基于計算機(jī)系統(tǒng)的推薦方法及其裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及W計算機(jī)系統(tǒng)實(shí)現(xiàn)的推薦技術(shù)，特別涉及基于計算機(jī)系統(tǒng)的推薦方法 及其裝置。
【背景技術(shù)】
[0002] 推薦算法通常分為基于內(nèi)容的推薦，基于關(guān)聯(lián)規(guī)則的推薦，基于協(xié)同過濾推薦，W 及一些基本方法的組合。然而，本發(fā)明的發(fā)明人發(fā)現(xiàn)，當(dāng)前CF(Coll油orative Filtering, 協(xié)同過濾）算法存在一些問題，特別是在分布式環(huán)境下，有些問題更加明顯，從CF運(yùn)行邏輯 來理解，算法瓶頸主要在W下H個地方：
[0003] 第一點(diǎn)存在于數(shù)據(jù)規(guī)模中，無論哪次推薦，分布式框架的每個計算節(jié)點(diǎn)都要保留 全局?jǐn)?shù)據(jù)，因?yàn)槊總€re化cer不能提前得知當(dāng)前節(jié)點(diǎn)被分配的是哪些用戶，所W只存儲局 部數(shù)據(jù)會影響數(shù)據(jù)精度。送時每個re化cer就被實(shí)例化為一個小型的推薦場景。假設(shè)共有 t單位的計算資源，則全局?jǐn)?shù)據(jù)被兀余存儲了 t-1份，同時每個re化cer在真正的推薦過程 中只會遇到小部分?jǐn)?shù)據(jù)計算，其它數(shù)據(jù)也會造成極大的資源浪費(fèi)。因此當(dāng)數(shù)據(jù)規(guī)模較大時， 無論從時間上還是存儲上，對每個計算節(jié)點(diǎn)都是巨大的負(fù)擔(dān)。在我們的實(shí)驗(yàn)過程中，由于編 程語言W及編譯器的本地設(shè)計，當(dāng)用戶或者項(xiàng)目任一數(shù)據(jù)量超過千萬級時，必然會出現(xiàn)數(shù) 組過大越界問題，當(dāng)用戶或者項(xiàng)目任一數(shù)據(jù)量在千萬級別時，則由于集群中各個計算節(jié)點(diǎn) 的配置參差不齊，有些低配節(jié)點(diǎn)就會出現(xiàn)內(nèi)存不足問題。
[0004] 第二點(diǎn)為數(shù)據(jù)傾斜問題。從CF算法過程來看，無論是基于項(xiàng)目還是基于用戶， 我們都需要計算項(xiàng)目之間的相似度。送里存在一個隱蔽的問題：實(shí)際應(yīng)用場景中，有些 項(xiàng)目屬于"活躍份子"，有些屬于"不活躍份子"，例如在使用MapRe化Ce化amework時，在 <key, value〉數(shù)據(jù)schema(模式）下，有些key對應(yīng)的value會很多，有些會很少，送種數(shù)量 不一致，參差不齊的情況，稱為數(shù)據(jù)傾斜（data skew)。當(dāng)value數(shù)量在不同key之間相差 3個W上數(shù)量級時，在計算項(xiàng)目之間相似度過程中就會造成嚴(yán)重的數(shù)據(jù)傾斜，"活躍份子"導(dǎo) 致計算時間長尾。同理，在推薦過程中，有些用戶之前積累的行為多，有些用戶之前積累的 行為少，送時"活躍用戶"就會拖累整體計算過程。
[0005] 第H點(diǎn)為數(shù)據(jù)稀疏問題。在對象集合中，產(chǎn)生關(guān)系的對象對很少；可W理解為把所 有對象劃分為一個矩陣，其中（i，j)表示第i個用戶和第j個項(xiàng)目之間的關(guān)系，如果大多數(shù) 點(diǎn)均為0 (表示沒有關(guān)系），則定義為數(shù)據(jù)稀疏。數(shù)據(jù)稠密與之相反。特別是初始數(shù)據(jù)往往 是不完全的，送時在計算項(xiàng)目之間相似度時就很容易出現(xiàn)數(shù)據(jù)稀疏問題，即用戶項(xiàng)目矩陣 的大部分位置都是0。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種基于計算機(jī)系統(tǒng)的推薦方法及其裝置，可W在大數(shù)據(jù) 下實(shí)現(xiàn)高效的推薦方法，保證了系統(tǒng)的穩(wěn)定性和推薦的多樣性。
[0007] 為解決上述技術(shù)問題，本發(fā)明的實(shí)施方式公開了一種基于計算機(jī)系統(tǒng)的推薦方 法，該方法包括W下步驟：
[000引獲取各用戶對各項(xiàng)目的項(xiàng)目評分記錄；
[0009] 根據(jù)每個用戶的項(xiàng)目評分記錄進(jìn)行聚類，將用戶特征數(shù)據(jù)劃分到R個類別中，R是 大于1的整數(shù)；
[0010] 在每個類別的用戶特征數(shù)據(jù)中，基于項(xiàng)目為目標(biāo)用戶推薦項(xiàng)目。
[0011] 本發(fā)明的實(shí)施方式還公開了一種基于計算機(jī)系統(tǒng)的推薦裝置，裝置包括：
[0012] 用戶項(xiàng)目初始關(guān)系計算模塊，用于獲取各用戶對各項(xiàng)目的項(xiàng)目評分記錄；
[0013] 聚類模塊，用于根據(jù)用戶項(xiàng)目初始關(guān)系計算模塊獲取的每個用戶的項(xiàng)目評分記錄 進(jìn)行聚類，將用戶特征數(shù)據(jù)劃分到R個類別中，R是大于1的整數(shù)；W及
[0014] 推薦模塊，用于在聚類模塊所劃分的每個類別的用戶特征數(shù)據(jù)中，基于項(xiàng)目為目 標(biāo)用戶推薦項(xiàng)目。
[0015] 本發(fā)明實(shí)施方式與現(xiàn)有技術(shù)相比，主要區(qū)別及其效果在于：
[0016] 在本發(fā)明的推薦方法中，先根據(jù)每個用戶的項(xiàng)目評分記錄進(jìn)行聚類，將用戶特征 數(shù)據(jù)劃分到多個類別中，再在每個類別的用戶特征數(shù)據(jù)中基于項(xiàng)目為目標(biāo)用戶推薦項(xiàng)目， 可W在大數(shù)據(jù)下實(shí)現(xiàn)高效的推薦方法，保證了系統(tǒng)的穩(wěn)定性和推薦的多樣性。
[0017] 進(jìn)一步地，每個計算節(jié)點(diǎn)不需要保存所有類別的用戶特征數(shù)據(jù)，避免了內(nèi)存不足 的問題。
[0018] 進(jìn)一步地，對于每個類別中的每個項(xiàng)目或每個用戶，只選取與其關(guān)系最強(qiáng)的幾個 項(xiàng)目，而不是保留與其有關(guān)系的所有項(xiàng)目，可W避免關(guān)系較弱的項(xiàng)目產(chǎn)生的數(shù)據(jù)傾斜問題。
[0019] 進(jìn)一步地，采用數(shù)據(jù)稀疏度對數(shù)據(jù)稀疏問題進(jìn)行檢測，并在發(fā)現(xiàn)數(shù)據(jù)稀疏問題后， 通過項(xiàng)目間的二度關(guān)系進(jìn)行相似度補(bǔ)全，W避免數(shù)據(jù)稀疏對推薦準(zhǔn)確度的影響。
[0020] 進(jìn)一步地，根據(jù)用戶數(shù)量來選擇是否要對用戶進(jìn)行聚類，W更好地適應(yīng)于小數(shù)據(jù) 下和大數(shù)據(jù)下的項(xiàng)目推薦。
【附圖說明】
[0021] 圖1是本發(fā)明第一實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦方法的流程示意圖；
[0022] 圖2本發(fā)明第一實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦方法中聚類判斷的流程 示意圖；
[0023] 圖3是本發(fā)明第二實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦方法中推薦步驟的流 程TK意圖；
[0024] 圖4是本發(fā)明第二實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦方法中推薦步驟的流 程TK意圖；
[0025] 圖5是本發(fā)明第二實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦方法中推薦步驟的流 程TK意圖；
[0026] 圖6是本發(fā)明第二實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦方法中數(shù)據(jù)補(bǔ)全的流 程TK意圖；
[0027] 圖7是現(xiàn)有的計算用戶相似度的示意圖；
[0028] 圖8和圖9是現(xiàn)有的基于用戶的協(xié)同過濾的示意圖；
[0029] 圖10和圖11是現(xiàn)有的基于項(xiàng)目的協(xié)同過濾的示意圖；
[0030] 圖12是現(xiàn)有的實(shí)現(xiàn)分布式CF算法的MapRe化Ce框架圖；
[0031] 圖13是本發(fā)明第二實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦方法的流程示意圖；
[0032] 圖14是本發(fā)明第二實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦方法的流程示意圖；
[0033] 圖15是本發(fā)明第H實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦裝置的結(jié)構(gòu)示意圖；
[0034] 圖16是本發(fā)明第四實(shí)施方式中一種基于計算機(jī)系統(tǒng)的推薦裝置中推薦模塊的結(jié) 構(gòu)示意圖。
【具體實(shí)施方式】
[0035] 在W下的敘述中，為了使讀者更好地理解本申請而提出了許多技術(shù)細(xì)節(jié)。但是，本 領(lǐng)域的普通技術(shù)人員可W理解，即使沒有送些技術(shù)細(xì)節(jié)和基于W下各實(shí)施方式的種種變化 和修改，也可W實(shí)現(xiàn)本申請各權(quán)利要求所要求保護(hù)的技術(shù)方案。
[0036] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對本發(fā)明的實(shí)施 方式作進(jìn)一步地詳細(xì)描述。
[0037] 本發(fā)明第一實(shí)施方式涉及一種基于計算機(jī)系統(tǒng)的推薦方法。圖1是該基于計算機(jī) 系統(tǒng)的推薦方法的流程示意圖。如圖1所示，該方法包括W下步驟：
[0038] 在步驟101中，獲取各用戶對各項(xiàng)目的項(xiàng)目評分記錄?？蒞理解，在本發(fā)明的各個 實(shí)施方式中，項(xiàng)目可W為商品、服務(wù)或其它推薦對象。
[0039] 此后進(jìn)入步驟102,根據(jù)每個用戶的項(xiàng)目評分記錄進(jìn)行聚類，將用戶特征數(shù)據(jù)劃 分到R個類別中，R是大于1的整數(shù)?？蒞理解，在本發(fā)明的各個實(shí)施方式中，可W采用 K-means算法直接對用戶特征數(shù)據(jù)進(jìn)行聚類，也可W先采用Canopy算法進(jìn)行粗聚類，再采 用K-means算法進(jìn)行細(xì)聚類。
[0040] 先采用Canopy算法進(jìn)行粗聚類，再采用K-means算法進(jìn)行細(xì)聚類，在保證準(zhǔn)確性 的同時，提高了聚類速度。
[00川此外，可W理解，用戶特征數(shù)據(jù)是由用戶信息、項(xiàng)目信息和用戶對項(xiàng)目的評分記錄 組成的數(shù)據(jù)。
[0042] 此后進(jìn)入步驟103,在每個類別的用戶特征數(shù)據(jù)中，基于項(xiàng)目為目標(biāo)用戶推薦項(xiàng) 目?？蒞理解，在本發(fā)明的各個實(shí)施方式中，可W采用基于協(xié)同過濾、基于關(guān)聯(lián)規(guī)則或基于 效用的推薦算法來為目標(biāo)用戶推薦項(xiàng)目。
[0043] 此后結(jié)束本流程。
[0044] 當(dāng)然，在本發(fā)明的其他實(shí)施方式中，也可W W項(xiàng)目為對象進(jìn)行聚類，再在每個類別 的用戶特征數(shù)據(jù)中基于用戶來為目標(biāo)用戶推薦項(xiàng)目，或是聚類和推薦都基于用戶或都基于 項(xiàng)目。
[0045] 在本實(shí)施方式的推薦方法中，先根據(jù)每個用戶的項(xiàng)目評分記錄進(jìn)行聚類，將用戶 特征數(shù)據(jù)劃分到多個類別中，再在每個類別的用戶特征數(shù)據(jù)中基于項(xiàng)目為目標(biāo)用戶推薦項(xiàng) 目，可W在大數(shù)據(jù)下實(shí)現(xiàn)高效的推薦方法，保證了系統(tǒng)的穩(wěn)定性和推薦的多樣性。
[0046] 優(yōu)選地，上述計算機(jī)系統(tǒng)為分布式系統(tǒng)。該計算機(jī)系統(tǒng)包括至少兩個計算節(jié)點(diǎn)。
[0047] 在步驟103中，將各類別的用戶特征數(shù)據(jù)分配給多個計算節(jié)點(diǎn)，每個計算節(jié)點(diǎn)最 多保存R - 1個類別的用戶特征數(shù)據(jù)，每個計算節(jié)點(diǎn)在所保存的每個類別的用戶特征數(shù)據(jù) 中基于項(xiàng)目為目標(biāo)用戶推薦項(xiàng)目。每個計算節(jié)點(diǎn)不需要保存所有類別的用戶特征數(shù)據(jù)，避 免了內(nèi)存不足的問題。
[0048] 優(yōu)選地，每個計算節(jié)點(diǎn)保存一個類別的用戶特征數(shù)據(jù)并進(jìn)行處理。此外，可W理 解，在本發(fā)明的各實(shí)施方式中，可W根據(jù)各計算節(jié)點(diǎn)的配置將兩個或兩個W上類別的用戶 特征數(shù)據(jù)分配給高配置的計算節(jié)點(diǎn)進(jìn)行處理。當(dāng)然，在用戶特征數(shù)據(jù)量不是很大的時候，也 可W由一個計算節(jié)點(diǎn)進(jìn)行處理。
[0049] 作為可選實(shí)施方式，如圖2所示，在步驟102前還包括W下步驟：
[0050] 在步驟201中，判斷用戶數(shù)量是否大于用戶規(guī)模闊值。若用戶數(shù)量小于用戶規(guī)模 闊值，則進(jìn)入步驟202 ;若用戶數(shù)量大于用戶規(guī)模闊值，則進(jìn)入步驟102。
[0051] 在步驟202中，直接在