一种信息推荐方法和信息推荐系统技术方案

本发明专利技术提供一种信息推荐方法，包括：获取用户输入的源数据；从所述源数据中提取第一特征信息；基于预设的对照表，查询所述第一特征信息对应的推荐模型；将所述第一特征信息代入所述推荐模型，生成推荐结果。本发明专利技术还提供一种信息推荐系统，通过一个通用的信息推荐组件，基于用户输入的搜索源数据配置推荐模型，实现自动化搜索推荐，使系统代码不需要重复开发，使维护更便捷。

【技术实现步骤摘要】
一种信息推荐方法和信息推荐系统
本专利技术实施例涉及搜索推荐系统技术，尤其涉及一种信息推荐方法和信息推荐系统。
技术介绍
当前的商品推荐系统、搜索系统都是基于模型进行智能推荐，通过模型的深度学习和训练，提高推荐的精准性和匹配度。而模型基本上都是基于用户和商品特征进行匹配度计算。在当前的推荐和搜索系统的实现中，每一种推荐系统都需要有各自的单独代码。这种方法导致每个推荐系统需要维护一套单独的代码，在面对多种不同的推荐需求时可维护性下降。
技术实现思路
本专利技术提供了一种信息推荐方法和信息推荐系统，基于用户输入的源数据配置推荐模型，实现自动化搜索推荐，使系统代码不需要重复开发。第一方面，本实施例提供了一种信息推荐方法，包括：获取用户输入的源数据；从所述源数据中提取第一特征信息；基于预设的对照表，查询所述第一特征信息对应的推荐模型；将所述第一特征信息代入所述推荐模型，生成推荐结果。进一步地，所述第一特征信息包括特征列表、数据类型和数据key值中的一种或多种。进一步地，所述对照表用于存储所述特征列表、数据类型和数据key值中的一种或多种与所述推荐模型的相关度。进一步地，在所述基于预设的对照表，查询所述第一特征信息对应的推荐模型之后，还包括：查询历史记录中的第二特征信息，所述第二特征信息与所述第一特征信息的所述特征列表相对应；将所述第一特征信息和第二特征信息代入所述推荐模型，生成第二推荐结果。进一步地，在所述获取用户输入的源数据之前，还包括：确定每个所述推荐模型需要的所述第一特征信息；基于所述推荐模型和所述第一特征信息的对应关系生成所述对照表；将所述对照表存入所述信息推荐系统的数据库。进一步地，所述在所述基于预设的对照表，查询所述第一特征信息对应的推荐模型之后，还包括：判断所述推荐模型是否需要第三特征信息；若需要，则将所述第一特征信息进行衍生处理，以生成所述第三特征信息；将所述第三特征信息代入所述推荐模型，生成第三推荐结果。进一步地，所述衍生处理包括对所述第一特征信息的加、减、乘、编码和/或神经网络训练。第二方面，本专利技术还提供一种信息推荐系统，包括：获取模块，用于获取用户输入的源数据；第一特征模块，用于从所述源数据中提取第一特征信息；查询模块，用于基于预设的对照表，查询所述第一特征信息对应的推荐模型；第一计算模块，用于将所述第一特征信息代入所述推荐模型，生成推荐结果。第三方面，本专利技术还提供一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如上述任一所述的一种信息推荐方法第四方面，一种终端可读存储介质，其上存储有程序，所述程序被处理器执行时能够实现如上述任一所述的一种信息推荐方法。本专利技术通过基于用户输入的搜索源数据与对照表确定推荐模型，实现多种推荐系统的统一配置，能够进行自动化搜索推荐，使系统代码不需要重复开发。附图说明如图1所示为本实施例一的信息推荐方法流程图。如图2所示为本实施例二的替代实施例信息推荐方法流程图。如图3所示为本实施例二的替代实施例信息推荐方法流程图。如图4所示为本实施例二的替代实施例信息推荐方法流程图。如图5所示为本实施例二的替代实施例信息推荐方法流程图。如图6所示为本实施例三的信息推荐系统模块图。如图7所示为本实施例三替代实施例的信息推荐系统模块图。如图8所示为本实施例四的服务器模块图。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的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本申请的范围的情况下，第一特征信息可以为第二特征信息或第三特征信息，类似地，第二特征信息、第三特征信息可以为第一特征信息。第一特征信息和第二特征信息、第三特征信息都是分布式文件系统的特征信息，但其不是同一特征信息。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”、“批量”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。下述实施例中提及的专有名词及英文缩写含义如下：TF-IDF模型：一种统计模型，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎应用，作为文件与用户查询之间相关程度的度量或评级。除了TF-IDF以外，因特网上的搜索引擎还会使用基于链接分析的评级方法，以确定文件在搜寻结果中出现的顺序。卡方分箱：卡方分箱是监督的、自底向上的数据离散化方法。EDA：ExploratoryDataAnalysis，探索性数据分析，是指对已有的数据(特别是调查或观察得来的原始数据)在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据结构和规律并且分析数据以概括其主要特征的一种数据分析方法。GDBT决策树：GradientBoostingDecisionTree决策树，是一种集成学习方法，可以用来做分类、回归等问题。实施例一本实施例提供了一种信息推荐方法，以信息推荐系统为执行主体，接收用户输入的搜索关键字并输出推荐结果。本实施例及下述实施例所提及的推荐系统一般是指根据用户去判断用户当前需要或感兴趣的物品/服务的一类应用，推荐系统一般应用于电商、电影、视频、社交、个性化阅读、延伸服务、个性化广告等领域，且不限于上述领域。示例性地，推荐系统用于实现在文献查询网址推荐相关文献、音乐播放器推荐用户可能喜欢的音乐和/或购物网站推荐用户可能需要的同类商品等，可选地，还可以用于实现社交网站推荐同城用户、相同兴趣小组用户和/或附近的人等功能，或在短视频app根据用户浏览记录为用户推送相似的短视频。如图1，本实施本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其特征在于，包括：/n获取用户输入的源数据；/n从所述源数据中提取第一特征信息；/n基于预设的对照表，查询所述第一特征信息对应的推荐模型；/n将所述第一特征信息代入所述推荐模型，生成推荐结果。/n

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：
获取用户输入的源数据；
从所述源数据中提取第一特征信息；
基于预设的对照表，查询所述第一特征信息对应的推荐模型；
将所述第一特征信息代入所述推荐模型，生成推荐结果。


2.根据权利要求1所述的一种信息推荐方法，其特征在于，所述第一特征信息包括特征列表、数据类型和数据key值中的一种或多种。


3.根据权利要求2所述的一种信息推荐方法，其特征在于，所述对照表用于存储所述特征列表、数据类型和数据key值中的一种或多种与所述推荐模型的相关度。


4.根据权利要求2所述的一种信息推荐方法，其特征在于，
在所述基于预设的对照表，查询所述第一特征信息对应的推荐模型之后，还包括：
查询历史记录中的第二特征信息，所述第二特征信息与所述第一特征信息的所述特征列表相对应；
将所述第一特征信息和第二特征信息代入所述推荐模型，生成第二推荐结果。


5.根据权利要求1所述的一种信息推荐方法，其特征在于，在所述获取用户输入的源数据之前，还包括：
确定每个所述推荐模型需要的所述第一特征信息；
基于所述推荐模型和所述第一特征信息的对应关系生成所述对照表；
将所述对照表存入信息推荐系统的...

【专利技术属性】
技术研发人员：吴伟兴，
申请(专利权)人：深圳市分期乐网络科技有限公司，
类型：发明
国别省市：广东;44