内容数据推荐方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及数据处理领域，本发明专利技术公开了一种内容数据推荐方法、装置、计算机设备及存储介质，所述方法包括：对获取的用户数据进行预处理，得到待推荐数据；将与用户对应的消费属性数据、社会属性数据和访问属性数据输入内容偏好模型，同时将流量服务属性数据输入场景推荐模型；通过一阶人群聚类模型进行人群特征提取，得到一阶人群分类结果，同时通过场景推荐模型进行场景适配，得到主题场景；通过二阶指标细分模型对一阶人群分类结果和访问属性数据进行指标分析，确定出人群偏好标签；根据人群偏好标签和主题场景，确定内容推荐标签；获取内容数据并推荐给用户。本发明专利技术实现了对用户数据进行人群特征提取、指标分析和场景适配，向用户精准推荐。向用户精准推荐。向用户精准推荐。

【技术实现步骤摘要】
内容数据推荐方法、装置、计算机设备及存储介质


[0001]本专利技术涉及大数据的数据处理领域，尤其涉及一种内容数据推荐方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着移动互联网快速发展，人们越来越普及通过移动终端中的APP从移动互联网上获取自己想要的内容信息，但是随着互联网的迅速发展，信息量也在大幅增长，这会导致用户在面对大量信息时无法很快从APP中获得自己真正需要的信息，从而降低了APP的使用率。解决这一问题较好的办法就是引入推荐方法，它可以在大量的信息中为用户推荐用户真正感兴趣的内容，以便用户从推荐的内容中获取到自己真正偏好的内容信息。

技术实现思路

[0003]本专利技术提供一种内容数据推荐方法、装置、计算机设备及存储介质，实现了对用户数据进行人群特征提取、指标分析和场景适配，确定用户的内容推荐标签，自动匹配出内容数据，并向用户进行推荐，能够准确地推荐内容数据给用户，提升了用户的体验满意度，并提升了内容数据推荐的有效性。
[0004]一种内容数据推荐方法，包括：
[0005]获取用户的用户数据，对所述用户数据进行预处理，得到待推荐数据；所述待推荐数据包括消费属性数据、社会属性数据、访问属性数据和流量服务属性数据；
[0006]将与用户对应的所述消费属性数据、所述社会属性数据和所述访问属性数据输入内容偏好模型，同时将所述流量服务属性数据输入场景推荐模型；所述内容偏好模型为基于两步聚类法和决策树的多阶模型；所述内容偏好模型包括一阶人群聚类模型和二阶指标细分模型；
[0007]通过所述一阶人群聚类模型对所述消费属性数据和所述社会属性数据进行人群特征提取，得到与所述用户对应的一阶人群分类结果，同时通过所述场景推荐模型对所述流量服务属性数据进行场景适配，得到与所述用户对应的主题场景；
[0008]通过所述二阶指标细分模型对所述一阶人群分类结果和所述访问属性数据进行指标分析，确定出与所述用户对应的人群偏好标签；
[0009]根据与所述用户对应的所述人群偏好标签和所述主题场景，确定与所述用户对应的内容推荐标签；
[0010]从内容数据库中获取与所述内容推荐标签匹配的内容数据，并将获取的所述内容数据推荐给所述用户。
[0011]一种内容数据推荐装置，包括：
[0012]获取模块，用于获取用户的用户数据，对所述用户数据进行预处理，得到待推荐数据；所述待推荐数据包括消费属性数据、社会属性数据、访问属性数据和流量服务属性数据；
[0013]输入模块，用于将与用户对应的所述消费属性数据、所述社会属性数据和所述访问属性数据输入内容偏好模型，同时将所述流量服务属性数据输入场景推荐模型；所述内容偏好模型为基于两步聚类法和决策树的多阶模型；所述内容偏好模型包括一阶人群聚类模型和二阶指标细分模型；
[0014]识别模块，用于通过所述一阶人群聚类模型对所述消费属性数据和所述社会属性数据进行人群特征提取，得到与所述用户对应的一阶人群分类结果，同时通过所述场景推荐模型对所述流量服务属性数据进行场景适配，得到与所述用户对应的主题场景；
[0015]分析模块，用于通过所述二阶指标细分模型对所述一阶人群分类结果和所述访问属性数据进行指标分析，确定出与所述用户对应的人群偏好标签；
[0016]确定模块，用于根据与所述用户对应的所述人群偏好标签和所述主题场景，确定与所述用户对应的内容推荐标签；
[0017]推荐模块，用于从内容数据库中获取与所述内容推荐标签匹配的内容数据，并将获取的所述内容数据推荐给所述用户。
[0018]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述内容数据推荐方法的步骤。
[0019]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述内容数据推荐方法的步骤。
[0020]本专利技术提供的内容数据推荐方法、装置、计算机设备及存储介质，通过获取用户的用户数据，对所述用户数据进行预处理，得到包含消费属性数据、社会属性数据、访问属性数据和流量服务属性数据的待推荐数据；将与用户对应的所述消费属性数据、所述社会属性数据和所述访问属性数据输入内容偏好模型，同时将所述流量服务属性数据输入场景推荐模型；通过所述一阶人群聚类模型对所述消费属性数据和所述社会属性数据进行人群特征提取，得到与所述用户对应的一阶人群分类结果，同时通过所述场景推荐模型对所述流量服务属性数据进行场景适配，得到与所述用户对应的主题场景；通过所述二阶指标细分模型对所述一阶人群分类结果和所述访问属性数据进行指标分析，确定出与所述用户对应的人群偏好标签；根据所述人群偏好标签和所述主题场景，确定与所述用户对应的内容推荐标签；从内容数据库中获取与所述内容推荐标签匹配的内容数据，并将获取的所述内容数据推荐给所述用户，如此，实现了通过内容偏好模型、场景推荐模型，对用户数据进行人群特征提取、指标分析和场景适配，确定用户的内容推荐标签，自动匹配出内容数据，并向用户进行推荐，能够准确地推荐内容数据给用户，提高了内容数据推荐的准确率，向用户推荐偏好的内容该数据，避免了不喜好的内容数据展示给用户，提升了用户的体验满意度，并提升了内容数据推荐的有效性。
附图说明
[0021]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是本专利技术一实施例中内容数据推荐方法的应用环境示意图；
[0023]图2是本专利技术一实施例中内容数据推荐方法的流程图；
[0024]图3是本专利技术一实施例中内容数据推荐方法的步骤S30的流程图；
[0025]图4是本专利技术一实施例中内容数据推荐方法的步骤S303的流程图；
[0026]图5是本专利技术一实施例中内容数据推荐方法的步骤S304的流程图；
[0027]图6是本专利技术一实施例中内容数据推荐方法的步骤S40的流程图；
[0028]图7是本专利技术一实施例中内容数据推荐方法的步骤S401的流程图；
[0029]图8是本专利技术一实施例中内容数据推荐方法的步骤S403的流程图；
[0030]图9是本专利技术一实施例中内容数据推荐装置的原理框图；
[0031]图10是本专利技术一实施例中计算机设备的示意图。
具体实施方式
[0032]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]本专利技术提供的内容数据推荐方法，可应用在如图1的应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种内容数据推荐方法，其特征在于，包括：获取用户的用户数据，对所述用户数据进行预处理，得到待推荐数据；所述待推荐数据包括消费属性数据、社会属性数据、访问属性数据和流量服务属性数据；将与用户对应的所述消费属性数据、所述社会属性数据和所述访问属性数据输入内容偏好模型，同时将所述流量服务属性数据输入场景推荐模型；所述内容偏好模型为基于两步聚类法和决策树的多阶模型；所述内容偏好模型包括一阶人群聚类模型和二阶指标细分模型；通过所述一阶人群聚类模型对所述消费属性数据和所述社会属性数据进行人群特征提取，得到与所述用户对应的一阶人群分类结果，同时通过所述场景推荐模型对所述流量服务属性数据进行场景适配，得到与所述用户对应的主题场景；通过所述二阶指标细分模型对所述一阶人群分类结果和所述访问属性数据进行指标分析，确定出与所述用户对应的人群偏好标签；根据与所述用户对应的所述人群偏好标签和所述主题场景，确定与所述用户对应的内容推荐标签；从内容数据库中获取与所述内容推荐标签匹配的内容数据，并将获取的所述内容数据推荐给所述用户。2.如权利要求1所述的内容数据推荐方法，其特征在于，所述通过所述一阶人群聚类模型对所述消费属性数据和所述社会属性数据进行人群特征提取之前，包括：获取样本数据集；根据一阶属性，对所述样本数据集进行筛选，筛选出一阶属性数据集；将所述一阶属性数据集输入两步聚类模型中，通过所述两步聚类模型对所述一阶属性数据进行人群特征探索，得到一阶人群聚类结果；通过决策树算法，对所述一阶人群聚类结果和所述一阶有效数据集进行分析及路径还原，提炼出与所述一阶人群聚类结果对应的至少一个分类变量；根据所有所述分类变量、所述一阶聚类结果和所述一阶有效数据集进行模型重构，构建出一阶人群聚类模型，以及确定出与所述一阶人群聚类模型对应的一阶人群种类，并给所述一阶有效数据集中的各一阶有效数据标记与其对应的人群类型，得到一阶数据集；所述一阶人群种类包括至少一个所述人群类型。3.如权利要求2所述的内容数据推荐方法，其特征在于，所述通过所述两步聚类模型对所述一阶属性数据进行人群特征探索，得到一阶人群聚类结果，包括：通过所述两步聚类模型对所述一阶属性数据集进行标准化处理，得到一阶待处理属性数据；所述两步聚类模型包括密度聚类模型和K-means聚类模型；运用DBSCAN算法，通过所述密度聚类模型对所述一阶待处理属性数据进行人群密度聚类，得到过渡聚类数据结果；运用K-means算法，通过所述K-means聚类模型对所述过渡聚类数据结果进行人群特征聚类，得到所述一阶人群聚类结果。4.如权利要求2所述的内容数据推荐方法，其特征在于，所述通过决策树算法，对所述一阶人群聚类结果和所述一阶有效数据集进行分析及路径还原，提炼出与所述一阶人群聚类结果对应的至少一个分类变量，包括：
将与相同样本用户对应的一阶人群类型和一阶有效数据进行关联，将关联后的所述一阶有效数据集确定为决策数据集；所述一阶人群聚类结果包括与所述一阶有效数据集中的所述样本用户对应的所述一阶人群类型；所述一阶有效数据集包括与所述样本用户一一对应的所述一阶有效数据；将所述决策数据集输入含有初始变量参数的决策反推模型中；运用决策树算法，通过所述决策反推模型对所述决策数据集进行分析，更新所述初始变量参...

【专利技术属性】
技术研发人员：陈婷婷，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：