一种基于人工智能的内容信息推荐方法及系统技术方案

本发明专利技术公开了一种基于人工智能的内容信息推荐方法，S1.建立分类频道模型；S2.收集用户行为数据分析用户兴趣和/或意图；S3.根据所述用户兴趣和/或意图，与分类频道进行筛选匹配，并向用户推送该分类频道下的内容信息；S4.获取用户行为记录对用户进行划分，对同一群体的用户推荐其余用户偏好；本发明专利技术提供的基于人工智能的内容信息推荐方法及系统中，对用户行为数据进行多方式分析，利于获取更为精确的用户画像，判断得出更为准确有效的用户喜好进行个性化智能推荐，提高用户体验。

【技术实现步骤摘要】
一种基于人工智能的内容信息推荐方法及系统
本专利技术涉及人工智能推荐
，具体而言，为一种基于人工智能的内容信息推荐方法及系统。
技术介绍
随着电子商务的高速发展和普及应用，互联网时代个性化推荐已经渗透到人们生活的方方面面，比如电商类和新闻类的客户端，互联网能够对用户投其所好，向用户推荐他们最感兴趣的内容，实时精准地把握用户兴趣。目前，现有一种内容推荐方法，通过对用户当前的行为特征进行基于决策树算法分类，获得用户当前行为兴趣；对用户当前的兴趣类别的网页进行文本分析，获得网页文本属性信息，根据网页文本属性信息，获取用户当前内容兴趣；根据用户当前行为兴趣和当前内容兴趣，使用集成学习技术，得到用户当前兴趣，实现数据业务的定向推送。然而，这种传统的内容推荐方法普遍不智能，基于该决策树算法的分类方法，过度依赖于行为的内容文本，未能深入学习用户行为，不能提高数据业务推送的可信度和提高用户喜好度；且已经难以适应随着互联网的发展和普及，用户人数和商品、网络资源的爆增，站点结构复杂度的增加，以及网络信息安全的不断升级等的复杂局面。有鉴于此，特提出本专利技术。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种基于人工智能的内容信息推荐方法及系统，能够基于人工智能的智能推荐技术，提高推荐的有效性，推荐内容信息的准确性，以及使推荐的内容信息更具有个性。为实现上述目的，本专利技术的技术方案如下：一种基于人工智能的内容信息推荐方法，包括S1.建立分类频道模型；S2.收集用户行为数据分析用户兴趣和/或意图；S3.预设人工智能推荐规则，根据所述用户兴趣和/或意图，与分类频道进行筛选匹配，并向用户推送该分类频道下的内容信息；S4.获取用户行为记录对用户进行划分，对同一群体的用户推荐其余用户偏好。进一步的，上述的基于人工智能的内容信息推荐方法中，步骤S2.收集用户行为数据分析用户兴趣和/或意图中，包括：A.获取用户会话文本数据信息，基于语义分析模型，自动抽取内容文本中关键信息并生成指定长度的文本摘要；B.获取用户会话文本数据信息，通过自定义或机器自生成方式对所述会话文本数据信息内容进行对应分类频道的自动分类；C.获取用户会话文本数据信息，基于深度学习模型，提供文本相似度判断、文本标签提取、多语言分词和/或词向量化的基础自然语言识别；D.获取用户会话文本数据信息，根据会话文本数据信息所包含的图片在预构建图库中进行相同或相似图片的搜索；通过用户行为深度学习模型，对步骤A、B、C和/或D获取的识别信息进行分析判断，确定用户兴趣和/意图。进一步的，上述的基于人工智能的内容信息推荐方法中，步骤S2.收集用户行为数据分析用户兴趣和/或意图，还包括：通过计算机视觉算法对用户上传的图像、场景和/或视频影像数据进行深度学习，识别并标示图像、场景、视频内容；通过用户行为深度学习模型，对识别并标示的图像、场景、视频内容，确定用户兴趣。进一步的，上述的基于人工智能的内容信息推荐方法中，在步骤S2.中获取用户会话文本数据信息或获取用户上传的影像数据之后，还包括：进行文本和/或影像数据审核，基于人工智能识别不同业务场景的黄色、涉政、广告、暴恐或自定义性质的文本与影像，并根据识别结果进行过滤。进一步的，上述的基于人工智能的内容信息推荐方法中，步骤S2.中还包括获取用户的地理位置。进一步的，上述的基于人工智能的内容信息推荐方法中，步骤S1建立分类频道模型中，分类频道模型为针对电商、新闻、阅读、音视频和/或直播领域进行自定义频道细分。进一步的，上述的基于人工智能的内容信息推荐方法中，在步骤S3.预设人工智能推荐规则，根据所述用户兴趣和/或意图，与分类频道进行筛选匹配，并向用户推送该分类频道下的内容信息中，包括构建推荐规则；获取用户兴趣和/或意图，根据推荐规则匹配分类频道的内容。进一步的，上述的基于人工智能的内容信息推荐方法中，推荐规则至少包括相关推荐、个性化搜索排序、跨数据类型推荐、热度推荐和LBS推荐中的一种或几种。本专利技术还提供了一种基于人工智能的内容信息推荐系统，包括处理器和存储器，存储器中存储有程序，程序被处理器运行时，执行上述任一实施例所述方法中的步骤。本专利技术的有益效果体现在：本专利技术提供的基于人工智能的内容信息推荐方法及系统中，对用户行为数据进行多方式分析，利于获取更为精确的用户画像，判断得出更为准确有效的用户喜好进行个性化智能推荐，提高用户体验，继而利于在实际应用过程中提高用户粘性及转化率。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1为本专利技术基于人工智能的内容信息推荐方法在一个具体实施例中的流程图；图2为图1中所示步骤S2.在一个具体实施例中的流程图；图3为图1中所示步骤S3.在一个具体实施例中的流程图；图4为本专利技术基于人工智能的内容信息推荐系统在一个具体实施例中的流程图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本专利技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。实施例1如图1所示，一种基于人工智能的内容信息推荐方法，包括S1.建立分类频道模型；S2.收集用户行为数据分析用户兴趣和/或意图；S3.预设推荐规则，根据所述用户兴趣和/或意图，与分类频道进行筛选匹配，并向用户推送该分类频道下的内容信息；S4.获取用户行为记录对用户进行划分，对同一群体的用户推荐其余用户偏好。本专利技术方法配置人工智能推荐规则模型，对获取的用户行为数据进行智能分析判断和匹配，为用户推荐个性化喜好数据，本专利技术给出的给出的一个具体实施例中，步骤S1.建立分类频道模型中，分类频道模型为针对电商、新闻、阅读、音视频和/或直播领域进行自定义频道细分，自定义频道细分可以根据内容、商品、人物、服务、广告等具体属性进行详本文档来自技高网...

【技术保护点】
1.一种基于人工智能的内容信息推荐方法，其特征在于：/nS1.建立分类频道模型；/nS2.收集用户行为数据分析用户兴趣和/或意图；/nS3.预设人工智能推荐规则，根据所述用户兴趣和/或意图，与分类频道进行筛选匹配，并向用户推送该分类频道下的内容信息；/nS4.获取用户行为记录对用户进行划分，对同一群体的用户推荐其余用户偏好。/n

【技术特征摘要】
1.一种基于人工智能的内容信息推荐方法，其特征在于：
S1.建立分类频道模型；
S2.收集用户行为数据分析用户兴趣和/或意图；
S3.预设人工智能推荐规则，根据所述用户兴趣和/或意图，与分类频道进行筛选匹配，并向用户推送该分类频道下的内容信息；
S4.获取用户行为记录对用户进行划分，对同一群体的用户推荐其余用户偏好。


2.根据权利要求1所述的基于人工智能的内容信息推荐方法，其特征在于：步骤S2.收集用户行为数据分析用户兴趣和/或意图中，包括：
A.获取用户会话文本数据信息，基于语义分析模型，自动抽取内容文本中关键信息并生成指定长度的文本摘要；
B.获取用户会话文本数据信息，通过自定义或机器自生成方式对所述会话文本数据信息内容进行对应分类频道的自动分类；
C.获取用户会话文本数据信息，基于深度学习模型，提供文本相似度判断、文本标签提取、多语言分词和/或词向量化的基础自然语言识别；
D.获取用户会话文本数据信息，根据会话文本数据信息所包含的图片在预构建图库中进行相同或相似图片的搜索；
通过用户行为深度学习模型，对步骤A、B、C和/或D获取的识别信息进行分析判断，确定用户兴趣和/意图。


3.根据权利要求2所述的基于人工智能的内容信息推荐方法，其特征在于：用户行为深度学习模型包括构建分析型数据库MySQL版向量库，得到用户特征向量。


4.根据权利要求2所述的基于人工智能的内容信息推荐方法，其特征在于：步骤S2.收集用户行为数据分析用户兴趣和/或意图，还包括：
通过计算机视觉算法对用户上传的图像、场景和/或视频影像数据进行深度学习，识别并标示图像、场景、视频内容；
通过用户行为深度学习模型，对识别并标示的图...

【专利技术属性】
技术研发人员：常玲莉，
申请(专利权)人：杭州鑫通信息技术有限公司，
类型：发明
国别省市：浙江;33