基于大数据协同过滤技术的电商平台商品推荐系统及方法

摘要

本发明提供一种基于大数据协同过滤技术的电商平台商品推荐方法及系统，根据商品的不同类别及特性，对每种商品建立具有空间化的不同多维属性信息，将用户对商品本身的兴趣度转换为对多维属性的取向度，从而深度刨析用户实质的兴趣需求，利用属性值的均值计算每位用户中各属性值的权重，以此权重预测未评价商品的估分，极大地克服了因用户评价不全或大数据松散而导致的评价数据稀疏性问题，同时通过估分能够深度挖掘鲜为人知、冷门的商品，符合个性化推荐需求；根据商品被评价次数及均值进一步计算热度相关系数，以此系数构建相似度模型，在推荐算法中形成热门惩罚、冷门奖励的机制，降低热门数据的噪音影响，增强冷门数据的个性化推荐能力。