一种基于深度强化学习的个性化客户推荐系统和方法技术方案

本发明专利技术公开了一种基于深度强化学习的个性化客户推荐系统和方法，包括图像数据采集模块、移动数据采集模块、在线数据模块、处理终端，所述图像数据采集模块通过第一通信模块与处理终端通信连接，所述移动数据采集模块通过第二通信模块和处理终端通信连接，所述在线数据模块通过第三通信模块和处理终端通信连接，本发明专利技术能够根据不同用户的特征以及喜好并且在考虑到旅行社利润的基础上进行精准景区推荐，能够极大的提高用户满意度，并且在一定程度上提高旅行社的利润。

【技术实现步骤摘要】
一种基于深度强化学习的个性化客户推荐系统和方法
本专利技术涉及旅游线路及景点的推荐系统领域，特别涉及一种基于深度强化学习的个性化客户推荐系统和方法。
技术介绍
随着经济的发展，旅游业也在迅猛发展，人们的出行意愿也愈发强烈的同时人们的旅游需求也愈发的多样化，客观上使得向旅客提供所需的旅游信息的难度变大。此外个性化的定制旅游景点的推荐也愈发的受到旅客的欢迎，目前大多数的旅游景点推荐系统在用户的个性化精准景点推荐上的精准度不够，且在推荐的过程中没有很好的平衡利润和用户喜好，即推荐的景点要么是利润高但用户不喜欢，要么是用户喜欢但利润较低。随着深度强化学习技术的发展，使得针对不同的用户的图像信息以及辅助信息的景点推荐愈发引起重视。目前针对用户特征的推荐系统仅仅根据用户图像或者少部分用户标签进行推荐，虽然在通用性上具有一定的价值但并不能做到较高的准确性和个性化推荐，因此并不能满足人们的个性化需求以及精准推荐方面的推荐。
技术实现思路
本专利技术解决的技术问题是提供一种可以实现精准推荐的基于深度强化学习的个性化客户推荐系统。...

【技术保护点】
1.一种基于深度强化学习的个性化客户推荐系统，其特征在于：包括图像数据采集模块、移动数据采集模块、在线数据模块、处理终端，所述图像数据采集模块通过第一通信模块与处理终端通信连接，所述移动数据采集模块通过第二通信模块和处理终端通信连接，所述在线数据模块通过第三通信模块和处理终端通信连接；/n所述图像数据采集模块用于采集进店用户头像信息；/n所述移动数据采集模块用于采集用户选择的景区以及用户信息；/n所述在线数据模块为存储在服务器中的数据库，所述数据库中存储有用户历史信息；/n所述处理终端用于对接收的信息建立环境模型，并根据环境模型给出最优的景区推荐方案。/n

【技术特征摘要】
1.一种基于深度强化学习的个性化客户推荐系统，其特征在于：包括图像数据采集模块、移动数据采集模块、在线数据模块、处理终端，所述图像数据采集模块通过第一通信模块与处理终端通信连接，所述移动数据采集模块通过第二通信模块和处理终端通信连接，所述在线数据模块通过第三通信模块和处理终端通信连接；
所述图像数据采集模块用于采集进店用户头像信息；
所述移动数据采集模块用于采集用户选择的景区以及用户信息；
所述在线数据模块为存储在服务器中的数据库，所述数据库中存储有用户历史信息；
所述处理终端用于对接收的信息建立环境模型，并根据环境模型给出最优的景区推荐方案。


2.如权利要求1所述的一种基于深度强化学习的个性化客户推荐系统，其特征在于：所述移动数据采集模块为移动终端。


3.如权利要求1所述的一种基于深度强化学习的个性化客户推荐系统，其特征在于：所述图像数据采集模块包括电子摄像头，所述电子摄像头与第一通信模块通过过USB接口通信连接。


4.如权利要求1所述的一种基于深度强化学习的个性化客户推荐系统，其特征在于：所述第一通信模块和第二通信模块为WI-FI模块。


5.一种基于深度强化学习的个性化客户推荐方法，包括权利要求1至4中任意一项所述的基于深度强化学习的个性化客户推荐系统，其特征在于：步骤为，
S1：图像数据采集模块实时采集用户信息；
S2：图像数据采集模块和处理终端通过USB接口通信，将从数据采集模块接收到的图像信息传输至数据处理终端；
S3：数据处理终端接收图像信息后，建模单元对所接收的数据信息建立环境模型；决策单元根据所述环境模型提供最优景区类型推荐方案，并将该方案传递给移动数据采集模块；
S4：移动数据采集模块将用户选择的景区以及用户信息传递给数据处理终端；
S5:数据处理终端在接受信息后，通过在线数据模块获取用户历史信息并通过特征匹配结合利润数据，用户历史信息和用户习惯给出最终的推荐景区，并传输给移动数据采集模块。


6.如权利要求5所述的一种基于深度强化学习的个性化客户推荐方法，其特征在于：步骤S3中建立环境模型包括以下步骤：
S31：将景区推荐问题建模为一个马尔科夫决策过程模型，对其中的状态，动作及立即奖赏函数进行建模；
S32：建立回报值函数模型；
S33：利用DQN深度强化学习算法求解最优调整方案。


7.如权利要求5所述的一种基于深度强化学习的个性化客户推荐方法，其特征在于：步骤S5中的用户历史信息通过用户身份证查询服务器中的数据库得到，给出最终的推荐景区具体为利用特征匹配，用户历史信息，利润数据的综合评分进行选择，并基于用户习惯进行排序。


8.如权利要求6所述的一种基于深度强化学习的个性化客户推荐方法，其特征在于：具体建模和深度强化学习算法为：
步骤一：将景区推荐问题建模为一个MDP模型，并定义其中的状态，动作以及立即奖赏函数；
(a)状态，用s表示，设某一时刻进店用户的图像分析得到的性别为Sex，年龄Age，消费水平Co，地理位置Pos，则此时的用户状态可以表示为：
s＝(Sex，A...

【专利技术属性】
技术研发人员：陈建平，傅启明，黄泽天，
申请(专利权)人：浙江贝迩熊科技有限公司，
类型：发明
国别省市：浙江;33