【技术实现步骤摘要】
一种基于物理环境的智能推荐方法及其系统与存储介质
本专利技术涉及互联网领域，特别涉及一种基于物理环境的智能推荐方法及其系统与存储介质。
技术介绍
在线推荐方法能够在进行推荐的同时从与用户的交互数据中获取到用户的兴趣偏好，并且实时地调整推荐策略以适应用户的兴趣偏好。在每个推荐回合，推荐方法先观察到用户和所有候选项目的特征，然后根据推荐策略决定推荐项目，最后根据用户实际所选项目更新推荐策略。随着可观测数据量的急速增长和硬件计算能力的大幅度提高，在线推荐方法已经被大量地应用在经济、教育、游戏和多媒体等领域。传统的在线推荐方法主要致力于在降低运算开销的同时达到静态离线推荐方法的性能。虽然有很多在线推荐方法已经在理论上被证明当推荐回合足够多的时候，平均意义上其性能与最好的离线推荐方法相当，但是对于一个动态变化的环境来说，静态离线推荐方法往往表现很差，这些在线推荐方法的理论保证也就没有了实际意义。最近也有一些可以应用于动态环境、具有理论保证的在线推荐方法被提出，但是这些方法都要求环境的变化速度和幅度可以事先确定，这些要求限制了他们的适用范围。在很多现实场景中，推荐方法面对的环...
【技术保护点】
1.一种基于物理环境的智能推荐方法，其特征在于，包括以下步骤：S1：当用户需要推荐时，用户终端通过物理环境感知模块获取当前环境信息，并结合LBS技术，得到用户所在地理位置；S2：用户终端与云端服务器通讯连接，云端服务器获取该用户的用户资料，为用户建立用户兴趣模型；S3：将用户的物理环境数据、用户画像数据、LBS数据、推荐数据输入至用户兴趣模型，利用云端服务器通过深度学习技术、自然语言技术处理对用户兴趣模型进行推荐内容运算，并将运算结果返回给用户终端，使用户获得个性化智能推荐内容。
【技术特征摘要】
1.一种基于物理环境的智能推荐方法，其特征在于，包括以下步骤：S1：当用户需要推荐时，用户终端通过物理环境感知模块获取当前环境信息，并结合LBS技术，得到用户所在地理位置；S2：用户终端与云端服务器通讯连接，云端服务器获取该用户的用户资料，为用户建立用户兴趣模型；S3：将用户的物理环境数据、用户画像数据、LBS数据、推荐数据输入至用户兴趣模型，利用云端服务器通过深度学习技术、自然语言技术处理对用户兴趣模型进行推荐内容运算，并将运算结果返回给用户终端，使用户获得个性化智能推荐内容。2.根据权利要求1所述的一种基于物理环境的智能推荐方法，其特征在于，所述步骤S2中的用户兴趣模型包括，用户画像，以及云端上的资讯、餐厅、娱乐、食谱数据；所述用户资料包括，用户当前物理环境信息，历史用户画像，用户所在的地理位置；所述用户画像来自于用户使用终端的各种功能时产生的个人画像；所述运算结果包括，资讯推荐列表，餐厅推荐列表，娱乐项目推荐列表，食谱推荐列表；所述步骤S3还包括利用云端服务器对运算结果进行排序，获得以用户兴趣度排序的运算结果。3.根据权利要求1所述的一种基于物理环境的智能推荐方法，其特征在于，所述云端服务器包括终端匹配模块，用户画像模块，数据库，以及用户模型模块；所述用户模型模块包括推荐模型算法。4.根据权利要求3所述的一种基于物理环境的智能推荐方法，其特征在于，所述终端匹配模块将用户终端与用户历史画像进行匹配，获取用户终端的用户资料；当执行完步骤S...
【专利技术属性】
技术研发人员：杨琛，武文斌，郑海涛，徐静，
申请(专利权)人：深圳市智搜信息技术有限公司，
类型：发明
国别省市：广东,44
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。