一种AI算法融合的推荐方法及系统技术方案

本发明专利技术实施例公开了一种AI算法融合的推荐方法及系统，所述方法包括：预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本；基于分词后文本和类别，构建基于深度学习的预测模型；根据目标用户的标签和历史记录，采用所述预测模型对所述目标用户对每一类门店的光顾概率进行打分；基于所述打分进行门店推荐。应用本发明专利技术实施例能够实现门店的自动推荐，提高用户体验。

An AI algorithm fusion recommendation method and system

The embodiment of the invention discloses a recommendation method and system for AI algorithm fusion, the method includes: obtaining the comment data of historical users according to the store in advance, segmenting the comment data to obtain the post segmented text; constructing a prediction model based on deep learning based on the post segmented text and category; adopting the The prediction model scores the target user's patronage probability of each type of store, and recommends stores based on the scores. The embodiment of the invention can realize the automatic recommendation of stores and improve the user experience.

【技术实现步骤摘要】
一种AI算法融合的推荐方法及系统
本专利技术涉及智慧园区的数据管理领域，具体涉及一种AI算法融合的推荐方法及系统。
技术介绍
在各种推荐领域中，市面上较为成熟的算法有：基于用户或物品的协同过滤算法、基于用户-物品矩阵分解/基于图模型或关系网络的推荐算法。这些算法在有大量用户与物品交互的数据时显得十分强大及有用。但是，很多情况下我们无法获取大量用户与要推荐的物品间的交互数据，很可能只有用户或者物品单方面的数据。如果只有用户单方面的数据一般情况下只能挖掘出用户或者物品单方面的特征属性，仅仅起到的是对目标进行粗分类并互相匹配的模式。然而，这种方式应用在推荐中效果是十分有限的，无法做到千人千面的推荐，仅能有限地进行分类。在此情况下，主流的算法难以发挥应有的作用。综上所述，现有的主流算法存在如下问题：当无法获取大量用户物品交互数据时，如何实现美食领域的推荐、语境中的自动意图准确判断以及精准美食门店的推荐。
技术实现思路
有鉴于此，本专利技术实施例提供一种AI算法融合的推荐方法及系统，能够实现门店的自动推荐，提高用户体验。为实现上述目的，本专利技术实施例提供一种AI算法融合的推荐方法,包括：预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本；基于分词后文本和类别，构建基于深度学习的预测模型；根据目标用户的标签和历史记录，采用所述预测模型对所述目标用户对每一类门店的光顾概率进行打分；基于所述打分进行门店推荐。优选的，所述预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本的步骤，包括：通过条件随机场模型和word2vec算法，对所述评论数据进行训练，以得到实体标签；根据所所述实体标签得到门店类别以及分词后文本。一种实现方式中，所述根据目标用户的标签和历史记录，构建用户基于所述预测模型对所述目标用户对每一类门店的光顾概率进行打分的步骤，包括：将目标用户的标签和历史记录输入所述预测模型；采用所述预测模型对目标用户的标签和历史记录进行训练并获得预测分值；将所述预测分值作为该目标用户光顾每一类门店的打分。优选的，所述基于所述打分进行门店推荐的步骤，包括：获取大于预设阈值的打分；将所获取的打分所对应的每一类门店作为待推荐门店。优选的，所述将所获取的打分所对应的每一类门店作为待推荐门店的步骤，包括：将所获取的打分进行降序排列；根据排列顺序获取每一个打分对应的待推荐门店；将待推荐门店进行顺序展示。优选的，所述预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理的步骤，包括：预先根据门店获取历史用户的评论数据；对所述评论数据进行归一化处理；对归一化处理后的评论数据进行分词处理。一种AI算法融合的推荐系统，所述系统包括：获取模块，用于预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本；构建模块，用于基于分词后文本和类别，构建基于深度学习的预测模型；打分模块，用于根据目标用户的标签和历史记录，采用所述预测模型对所述目标用户对每一类门店的光顾概率进行打分；推荐模块，用于基于所述打分进行门店推荐。应用本专利技术实施例提供的一种AI算法融合的推荐方法及系统，通过预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本；基于分词后文本和的类别，构建基于深度学习的预测模型；根据目标用户的标签和历史记录，采用所述预测模型对所述目标用户对每一类门店的光顾概率进行打分；基于所述打分进行门店推荐。能够实现门店的自动推荐，提高用户体验。附图说明图1是本专利技术的AI算法融合的推荐系方法的一种流程示意图。图2是本专利技术的AI算法融合的推荐系方法的另一种流程示意图.图3是本专利技术的AI算法融合的推荐系统的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步详细描述。实施例1：如图1-图2所示，图1为本专利技术实施例提供的一种AI算法融合的推荐方法的示意图，包括：S101，预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本。可以理解的是，在平台或者APP上，用户在门店消费以后可以进行评论，那么通过用户的账户能够得到对应的评论数据。本领域技术人员可以理解的是，用户只有在登录以后才能发表评论，所以能够获得每一条评论对应的用户账户。本专利技术的优选实施方式中，所述预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本的步骤，包括：通过条件随机场模型和word2vec算法，对所述评论数据进行训练，以得到实体标签；根据所述实体标签得到门店类别以及分词后文本。需要说明的是，word2vec可以在百万数量级的词典和上亿的数据集上进行高效地训练；该工具得到的训练结果——词向量(wordembedding)，可以很好地度量词与词之间的相似性。随着深度学习(DeepLearning)在自然语言处理中应用的普及，很多人误以为word2vec是一种深度学习算法。其实word2vec算法的背后是一个浅层神经网络。另外需要强调的一点是，word2vec是一个计算wordvector的开源工具。优选的，所述预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理的步骤，包括：预先根据门店获取历史用户的评论数据；对所述评论数据进行归一化处理；对归一化处理后的评论数据进行分词处理。S102，基于分词后文本和的类别，构建基于深度学习的预测模型。需要说明的是采用分词后的文本进行分成两批，分别作为训练数据集和测试数据集，采用训练数据集和测试数据集对深度学习模型进行训练和测试，再测试合格后作为预测模型。S103，根据目标用户的标签和历史记录，采用所述预测模型对所述目标用户对每一类门店的光顾概率进行打分。然后将目标用户的标签和历史记录从中获得关键词，并将所获取的关键词作为预测模型的输入，并得到预测模型的输出打分值。具体包括将目标用户的标签和历史记录输入所述预测模型；采用所述预测模型对目标用户的标签和历史记录进行训练并获得预测分值；将所述预测分值作为该目标用户光顾每一类门店的打分。优选的，所述将所获取的打分所对应的每一类门店作为待推荐门店的步骤，包括：将所获取的打分进行降序排列；根据排列顺序获取每一个打分对应的待推荐门店；将待推荐门店进行顺序展示。S104，基于所述打分进行门店推荐。具体的，所述基于所述打分进行门店推荐的步骤，包括：获取大于预设阈值的打分；将所获取的打分所对应的每一类门店作为待推荐门店。如图2所示，本专利技术实施例公开了一种AI算法融合的推荐方法,包括：S1本文档来自技高网...

【技术保护点】
1.一种AI算法融合的推荐方法，其特征在于，所述方法包括：/n预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本；/n基于分词后文本和类别，构建基于深度学习的预测模型；/n根据目标用户的标签和历史记录，采用所述预测模型对所述目标用户对每一类门店的光顾概率进行打分；/n基于所述打分进行门店推荐。/n

【技术特征摘要】
1.一种AI算法融合的推荐方法，其特征在于，所述方法包括：
预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本；
基于分词后文本和类别，构建基于深度学习的预测模型；
根据目标用户的标签和历史记录，采用所述预测模型对所述目标用户对每一类门店的光顾概率进行打分；
基于所述打分进行门店推荐。


2.根据权利要求1所述的一种AI算法融合的推荐方法，其特征在于，所述预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本的步骤，包括：
通过条件随机场模型和word2vec算法，对所述评论数据进行训练，以得到实体标签；
根据所述实体标签得到门店类别以及分词后文本。


3.根据权利要求1或2所述的一种AI算法融合的推荐方法，其特征在于，所述根据目标用户的标签和历史记录，构建用户基于所述预测模型对所述目标用户对每一类门店的光顾概率进行打分的步骤，包括：
将目标用户的标签和历史记录输入所述预测模型；
采用所述预测模型对目标用户的标签和历史记录进行训练并获得预测分值；
将所述预测分值作为该目标用户光顾每一类门店的打分。


4.根据权利要求3所述的一种AI算法融合的推荐方法...

【专利技术属性】
技术研发人员：刘小健，潘鸿铮，吴聿建，
申请(专利权)人：福建知鱼科技有限公司，
类型：发明
国别省市：福建;35