一种智能推荐方法和系统技术方案

本发明专利技术提供了一种智能推荐方法和系统，方法包括步骤：S1,接收并存储用户行为数据；S2,对所述用户行为数据进行多维度的分析和统计，得到所述用户行为数据的统计结果；S3,根据所述统计结果，对所述用户行为数据进行排序，再按照所述排序将与所述用户行为数据相同类别的数据推送给用户。与现有技术直接对用户的行为和喜好分析不够，以用户为主导的智能推荐方法和智能推荐系统相比，本发明专利技术通过融入服务器强大的分析与统计能力，对用户行为数据进行多维度的分析和统计，对用户行为数据进行更加深入和细致的分析，增加对用户行为和习惯的了解，从而保证了在后续的智能推荐中更加符合用户的行为和习惯。

【技术实现步骤摘要】

本专利技术涉及移动互联网技术应用领域，尤其涉及一种智能推荐方法和系统。
技术介绍
随着互联网技术的不断发展，互联网的规模和覆盖面越来越广，随之带来了信息的迅猛增长。用户要阅读感兴趣的喜好的信息就会费时费力，智能推荐系统作为一种信息过滤的重要手段，是当前解决信息超载问题的有效方法。智能推荐是由系统主导用户的浏览顺序，引导用户发现需要的信息。高质量的智能推荐系统会使用户对该系统产生依赖。目前，大多数的智能推荐系统一般利用用户自定义的分类选择及关键字筛选来向用户推荐信息，比如热点资讯，这种系统虽然也分析了用户行为和喜好，但更多的是通过对互联网上传播的信息的分析来分析用户的行为和喜好，而不是直接对用户的行为和喜好进行分析，因此推送的信息大多是互联网上的热点资讯，更多的是针对大众的，而针对特定用户的智能推荐的质量不高，使得用户在智能推荐系统的界面上无法快速找到符合自己习惯和喜好的信息。
技术实现思路
本专利技术的目的一方面在于提供一种智能推荐方法，本专利技术的另一目的在于提供一种智能推荐系统，从而解决现有技术中存在的前述问题。为了实现上述目的，本专利技术采用的技术方案如下:一种智能推荐方法，包括如下步骤:S1,接收并存储用户行为数据；S2,对所述用户行为数据进行多维度的分析和统计，得到所述用户行为数据的统计结果；S3,根据所述统计结果，对所述用户行为数据进行排序，再按照所述排序将与所述用户行为数据相同类别的数据推送给用户。优选地,步骤S3,进一步包括:S31，根据所述统计结果，设定所述用户行为数据的权重和系数；S32，所述权重和所述系数的相乘，计算得到所述用户行为数据的权重分值；S33，根据所述用户行为数据的权重分值，对所述用户行为数据进行排序；S34，按照所述排序将与所述用户行为数据相同类别的数据推送给用户。优选地，步骤S1之前，还包括如下步骤:对所述用户行为数据进行验证，采集有效的所述用户行为数据；对所述有效的所述用户行为数据进行队列存储，得到队列存储的所述用户行为数据；对所述队列存储的所述用户行为数据进行压缩，得到压缩的所述用户行为数据；将所述压缩的所述用户行为数据传送给服务端。优选地，在步骤S3中，所述对所述用户行为数据进行排序之后，所述再按照所述排序将与所述用户行为数据相同类别的数据推送给用户之前，还包括步骤，根据设定的优先原则，对所述用户行为数据进行第二次排序。具体地，所述优先原则包括:编辑挑选优先原则和时效性优先原则。具体地，所述多维度包括:时间、地点和信息种类。具体地，步骤S2中所述对所述用户行为数据进行多维度的分析和统计为:对用户习惯地点、习惯时间段内、所有种类或用户喜好种类的信息进行分析和统计;或对用户习惯地点、所有种类或用户喜好种类的数据进行分析和统计；或对用户习惯时间、所有种类或用户喜好种类的数据进行分析和统计。一种智能推荐系统,包括:数据接收模块:用于接收并存储用户行为数据；数据处理模块:用于对所述用户行为数据进行分析和统计，得到基于多个维度的所述用户行为数据的统计结果；数据推送模块:用于根据所述统计结果，对所述用户行为数据进行排序，再按照所述排序将与所述用户行为数据相同类别的数据推送给用户。优选地，所述数据推送模块进一步为:用于根据所述统计结果，设定所述用户行为数据的权重和系数；根据所述权重和所述系数的乘积计算得到的所述用户行为数据的权重分值，对所述用户行为数据进行排序，再按照所述排序将与所述用户行为数据相同类别的数据推送给用户。本专利技术的有益效果是:与现有技术直接对用户的行为和喜好分析不够，使得用户在智能推荐系统的界面上无法快速找到符合自己习惯和喜好的信息，以用户为主导的智能推荐方法和智能推荐系统相比，本专利技术通过融入服务器强大的分析与统计能力，对用户行为数据进行多维度的分析和统计，对用户行为数据进行更加深入和细致的分析，增加对用户行为和习惯的了解，从而保证了在后续的智能推荐中更加符合用户的行为和习惯。【附图说明】图1是本专利技术实施例提供的一种智能推荐方法的步骤流程图；图2是本专利技术实施例提供的另一种智能推荐方法的步骤流程图；图3是本专利技术实施例提供的一种维度选择界面示意图；图4是本专利技术实施例提供的一种权重选择界面示意图；图5是本专利技术实施例提供的网络拓扑图；图6是本专利技术实施例提供的一种智能推荐系统框架图；图7是本专利技术实施例提供的另一种智能推荐系统框架图。【具体实施方式】为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图，对本专利技术进行进一步详细说明。应当理解，此处所描述的【具体实施方式】仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术的实一个施例提供的一种智能推荐方法，包括如下步骤:S1,接收并存储用户行为数据；S2,对所述用户行为数据进行多维度的分析和统计，得到所述用户行为数据的统计结果；S3,根据所述统计结果，对所述用户行为数据进行排序，再将与所述用户行为数据相同类别的数据推送给用户。采用上述技术方案，通过融入服务器强大的分析与统计能力，对用户行为数据进行多维度的分析和统计，对用户行为数据进行更加深入和细致的分析，增加对用户行为和习惯的了解，从而保证了在后续的智能推荐中更加符合用户的行为和习惯。如图2所示，本专利技术的一个实施例提供的一种智能推荐方法中，步骤S3，进一步包括:S31，根据所述统计结果，设定所述用户行为数据的权重和系数；如本领域技术人员可以理解的，其中，所述用户行为数据的权重和系数可以按照设置的默认场景来统一调节，也可以按照提供产品的企业意愿自行调节；S32，将所述权重和所述系数相乘，计算得到所述用户行为数据的权重分值；S33，根据所述用户行为数据的权重分值，对所述用户行为数据进行排序；S34，按照所述排序将与所述用户行为数据相同类别的数据推送给用户。比如，基于时间、地点和信息种类三个维度，对用户行为数据进行分析统计，找到用户在某个时间段内、某个地点获取某种类信息的数据，当该用户行为数据比较大时，说明该用户在该时间段内、该地点对该种类信息获取量大，则智能推荐系统就可以增加该用户行为数据的权重和系数，进而得到该用户行为数据的权重分值较大，系统会根据权重分值的大小选择向该用户推送该地点、该时间段内的该种类信息，从而保证智能推荐的结果更加符合用户的行为和习惯。其中，推送可以具体包括如下步骤:a.用户输入用户名与密码登陆App (也可匿名登陆)；b.App向服务器提交用户登陆信息；c.服务器按照用户信息，获取首页推送内容，通过接口推送到App端；d.匿名用户获取默认处理队列。本专利技术的实施例提供的智能推荐方法，根据对用户行为数据的多维度的分析和统计结果，设定用户行为数据的权重和系数，计算得到用户行为数据的权重分值，使用户行为数据的权重分值可以根据分析和统计结果进行调节，进而使智能推荐可以随着用户行为的变化而变化，始终与用户的行为和习惯保持一致，从而为用户提供更加符合其行为和习惯的推荐。在本专利技术的一个实施例中，多维度包括:时间、地点和信息种类。其中，地点信息可以通过LBS接口获取。在本实施例中，地点信息维度用于关注用户使用系统获取信息时所处的地理位置信息，通过对比数据库中的内容关键字、地址等信息，提高该地理位置的用户行为数据的权重分值；时间维度用于关注用户行为数据本文档来自技高网...

【技术保护点】
一种智能推荐方法，其特征在于，包括如下步骤：S1,接收并存储用户行为数据；S2,对所述用户行为数据进行多维度的分析和统计，得到所述用户行为数据的统计结果；S3,根据所述统计结果，对所述用户行为数据进行排序，再按照所述排序将与所述用户行为数据相同类别的数据推送给用户。

【技术特征摘要】

【专利技术属性】
技术研发人员：汤潮，汤杨，
申请(专利权)人：北京龙源创新信息技术有限公司，
类型：发明
国别省市：北京;11