技術特征：

1.一種基于時間的產(chǎn)品推薦方法，其特征在于，包括：

從目標數(shù)據(jù)庫獲取包括用戶和項目的目標數(shù)據(jù)，根據(jù)所述目標數(shù)據(jù)構建關于用戶和項目的目標矩陣；

根據(jù)所述目標矩陣和SimS算法，計算得到不同項目對用戶的分值；

根據(jù)最近增長熱度算法，計算得到不同項目在指定時間內(nèi)的最近增長熱度；

設置權重值，基于THybrid算法根據(jù)所述權重值、所述分值和所述最近增長熱度進行計算，得到初級推薦分值；

根據(jù)所述目標數(shù)據(jù)的類型獲取目標數(shù)據(jù)參數(shù)，并根據(jù)所述目標數(shù)據(jù)參數(shù)對所述初級推薦分值進行優(yōu)化計算，得到各項目對所述用戶的推薦分值；

根據(jù)所述推薦分值確定項目列表，所述項目列表按照所述推薦分值對所述項目進行順序排序，根據(jù)預置推薦規(guī)則獲取所述項目列表中的若干項目，并將所述若干項目推送至所述用戶的推薦列表。

2.如權利要求1所述的產(chǎn)品推薦方法，其特征在于，所述根據(jù)所述目標數(shù)據(jù)構建關于用戶和項目的目標矩陣包括：

將所述目標數(shù)據(jù)保存為.dat格式；

根據(jù)所述目標數(shù)據(jù)構建關于用戶和項目的目標矩陣，其中，以a表示所述目標矩陣，則：當?shù)趇個用戶與第α個項目不相關時，a_iα＝0，當?shù)趇個用戶與第a個項目相關時，a_iα＝1。

3.如權利要求1或2所述的產(chǎn)品推薦方法，其特征在于，所述根據(jù)所述目標數(shù)據(jù)構建關于用戶和項目的目標矩陣之后還包括：

獲取每一項目相關的用戶數(shù)量，及獲取每一用戶相關的項目數(shù)量。

4.如權利要求1所述的產(chǎn)品推薦方法，其特征在于，以表示所述分值，以Δk'_α(t,τ)表示所述最近增長熱度，Δk'_α(t,τ)＝Δk_α(t,τ)+εk_α(t)，以λ表示所述權重值，以表示所述初始推薦分值，則：

5.如權利要求4所述的產(chǎn)品推薦方法，其特征在于，所述根據(jù)所述目標數(shù)據(jù)的類型獲取目標數(shù)據(jù)參數(shù)，并根據(jù)所述目標數(shù)據(jù)參數(shù)對所述初級推薦分值進行優(yōu)化計算，得到各項目對所述用戶的推薦分值包括：

根據(jù)所述目標數(shù)據(jù)從類型參數(shù)列表中獲取所述目標數(shù)據(jù)的目標數(shù)據(jù)參數(shù)，所述類型參數(shù)列表包括目標數(shù)據(jù)和目標數(shù)據(jù)參數(shù)的對應關系；

根據(jù)所述目標數(shù)據(jù)參數(shù)對所述初級推薦分值進行計算，得到各項目對所述用戶的推薦分數(shù)，以r表示所述目標數(shù)據(jù)參數(shù)，以表示所述推薦分值，則：

$t_{\mathrm{\α}}^{\left(i\right)}=h_{\mathrm{\α}}^{\left(i\right)}\frac{{\mathrm{\Δk}}_{\mathrm{\α}}{(t,\mathrm{\τ})}^r}{k_{\mathrm{\α}}\left(t\right)}.$

6.一種基于時間的產(chǎn)品推薦系統(tǒng)，其特征在于，包括：

矩陣構建單元，用于從目標數(shù)據(jù)庫獲取包括用戶和項目的目標數(shù)據(jù)，根據(jù)所述目標數(shù)據(jù)構建關于用戶和項目的目標矩陣；

分值計算單元，用于根據(jù)所述目標矩陣和SimS算法，計算得到不同項目對用戶的分值；

熱度計算單元，用于根據(jù)最近增長熱度算法，計算得到不同項目在指定時間內(nèi)的最近增長熱度；

權重計算單元，用于設置權重值，基于THybrid算法根據(jù)所述權重值、所述分值和所述最近增長熱度進行計算，得到初級推薦分值；

分值確定單元，用于根據(jù)所述目標數(shù)據(jù)的類型獲取目標數(shù)據(jù)參數(shù)，并根據(jù)所述目標數(shù)據(jù)參數(shù)對所述初級推薦分值進行優(yōu)化計算，得到各項目對所述用戶的推薦分值；

列表推薦單元，用于根據(jù)所述推薦分值確定項目列表，所述項目列表按照所述推薦分值對所述項目進行順序排序，根據(jù)預置推薦規(guī)則獲取所述項目列表中的若干項目，并將所述若干項目推送至所述用戶的推薦列表。

7.如權利要求6所述的產(chǎn)品推薦系統(tǒng)，其特征在于，所述矩陣構建單元具體用于：

將所述目標數(shù)據(jù)保存為.dat格式；

根據(jù)所述目標數(shù)據(jù)構建關于用戶和項目的目標矩陣，其中，以a表示所述目標矩陣，則：當?shù)趇個用戶與第α個項目不相關時，a_iα＝0，當?shù)趇個用戶與第α個項目相關時，a_iα＝1。

8.如權利要求6或7所述的產(chǎn)品推薦系統(tǒng)，其特征在于，所述矩陣構建單元還用于：

獲取每一項目相關的用戶數(shù)量，及獲取每一用戶相關的項目數(shù)量。

9.如權利要求6所述的產(chǎn)品推薦系統(tǒng)，其特征在于，以表示所述分值，以Δk'_α(t,τ)表示所述最近增長熱度，Δk'_α(t,τ)＝Δk_α(t,τ)+εk_α(t)，以λ表示所述權重值，以表示所述初始推薦分值，則：

10.如權利要求9所述的產(chǎn)品推薦系統(tǒng)，其特征在于，所述分值確定單元具體用于：

根據(jù)所述目標數(shù)據(jù)從類型參數(shù)列表中獲取所述目標數(shù)據(jù)的目標數(shù)據(jù)參數(shù)，所述類型參數(shù)列表包括目標數(shù)據(jù)和目標數(shù)據(jù)參數(shù)的對應關系；

根據(jù)所述目標數(shù)據(jù)參數(shù)對所述初級推薦分值進行計算，得到各項目對所述用戶的推薦分數(shù)，以r表示所述目標數(shù)據(jù)參數(shù)，以表示所述推薦分值，則：

$t_{\mathrm{\α}}^{\left(i\right)}=h_{\mathrm{\α}}^{\left(i\right)}\frac{{\mathrm{\Δk}}_{\mathrm{\α}}{(t,\mathrm{\τ})}^r}{k_{\mathrm{\α}}\left(t\right)}.$