基于中医药知识的个性化推荐方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于中医药知识的个性化推荐方法、系统、设备及介质，个性化推荐方法包括：对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习算法进行离线召回，以得到推荐候选合集；使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排，以得到按照用户偏好进行高低排序的粗选推荐结果；所述超融合推荐引擎模型包括LR模型、DNN模型和FM模型；所述推荐结果包括资讯信息流供给推荐、课程点播直播推荐、相关联内容推荐、热点排行推荐中的至少一种。本发明专利技术能够为大规模在线用户同时实现个性化的定制课程与价值信息的推荐服务，当大规模在线用户面对海量课程和信息资讯时有合适选择。

【技术实现步骤摘要】
基于中医药知识的个性化推荐方法、系统、设备及介质
本专利技术涉及中医药知识领域，特别涉及一种基于中医药知识的个性化推荐方法、系统、设备及介质。
技术介绍
个性化推荐系统是互联网和电子商务发展的产物，是建立在海量数据挖掘基础上的一种高级商务智能系统，向用户提供个性化的信息服务和决策支持。近年来已经出现了一些非常成功的大型推荐系统实例，互联网大型社交媒体和电商网站纷纷把个性化推荐系统作为其重要智能服务之一。与此同时，个性化推荐系统也逐渐成为学术界的研究热点之一。中医药领域存在着大量的先验知识，这些先验知识汇聚成了中医药领域的宝库。中医药领域的数据来源有多种多样，其中包括源自中医中药、网络空间、社交媒体、教育培训、药材营销等业务领域的实时和非实时数据。然而，当用户在面对海量的中医药课程和中医药价值资讯时却无从选择，用户难以找到适时、适地、适合的价值信息。如何把中医药大量先验知识的宝库向大规模在线用户有针对性的、及时的推荐和普及是一个亟待解决的课题。
技术实现思路
本专利技术要解决的技术问题是：为了克服现有技术中用户面对海量的中医药课程和中医药价值资讯时无从选择，同时中医药大量先验知识的宝库难以向大规模在线用户有针对性的、及时的推荐普及的缺陷，提供一种能够为大规模在线用户同时实现个性化的定制课程与价值信息的推荐服务的基于中医药知识的个性化推荐方法、系统、设备及介质。本专利技术是通过下述技术方案解决上述技术问题的：本专利技术提供了一种基于中医药知识规模化普及的个性化推荐方法，包括以下步骤：对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习算法进行离线召回，以得到推荐候选合集；使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排，以得到按照用户偏好进行高低排序的粗选推荐结果；所述超融合推荐引擎模型包括LR(逻辑回归)模型、DNN(深度神经网络)模型和FM(因子分解机)模型；所述推荐结果包括资讯信息流供给推荐、课程点播直播推荐、相关联内容推荐、热点排行推荐中的至少一种。较佳地，所述个性化推荐方法还包括以下步骤：获取用户数据、行为数据和环境数据；对所述用户数据进行特征提取，以得到用户特征；对所述行为数据进行特征提取，以得到行为特征；对所述环境数据进行特征提取，以得到环境特征；所述对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习算法进行离线召回的步骤包括：对所述中医药的先验知识、中医药课程和价值资讯进行特征提取，以得到内容特征；基于若干维度特征采用单一的深度学习算法进行离线召回；所述维度特征包括所述内容特征、所述用户特征、所述行为特征及所述环境特征。较佳地，所述维度特征还包括热度特征、协同特征中的至少一种。较佳地，所述LR模型、所述DNN模型和所述FM模型共享相同的输入数据。较佳地，使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排时，所述LR模型接入所有的所述维度特征，所述DNN模型和所述FM模型接入部分的所述维度特征。较佳地，所述个性化推荐方法还包括基于用户的推荐请求进行在线精排以得到所述用户的最终推荐结果的步骤；所述基于用户的推荐请求进行在线精排以得到所述用户的最终推荐结果的步骤包括：获取所述用户的推荐请求；根据所述推荐请求获取所述用户的用户ID(身份标识号)；根据所述用户ID找到所述用户对应的所述粗选推荐结果；基于所述用户对应的所述粗选推荐结果进行业务逻辑规则的处理后，得到所述用户的最终推荐结果。较佳地，所述对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习算法进行离线召回，以得到推荐候选合集的步骤基于大数据集群工具实现；所述使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排，以得到按照用户偏好进行高低排序的粗选推荐结果的步骤基于内存和关系型数据库实现；所述基于用户的推荐请求进行在线精排处理，以得到所述用户的最终推荐结果的步骤基于加载内存实现。较佳地，所述推荐候选合集包括内容画像、用户画像、行为画像和环境画像；所述价值资讯包括中医问答、治疗故事、养生技巧、协会新闻、中医视野中的至少一种。较佳地，所述资讯信息流供给推荐包括以下推荐中的至少一种：中医问答、段子、笑话、动态、生态圈、治疗故事、养生技巧、协会新闻、中医视野；所述课程点播直播推荐包括以下推荐中的至少一种：中医生活、中医特色、中医方剂、中医疾病、中医文化、中医专家、中医互动。所述课程点播直播推荐包括以下推荐中的至少一种：中医生活、中医特色、中医方剂、中医疾病、中医文化、中医专家、中医互动。本专利技术还提供了一种基于中医药知识规模化普及的个性化推荐系统，包括：离线召回模块，用于对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习算法进行离线召回，以得到推荐候选合集；近线粗排模块，用于使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排，以得到按照用户偏好进行高低排序的粗选推荐结果；所述超融合推荐引擎模型包括LR模型、DNN模型和FM模型；所述推荐结果包括资讯信息流供给推荐、课程点播直播推荐、相关联内容推荐、热点排行推荐中的至少一种。较佳地，所述个性化推荐系统还包括：数据获取模块，用于获取用户数据、行为数据和环境数据；特征提取模块，用于对所述用户数据进行特征提取，以得到用户特征；还用于对所述行为数据进行特征提取，以得到行为特征；还用于对所述环境数据进行特征提取，以得到环境特征；所述离线召回模块包括：特征提取单元，用于对所述中医药的先验知识、中医药课程和价值资讯进行特征提取，以得到内容特征；离线召回单元，用于基于若干维度特征采用单一的深度学习算法进行离线召回；所述维度特征包括所述内容特征、所述用户特征、所述行为特征及所述环境特征。较佳地，所述维度特征还包括热度特征、协同特征中的至少一种。较佳地，所述LR模型、所述DNN模型和所述FM模型共享相同的输入数据。较佳地，使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排时，所述LR模型接入所有的所述维度特征，所述DNN模型和所述FM模型接入部分的所述维度特征。较佳地，所述个性化推荐系统还包括在线精排模块；所述在线精排模块用于基于用户的推荐请求进行在线精排处理，以得到所述用户的最终推荐结果；所述在线精排模块包括：用户请求获取单元，用于获取所述用户的推荐请求；用户ID获取单元，用于根据所述推荐请求获取所述用户的用户ID；粗选推荐结果查找单元，用于根据所述用户ID找到所述用户对应的所述粗选推荐结果；最终推荐结果获取单元，用于基于所述用户对应的所述粗选推荐结果进行业务逻辑规则的处理后，得到所述用户的最终推荐结果。较佳地，所述离线召回模块基于大数据集群工具实现；所述近线粗排模块基本文档来自技高网...

【技术保护点】
1.一种基于中医药知识规模化普及的个性化推荐方法，其特征在于，包括以下步骤：/n对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习算法进行离线召回，以得到推荐候选合集；/n使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排，以得到按照用户偏好进行高低排序的粗选推荐结果；/n所述超融合推荐引擎模型包括LR模型、DNN模型和FM模型；/n所述推荐结果包括资讯信息流供给推荐、课程点播直播推荐、相关联内容推荐、热点排行推荐中的至少一种。/n

【技术特征摘要】
1.一种基于中医药知识规模化普及的个性化推荐方法，其特征在于，包括以下步骤：
对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习算法进行离线召回，以得到推荐候选合集；
使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排，以得到按照用户偏好进行高低排序的粗选推荐结果；
所述超融合推荐引擎模型包括LR模型、DNN模型和FM模型；
所述推荐结果包括资讯信息流供给推荐、课程点播直播推荐、相关联内容推荐、热点排行推荐中的至少一种。


2.如权利要求1所述的基于中医药知识规模化普及的个性化推荐方法，其特征在于，
所述个性化推荐方法还包括以下步骤：
获取用户数据、行为数据和环境数据；
对所述用户数据进行特征提取，以得到用户特征；
对所述行为数据进行特征提取，以得到行为特征；
对所述环境数据进行特征提取，以得到环境特征；
所述对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习算法进行离线召回的步骤包括：
对所述中医药的先验知识、中医药课程和价值资讯进行特征提取，以得到内容特征；
基于若干维度特征采用单一的深度学习算法进行离线召回；
所述维度特征包括所述内容特征、所述用户特征、所述行为特征及所述环境特征。


3.如权利要求2所述的基于中医药知识规模化普及的个性化推荐方法，其特征在于，所述维度特征还包括热度特征、协同特征中的至少一种。


4.如权利要求3所述的基于中医药知识规模化普及的个性化推荐方法，其特征在于，所述LR模型、所述DNN模型和所述FM模型共享相同的输入数据。


5.如权利要求3所述的基于中医药知识规模化普及的个性化推荐方法，其特征在于，
使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排时，所述LR模型接入所有的所述维度特征，所述DNN模型和所述FM模型接入部分的所述维度特征。


6.如权利要求1至5任一项所述的基于中医药知识规模化普及的个性化推荐方法，其特征在于，所述个性化推荐方法还包括基于用户的推荐请求进行在线精排以得到所述用户的最终推荐结果的步骤；
所述基于用户的推荐请求进行在线精排以得到所述用户的最终推荐结果的步骤包括：
获取所述用户的推荐请求；
根据所述推荐请求获取所述用户的用户ID；
根据所述用户ID找到所述用户对应的所述粗选推荐结果；
基于所述用户对应的所述粗选推荐结果进行业务逻辑规则的处理后，得到所述用户的最终推荐结果。


7.如权利要求6所述的基于中医药知识规模化普及的个性化推荐方法，其特征在于，
所述对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习算法进行离线召回，以得到推荐候选合集的步骤基于大数据集群工具实现；
所述使用超融合推荐引擎模型对所述推荐候选合集进行近线粗排，以得到按照用户偏好进行高低排序的粗选推荐结果的步骤基于内存和关系型数据库实现；
所述基于用户的推荐请求进行在线精排处理，以得到所述用户的最终推荐结果的步骤基于加载内存实现。


8.如权利要求7所述的基于中医药知识规模化普及的个性化推荐方法，其特征在于，所述推荐候选合集包括内容画像、用户画像、行为画像和环境画像；
所述价值资讯包括中医问答、治疗故事、养生技巧、协会新闻、中医视野中的至少一种。


9.如权利要求1所述的基于中医药知识规模化普及的个性化推荐方法，其特征在于，
所述资讯信息流供给推荐包括以下推荐中的至少一种：中医问答、段子、笑话、动态、生态圈、治疗故事、养生技巧、协会新闻、中医视野；
所述课程点播直播推荐包括以下推荐中的至少一种：中医生活、中医特色、中医方剂、中医疾病、中医文化、中医专家、中医互动。


10.一种基于中医药知识规模化普及的个性化推荐系统，其特征在于，包括：
离线召回模块，用于对中医药的先验知识、中医药课程和价值资讯采用单一的深度学习...

【专利技术属性】
技术研发人员：汤浩钧，陈雪芳，
申请(专利权)人：绍兴亿都信息技术股份有限公司，
类型：发明
国别省市：浙江;33