及用户间的相似程度进行个性化推荐。
[0053] 如上所述，根据本发明，其能够根据用户的不同类型偏好，用户间的不同类型偏好的相似程度以及地理位置进行综合推荐，使推荐的结果更为准确，提高了用户的体验。
[0054] 尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言，可容易地实现另外的
修改。因此在不背离
权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
