基于大数据搜索的个性化推荐方法和系统

摘要

本发明涉及一种个性化推荐方法和系统，其中，方法包括以下步骤：对预先从推荐系统获取到的推荐信息进行筛选，得到初始推荐信息；分别以各个初始推荐信息为搜索信息在搜索引擎中进行搜索，得到对应的N1条第一搜索结果，分别以各个初始推荐信息与预先获取的用户属性信息为搜索信息在搜索引擎中进行搜索，得到对应的N2条第二搜索结果；根据各个初始推荐信息的N1与N2的比值对所述初始推荐信息进行筛选，得到推荐结果。

说明书

技术领域

本发明涉及搜索技术领域，特别是涉及一种基于大数据搜索的个性化推荐 方法和系统。

背景技术

随着推荐技术的快速发展，用户对推荐结果的要求也越来越高。个性化推 荐是推荐技术的最重要内容之一。现有的个性化推荐是根据用户的兴趣特点和 购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩 大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的 商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的 消费者不断流失。为了解决这些问题，个性化推荐系统应运而生。个性化推荐 系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务 网站为其顾客购物提供完全个性化的决策支持和信息服务。

现有个性化推荐是基于某个信息平台或信息系统内部的海量数据做出的， 譬如淘宝的商品推荐系统是基于淘宝信息平台里的海量数据进行推荐的，又譬 如当当网的推荐系统是基于当当网信息平台里的海量数据进行推荐的。各个信 息平台或信息系统里的数据量虽然很大，但相互之间没有融合，所以形成了数 据孤岛，相对于互联网上的大数据而言，某个信息平台或信息系统内部的海量 数据只能称得上是小数据，导致了现有推荐系统主要有以下问题：

(1)现有推荐技术在向一个用户进行推荐时需要参考该个用户的以往购买 行为，对新用户而言，没有足够的购买行为的历史数据可以供推荐系统参考；

(2)现有推荐技术在向一个用户进行推荐时需要参考与该个用户类似的同 类用户的购买行为，而另类用户的需求往往与一般用户不同；

(3)现有推荐系统是根据用户的兴趣特点和购买行为进行推荐的，而用户 的兴趣特点和购买行为是从用户的购买历史数据中挖掘出来的，虽然用户的兴 趣特点和购买行为也属于用户的属性，但这些用户属性信息是从用户的购买历 史数据中挖掘出来的，属于用户在购买时的属性，而用户购买属性之外的用户 属性信息却没有被现有推荐技术所考虑和利用。

综上所述，现有推荐系统推荐，准确率无法突破现有的瓶颈，准确率低。

发明内容

基于此，有必要针对现有技术准确率低的问题，提供一种基于大数据搜索 的个性化推荐方法和系统。

一种个性化推荐方法，包括以下步骤：

对预先从推荐系统获取到的推荐信息进行筛选，得到初始推荐信息；

分别以各个初始推荐信息为搜索信息在搜索引擎中进行搜索，得到对应的 N1条第一搜索结果，分别以各个初始推荐信息与预先获取的用户属性信息为搜 索信息在搜索引擎中进行搜索，得到对应的N2条第二搜索结果；

根据各个初始推荐信息的N1与N2的比值对所述初始推荐信息进行筛选， 得到推荐结果。

一种个性化推荐系统，包括：

第一筛选模块，用于对预先从推荐系统获取到的推荐信息进行筛选，得到 初始推荐信息；

搜索模块，用于分别以各个初始推荐信息为搜索信息在搜索引擎中进行搜 索，得到对应的N1条第一搜索结果，分别以各个初始推荐信息与预先获取的用 户属性信息为搜索信息在搜索引擎中进行搜索，得到对应的N2条第二搜索结 果；

第二筛选模块，用于根据各个初始推荐信息的N1与N2的比值对所述初始 推荐信息进行筛选，得到推荐结果。

上述个性化推荐方法和系统，通过对预先从推荐系统获取到的推荐信息进 行筛选，得到初始推荐信息；分别以各个初始推荐信息为搜索信息在搜索引擎 中进行搜索，得到对应的N1条第一搜索结果，分别以各个初始推荐信息与预先 获取的用户属性信息为搜索信息在搜索引擎中进行搜索，得到对应的N2条第二 搜索结果；根据各个初始推荐信息的N1与N2的比值对所述初始推荐信息进行 筛选，得到推荐结果，极大提高了推荐结果与用户属性的契合度，满足了用户 的个性化推荐的需要，提高推荐的准确率，提高了用户对推荐结果的采纳率， 提升了推荐系统对用户的价值。

附图说明

图1为一个实施例的个性化推荐方法流程图；

图2为一个实施例的个性化推荐系统的结构示意图。

具体实施方式

下面结合附图对本发明的个性化推荐方法和系统的实施例进行描述。

图1为一个实施例的个性化推荐方法流程图。如图1所示，所述个性化推 荐方法可包括以下步骤：

步骤S1，对预先从推荐系统获取到的推荐信息进行筛选，得到初始推荐信 息；

其中，所述推荐系统可以是现有的各种推荐系统，也可以是新开发的推荐 系统；从推荐系统获取到的推荐信息可以是各种类型的推荐信息，譬如，商品 推荐信息、服装推荐信息、图书推荐信息、视频推荐信息、图片推荐信息、论 文推荐信息或好友推荐信息等。

假设从推荐系统获取到的推荐信息的数量为P，初始推荐信息的数量为N， 则N小于或等于P。可计算预先从推荐系统获取到的推荐信息的数量；将所述 数量与预设的数量阈值进行比较；若所述数量大于所述数量阈值，可从预先从 推荐系统获取到的推荐信息中选择N条推荐信息，设为初始推荐信息。通过这 种方式，可以避免P的数值较大时造成后续处理花费时间过长、处理复杂度过 高的问题，有效提高了后续对推荐信息的处理效率，节约了处理时间。

步骤S2，分别以各个初始推荐信息为搜索信息在搜索引擎中进行搜索，得 到对应的N1条第一搜索结果，分别以各个初始推荐信息与预先获取的用户属性 信息为搜索信息在搜索引擎中进行搜索，得到对应的N2条第二搜索结果；

例如，假设初始推荐信息的数量为N＝3，分别以3条初始推荐信息为搜索 信息在搜索引擎中进行搜索，得到的第一搜索结果的数量分别为N1＝30、40和 50。假设分别以3条初始推荐信息与预先获取的用户属性信息为搜索信息在搜 索引擎中进行搜索，得到的第二搜索结果的数量分别为N2＝10、15和35。可将 上述N1和N2代入后续步骤。

所述搜索引擎可以是一种大数据搜索引擎，还可以是互联网搜索引擎(譬 如谷歌、百度等)，还可以是基于语料库的搜索引擎，还可以是其他类型的信 息搜索引擎。搜索是调用搜索引擎自动完成的。

所述用户属性信息包括用户的年龄、性别、职业、学历、专业、特长、爱 好和地理位置等信息。

获取用户属性信息的方式可以是获取搜索引擎上登录的注册账户；提取所 述账户相关联的用户属性信息。获取用户属性信息的方式还可以是弹出信息输 入界面；接收用户在所述信息输入界面中输入的用户属性信息。初始推荐信息 与所述用户属性组合的方式是将用户属性组追加到初始推荐信息之后。

步骤S3，根据各个初始推荐信息的N1与N2的比值对所述初始推荐信息进 行筛选，得到推荐结果。具体讲，可以根据以下方式获取推荐结果：

步骤S31，计算各个初始推荐信息的N1与N2的比值N1/N2；

步骤S32，对所述比值进行排序，得到所述比值对应的序列；

步骤S33，选择所述序列中的排序靠前的M个比值，并将所述M个比值对 应的初始推荐信息设为推荐结果；其中，M小于N小于或等于P，N为初始推 荐信息的数量，P为预先从推荐系统获取到的推荐信息的数量。

在得到所述推荐结果之后，可将所述推荐结果输出给用户。

其中，将最终推荐结果输出给用户的方式可以是现有推荐系统所采用的方 式，也可以采用其他的信息输出方式，譬如，如网页的方式、文件的方式。

其中，当所述推荐系统向多个用户推荐所述推荐结果，则可针对所述多个 用户执行多次所述个性化推荐方法；当所述推荐系统多次向一个用户推荐多个 推荐结果，则针对所述多次执行多次所述个性化推荐方法；所述推荐结果的序 列是有序的，是按照N2的值从大到小进行排序的。N2的值反映了各个初始推 荐信息与用户属性的契合度。某条初始推荐信息的N2值越大，表明用户对该推 荐信息的认同度越高，反之，某条初始推荐信息的N2值越小，表明用户对该推 荐信息的认同度越低。

N1与N2的比值N1/N2反映了用户属性引起用户对初始推荐信息的认同度 的变化。某条初始推荐信息N1/N2的值越大，表明该初始推荐信息引起用户对 初始推荐信息的认同度的变化越大，从而说明初始推荐信息与用户属性的契合 度越小；反之，某条初始推荐信息N1/N2的值越小，表明该初始推荐信息引起 用户对初始推荐信息的认同度的变化越小，从而说明初始推荐信息与用户属性 的契合度越大。

前M个比值中如果有些商数相同，则这些相同比值对应的推荐结果的先后 顺序按照这些推荐结果原先的先后顺序不变；因为当该个第一搜索结果数除以 对应的第二搜索结果数得到的比值越小，则说明该初始搜索信息与该个用户属 性的契合度越大，所以N条初始推荐信息的N个比值从小到大进行排序，本质 上是对M个比值对应的M个第一搜索结果数对应的M个初始推荐信息与所述 用户属性的契合度从大到小进行排序，因此序列中前M个比值对应的M个第一 搜索结果数对应的M个初始推荐信息是与所述用户属性的契合度最大的M个初 始搜索信息，且在排序得到的序列中M个初始推荐信息也是按照与所述用户属 性的契合度从大到小进行排序的，使得用户能够得到与用户属性更契合的M个 推荐结果，且越契合的推荐结果就越能先看到，因为与用户属性越契合的推荐 结果在序列中越靠前，避免了现有推荐系统推荐的P个推荐结果中含有大量与 用户属性不契合的推荐结果的情况，因此本发明实施例中M个推荐结果的序列 对用户而言更有针对性，充分考虑了用户的属性，从而避免了未针对不同用户 属性进行个性化推荐的弊端，提高了推荐结果与用户属性的契合度，满足了用 户的个性化推荐的需要，提高推荐的准确率，提高了用户对推荐结果的采纳率， 提升了推荐系统对用户的价值。

图2为一个实施例的个性化推荐系统的结构示意图。如图2所示，所述个 性化推荐系统可包括：

第一筛选模块10，用于对预先从推荐系统获取到的推荐信息进行筛选，得 到初始推荐信息；

其中，所述推荐系统可以是现有的各种推荐系统，也可以是新开发的推荐 系统；从推荐系统获取到的推荐信息可以是各种类型的推荐信息，譬如，商品 推荐信息、服装推荐信息、图书推荐信息、视频推荐信息、图片推荐信息、论 文推荐信息或好友推荐信息等。

假设从推荐系统获取到的推荐信息的数量为P，初始推荐信息的数量为N， 则N小于或等于P。可计算预先从推荐系统获取到的推荐信息的数量；将所述 数量与预设的数量阈值进行比较；若所述数量大于所述数量阈值，可从预先从 推荐系统获取到的推荐信息中选择N条推荐信息，设为初始推荐信息。通过这 种方式，可以避免P的数值较大时造成后续处理花费时间过长、处理复杂度过 高的问题，有效提高了后续对推荐信息的处理效率，节约了处理时间。

搜索模块20，用于分别以各个初始推荐信息为搜索信息在搜索引擎中进行 搜索，得到对应的N1条第一搜索结果，分别以各个初始推荐信息与预先获取的 用户属性信息为搜索信息在搜索引擎中进行搜索，得到对应的N2条第二搜索结 果；

例如，假设初始推荐信息的数量为N＝3，分别以3条初始推荐信息为搜索 信息在搜索引擎中进行搜索，得到的第一搜索结果的数量分别为N1＝30、40和 50。假设分别以3条初始推荐信息与预先获取的用户属性信息为搜索信息在搜 索引擎中进行搜索，得到的第二搜索结果的数量分别为N2＝10、15和35。可将 上述N1和N2代入搜索模块30。

所述搜索引擎可以是一种大数据搜索引擎，还可以是互联网搜索引擎(譬 如谷歌、百度等)，还可以是基于语料库的搜索引擎，还可以是其他类型的信 息搜索引擎。搜索是调用搜索引擎自动完成的。

所述用户属性信息包括用户的年龄、性别、职业、学历、专业、特长、爱 好和地理位置等信息。

获取用户属性信息的方式可以是获取搜索引擎上登录的注册账户；提取所 述账户相关联的用户属性信息。获取用户属性信息的方式还可以是弹出信息输 入界面；接收用户在所述信息输入界面中输入的用户属性信息。初始推荐信息 与所述用户属性组合的方式是将用户属性组追加到初始推荐信息之后。

搜索模块30，用于根据各个初始推荐信息的N1与N2的比值对所述初始推 荐信息进行筛选，得到推荐结果。具体讲，所述搜索模块30可以根据以下方式 获取推荐结果：

计算各个初始推荐信息的N1与N2的比值N1/N2；

对所述比值进行排序，得到所述比值对应的序列；

选择所述序列中的排序靠前的M个比值，并将所述M个比值对应的初始推 荐信息设为推荐结果；其中，M小于N小于或等于P，N为初始推荐信息的数 量，P为预先从推荐系统获取到的推荐信息的数量。

在得到所述推荐结果之后，可将所述推荐结果输出给用户。

其中，将最终推荐结果输出给用户的方式可以是现有推荐系统所采用的方 式，也可以采用其他的信息输出方式，譬如，如网页的方式、文件的方式。

其中，当所述推荐系统向多个用户推荐所述推荐结果，则可针对所述多个 用户执行多次所述个性化推荐方法；当所述推荐系统多次向一个用户推荐多个 推荐结果，则针对所述多次执行多次所述个性化推荐方法；所述推荐结果的序 列是有序的，是按照N2的值从大到小进行排序的。N2的值反映了各个初始推 荐信息与用户属性的契合度。某条初始推荐信息的N2值越大，表明用户对该推 荐信息的认同度越高，反之，某条初始推荐信息的N2值越小，表明用户对该推 荐信息的认同度越低。

N1与N2的比值N1/N2反映了用户属性引起用户对初始推荐信息的认同度 的变化。某条初始推荐信息N1/N2的值越大，表明该初始推荐信息引起用户对 初始推荐信息的认同度的变化越大，从而说明初始推荐信息与用户属性的契合 度越小；反之，某条初始推荐信息N1/N2的值越小，表明该初始推荐信息引起 用户对初始推荐信息的认同度的变化越小，从而说明初始推荐信息与用户属性 的契合度越大。

前M个比值中如果有些商数相同，则这些相同比值对应的推荐结果的先后 顺序按照这些推荐结果原先的先后顺序不变；因为当该个第一搜索结果数除以 对应的第二搜索结果数得到的比值越小，则说明该初始搜索信息与该个用户属 性的契合度越大，所以N条初始推荐信息的N个比值从小到大进行排序，本质 上是对M个比值对应的M个第一搜索结果数对应的M个初始推荐信息与所述 用户属性的契合度从大到小进行排序，因此序列中前M个比值对应的M个第一 搜索结果数对应的M个初始推荐信息是与所述用户属性的契合度最大的M个初 始搜索信息，且在排序得到的序列中M个初始推荐信息也是按照与所述用户属 性的契合度从大到小进行排序的，使得用户能够得到与用户属性更契合的M个 推荐结果，且越契合的推荐结果就越能先看到，因为与用户属性越契合的推荐 结果在序列中越靠前，避免了现有推荐系统推荐的P个推荐结果中含有大量与 用户属性不契合的推荐结果的情况，因此本发明实施例中M个推荐结果的序列 对用户而言更有针对性，充分考虑了用户的属性，从而避免了未针对不同用户 属性进行个性化推荐的弊端，提高了推荐结果与用户属性的契合度，满足了用 户的个性化推荐的需要，提高推荐的准确率，提高了用户对推荐结果的采纳率， 提升了推荐系统对用户的价值。

下面以一个实例对本发明的个性化推荐方法和系统进行说明。

譬如，某个购物网站向用户进行个性化推荐。

用户登录一个购物网站时，该购物网站的推荐系统向用户推荐了一些商品， 获取该购物网站的推荐系统向我推荐的推荐结果；

所述推荐系统向用户推荐的推荐结果数记为P，将这P个推荐结果中的前 11个推荐结果作为11个初始搜索信息：

丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g；

包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋；

中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮；

iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约；

包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包；

茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114；

森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子；

大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤；

中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服；

小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮；

韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣。

若用户是年轻男性，显然推荐结果里面的女性商品、中老年商品部分推荐 是用户不想要的，上面11个推荐结果中有6个推荐结果是用户显然不想要的， 所以推荐准确率肯定小于50％，所以是很低的推荐准确率。用户不想要的其中6 个推荐结果如下：

丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g；

茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114；

森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子；

大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤；

中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服；

韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣。

通过搜索引擎将11个初始搜索信息按照各个初始搜索信息与用户属性的契 合度从大到小进行排序，将序列中的前7项作为最终推荐结果的序列。

将11个初始搜索信息作为搜索引擎的11次输入进行n次搜索，得到的11 个第一搜索结果数(2015年5月26日下午3点～4点在https://www.baidu.com搜 的)；

丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g；找 到相关结果约29,300个；

包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋；找 到相关结果约27,500个；

中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮； 找到相关结果约112个；

iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约；找 到相关结果约199个；

包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包；找到 相关结果约22,000个；

茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114；找 到相关结果约1,030个；

森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子；找 到相关结果约11,000个；

大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤；找到相 关结果约30,500个；

中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服；找 到相关结果约4,470,000个；

小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮； 找到相关结果约222,000个；

韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣；找 到相关结果约2,510个；

获取用户的属性，将11个初始搜索信息与所述用户属性组合成11个第二 推荐结果；

其中，11个第二推荐结果为：

丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g年轻 男性；

包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋年 轻男性；

中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮 年轻男性；

iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约年 轻男性；

包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包年轻 男性；

茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114年 轻男性；

森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子年轻 男性；

大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤年轻男 性；

中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服年轻 男性；

小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮 年轻男性；

韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣年 轻男性；

将11个第二推荐结果作为搜索引擎的11次输入进行11次搜索，得到的11 个第二搜索结果数(2015年5月26日下午3点～4点在https://www.baidu.com搜 的)；

丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g年轻 男性；找到相关结果约2,230个；

包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋年 轻男性；找到相关结果约22,000个；

中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮 年轻男性；找到相关结果约112个；

iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约年 轻男性；找到相关结果约178个；

包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包年轻 男性；找到相关结果约17,000个；

茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114年 轻男性；找到相关结果约344个；

森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子年轻 男性；找到相关结果约1,670个；

大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤年轻男 性；找到相关结果约22,200个；

中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服年轻 男性；找到相关结果约521,000个；

小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮 年轻男性；找到相关结果约207,000个；

韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣年 轻男性；找到相关结果约1,500个；

将11个第一搜索结果数分别除以11个第一搜索结果数对应的11个初始搜 索信息对应的11个第二推荐结果对应的11个第二搜索结果数，得到n个商数；

丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g；对 应的商数约为13.14；

包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋；对 应的商数为1.25；

中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮； 对应的商数为1；

iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约；对 应的商数约为1.12；

包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包；对应 的商数约为1.29；

茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114；对 应的商数约为2.99；

森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子；对 应的商数约为6.59；

大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤；对应的 商数约为1.37；

中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服；对 应的商数约为8.58；

小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮； 对应的商数约为1.07；

韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣；对 应的商数约为1.67；

将11个商数从小到大进行排序，选出序列中前7个商数对应的7个第一搜 索结果数对应的7个初始搜索信息作为7个最终推荐结果的序列。

首先，按照商数大小进行排序如下：

中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮 年轻男性；对应的商数为1；

小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮 年轻男性；对应的商数约为1.07；

iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约年 轻男性；对应的商数约为1.12；

包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋年 轻男性；对应的商数为1.25；

包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包年轻 男性；对应的商数约为1.29；

大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤年轻男 性；对应的商数约为1.37；

韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣年 轻男性；对应的商数约为1.67；

茵曼2015夏装新款背心女夏外穿印花无袖衫夏季背心吊带8520300114年 轻男性；对应的商数约为2.99；

森谷鸟韩版潮2015春秋女帆布鞋松糕鞋高帮增高女鞋厚底布鞋子年轻 男性；对应的商数约为6.59；

中老年女款夏装T恤雪纺衫上衣大码妈妈装宽松绣花短袖老年人衣服年轻 男性；对应的商数约为8.58；

丸美防晒霜女防水正品激白防晒精华隔离乳SPF30防紫外线全身45g年轻 男性；对应的商数约为13.14；

然后，选出序列中前7个商数对应的7个第一搜索结果数对应的7个初始 搜索信息作为7个最终推荐结果的序列，如下：

中歌金立S7手机套ELIFE7壳GN9006透明硅胶保护软套外壳配件后盖潮 年轻男性；对应的商数为1；

小米2s手机保护壳二s后盖手机套潮小米2皮套外壳m2超薄硬翻盖包邮 年轻男性；对应的商数约为1.07；

iphone4s手机壳苹果5s外壳超薄塑料磨砂保护硬壳黑白红潮男女简约年 轻男性；对应的商数约为1.12；

包邮新款大网鞋男凉鞋学生休闲运动鞋男夏季网布鞋男士加大码男鞋年 轻男性；对应的商数为1.25；

包邮男包加厚帆布双肩包男士包包休闲旅行包潮男包韩版男背包年轻 男性；对应的商数约为1.29；

大sim韩国定制款夏装必备破洞纯色简约圆领宽松短袖女T恤年轻男 性；对应的商数约为1.37；

韩国东大门2015夏季新上女装时尚碎花宽松短袖雪纺蛋糕衫短款上衣年 轻男性；对应的商数约为1.67。

这整个过程全部是系统自动完成的；从最终推荐结果中可以看到7个中5 个都是跟用户属性契合的，而且这5个推荐结果是第一推荐结果中所有与用户 属性契合的推荐结果，而且越是与用户契合的推荐结果就越是被排在了最终推 荐结果序列的前列，从而比现有推荐技术的推荐结果有极大的改进；所述搜索 引擎(譬如google、gfsoso、baidu等)是在海量的用户在过去长时间积累的大 数据的基础上形成的；在搜索引擎中，由后台大数据的数据量的变化，不同时 间搜到得到的结果数会有所波动，这种波动反映出人们对某一推荐结果的认同 度的真实变化，不但不影响本发明实施例的使用，反而更能真实地反映人们对 某一推荐结果的认同度。搜索引擎后台的大数据日益增多，搜索结果就越来越 能反映出人们对某一推荐结果的认同度，从而可以依据搜索引擎的结果来判断 某推荐结果与某用户属性是否契合，进而提高推荐结果与用户属性的契合度， 满足用户的个性化推荐的需要，提高推荐的准确率，提高用户对推荐结果的采 纳率，提升推荐系统对用户的价值。

本发明的个性化推荐系统与本发明的个性化推荐方法一一对应，在上述个 性化推荐方法的实施例阐述的技术特征及其有益效果均适用于个性化推荐系统 的实施例中，特此声明。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对 上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技 术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的 普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改 进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权 利要求为准。