The invention relates to a recommendation push method based on interactive analysis of user history behavior. The invention solves the problem that the data platform in the existing technology can not give users accurate and customized personalized information service requirements. The method comprises the following steps: setting the user behavior and preferences of the items and weights; behavior record real-time information of the user, classification after storage; according to the established historical behavior of the user of the highest weight preference matrix, and according to these data items contain information and user data, respectively establish the user factor matrix, object factor matrix singular value decomposition; obtain the similarity matrix, the similarity matrix and matrix preferences were compared, selected and not love high scores of items recommended to the user. The invention has the advantages that the user and the user, the data and the data are combined together to form a high-precision quantitative index of relations. The method of the invention is a process of continuous learning and promotion.
【技术实现步骤摘要】
一种基于用户历史行为交互分析的推荐推送方法
本专利技术涉及一种网络推送
,尤其是涉及一种数据与用户结合、不断学习提升的基于用户历史行为交互分析的推荐推送方法。
技术介绍
现有的各种数据平台提供给用户的数据可以根据数据的时间或名词的字母表中的顺序做升序、倒序,或者基于一些过滤条件查询一些数据反馈到用户端。然而这些方式都是用户输入什么内容直接反馈给用户相关内容,无法给到用户精准且定制个性化信息服务需求。
技术实现思路
本专利技术主要是解决现有技术中数据平台无法给到用户精准且定制个性化信息服务需求的问题,提供了一种能找到最符合用户需求习惯的数据并基于该基础给予用户反馈的基于用户历史行为交互分析的推荐推送方法。本专利技术的上述技术问题主要是通过下述技术方案得以解决的:一种基于用户历史行为交互分析的推荐推送方法,包括以下步骤:S1.预先设定用户的行为和喜好的物品,并对行为、物品进行权重分配;预先设定的动作包括评论、回复、查看详情页、搜索、收藏、取消收藏、喜欢、取消喜欢、关注、取消关注、分享,这些动作可以根据需要进行添加。物品由动作对应的数据中分析得出,物品包括娱乐、颜值、汽车、数码、科技、社交、生活、手机,这些也根据需求进行设置。S2.实时采集用户的行为记录信息,分类后进行储存;S3.通过查询用户历史行为记录信息选取其中权重最高的行为,基于该行为,根据若干用户和他们行为对应的若干数据建立喜好矩阵,并根据这些数据包含的物品信息分别与用户、数据建立用户因子矩阵、物品因子矩阵;S4.对用户因子矩阵和物品因子矩阵进行奇异值分解获得相似矩阵;S5.将相似矩阵与喜好矩阵进行对 ...
【技术保护点】
一种基于用户历史行为交互分析的推荐推送方法,其特征在于:包括以下步骤:S1.预先设定用户的行为和喜好的物品,并对行为、物品进行权重分配;S2.实时采集用户的行为记录信息,分类后进行储存;S3.通过查询用户历史行为记录信息选取其中权重最高的行为,基于该行为,根据若干用户和他们行为对应的若干数据建立喜好矩阵,并根据这些数据包含的物品信息分别与用户、数据建立用户因子矩阵、物品因子矩阵;S4.对用户因子矩阵和物品因子矩阵进行奇异值分解获得相似矩阵;S5.将相似矩阵与喜好矩阵进行对比,选取其中未喜欢且分值高的数据推荐给对应的用户。
【技术特征摘要】
1.一种基于用户历史行为交互分析的推荐推送方法,其特征在于:包括以下步骤:S1.预先设定用户的行为和喜好的物品,并对行为、物品进行权重分配;S2.实时采集用户的行为记录信息,分类后进行储存;S3.通过查询用户历史行为记录信息选取其中权重最高的行为,基于该行为,根据若干用户和他们行为对应的若干数据建立喜好矩阵,并根据这些数据包含的物品信息分别与用户、数据建立用户因子矩阵、物品因子矩阵;S4.对用户因子矩阵和物品因子矩阵进行奇异值分解获得相似矩阵;S5.将相似矩阵与喜好矩阵进行对比,选取其中未喜欢且分值高的数据推荐给对应的用户。2.根据权利要求1所述的一种基于用户历史行为交互分析的推荐推送方法,其特征是步骤S2中分类的过程包括:S21.实时检测用户的操作,根据预先设定的动作判断操作对应的动作;S22.获取该动作对应操作的数据,将动作和数据一起进行储存。3.根据权利要求1所述的一种基于用户历史行为交互分析的推荐推送方法,其特征是步骤S3的具体过程包括:S31.从存储数据中查询设定过去天数内当前用户的行为记录信息,获取用户的行为信息;S32.比较这些行为的权重值,选取其中权重最高的行为;S33.基于该行为,查询若干同批次不同用户并选取他们该行为对应的若干数据,根据用户和数...
【专利技术属性】
技术研发人员:施高峰,
申请(专利权)人:杭州益读网络科技有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。