一种线下沉浸展与推荐结合的推荐方法技术

本发明专利技术公开了一种线下沉浸展与推荐结合的推荐方法，方法如下：首先获取用户体验数据，并且通过用户数据获得用户的性格维度；其次基于推荐算法模型，通过模型预测用户对体验展中展厅的兴趣程度，后期进行相对应的推荐；最后在各个展厅设置反馈机制可以学习用户的性格维度，并进行量化。本发明专利技术运用到线下沉浸展场景，收集到的更多是用户的参加沉浸展的体验数据，我们的数据来源是用户参加沉浸展过程中的AI心流数据，通过推荐系统技术推荐出不同的内容，使参观沉浸展的用户体验感不同，增加游客的体验感的提升。的体验感的提升。的体验感的提升。

【技术实现步骤摘要】
一种线下沉浸展与推荐结合的推荐方法


[0001]本专利技术涉及计算机数据处理
，具体而言，涉及一种线下沉浸展与推荐结合的推荐方法。

技术介绍

[0002]体验推荐已经成为线下体验展的重要组成部分，其目的是根据历史用户特征，将合适的项目与合适的用户进行匹配。现有的个性化推荐模型根据购买和点击等历史交互行为来估计用户采用某项商品的可能性，这些一些方法已经被证明线上是有效的。但是个性化推荐还未被在线下体验所使用。
[0003]推荐分为个性化推荐和通用推荐。通用推荐是指通过对用户行为和项目信息的分析和挖掘，发现用户个性化的兴趣特征。而对于线下体验展推荐而言，用户的体验感受是体验推荐的重要因素。据本人所知，至今没有研究将个性化推荐用于线下。
[0004]事实上，在线下体验展中，用户与项目之间没有明确的交互关系。由于独特的个性存在，不同的用户可能对线下体验展的感受有所不同。举个例子，对于比较潮流的年轻人参观的展览大多是潮流社区展，而对奇幻世界展的感受有所下降；对于知识探索欲望比较强的人相比潮流社区展，更加倾向奇幻世界展。因此，用户参加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线下沉浸展与推荐结合的推荐方法，其特征在于：方法如下：首先获取用户体验数据，并且通过用户数据获得用户的性格维度；其次基于推荐算法模型，通过模型预测用户对体验展中展厅的兴趣程度，后期进行相对应的推荐；最后在各个展厅设置反馈机制可以学习用户的性格维度，并进行量化；所述推荐算法模型使用的是ABTest方法，ABTest方法就是为同一个推荐系统制定两个或者以上的选择策略，其中ABTest方法包括多层感知器和协同过滤模型；让一部分用户使用多层感知器方案，另一部分用户使用协同过滤模型方案，然后通过日志记录用户的使用情况，并通过结构化的日志数据分析相关指标，从而得出那个方案更符合预期设计目标，并最终将全部流量切换至符合目标的方案。2.根据权利要求1所述的一种线下沉浸展与推荐结合的推荐方法，其特征在于：所述多层感知器包括输入层、嵌入层、神经协作过滤层、NCF层、隐含层、输出层；输入层的上面是嵌入层，嵌入层是一个全连接层，用来将输入层的稀疏表示映射为一个稠密向量；输入层所获得的用户的嵌入，也就是一个稠密向量，可以被看作是潜在向量；然后将用户嵌入和项目嵌入送入到神经协作过滤层；神经协作过...

【专利技术属性】
技术研发人员：潘军，
申请(专利权)人：北京中嘉空间展示设计有限公司，
类型：发明
国别省市：