一种通用TOP-N智能推荐系统及方法技术方案

本发明专利技术公开了一种通用TOP

【技术实现步骤摘要】
一种通用TOP
‑
N智能推荐系统及方法


[0001]本专利技术属于车联网及汽车智能座舱
，更具体涉及一种通用TOP
‑
N智能推荐系统及方法。

技术介绍

[0002]推荐系统通过分析用户的历史行为，对用户的兴趣进行建模，从而主动给用户推荐可能满足他们需求的信息，在信息过载的时代，推荐系统的任务就是联系用户和信息，帮助用户发现对自己有价值的信息，同时让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。汽车作为一个密闭的个人空间，基于千人千面个性化的推荐系统成为汽车智能座舱各业务场景必不可少的一环，如汽车商品推荐、音乐推荐、文章推荐等。部署一套全新智能推荐系统往往需要投入巨大的人力和时间精力，并且目前主流推荐系统不具备通用性，不能满足一套系统，适配多个推荐应用场景的需求。
[0003]如我国专利CN201610643458.8公开了一种基于协同过滤的在线打车推荐方法，包括以下步骤：1)原始数据预处理，现实GPS数据需要预处理过程，主要是载客起点与终点的提取；2)网格化，包括区域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通用TOP
‑
N智能推荐系统，其特征在于，包括，应用层，包括推荐场景模块、用户数据模块、物品数据模块和系统管理模块，用于提供管理平台和可供操作和展示的可视化交互界面；服务层，包括推荐引擎、模型和算法管理、监控模块；用于通过多种服务对数据处理，并根据该数据处理结果对推荐模型进行训练，提供对应于多个推荐场景的接口，并对推荐模型和算法进行监控管理；数据层，包括业务数据、模型数据、系统日志、元数据；用于将模型训练数据、模型文件及日志存储在大数据平台；存储层，用于保存数据。2.根据权利要求1所述的一种通用TOP
‑
N智能推荐系统，其特征在于，所述推荐场景模块包括数据选择、模型选择、冷启动策略选择、模型管理和模型托管环境，用于推荐场景的搭建和实现；其中，数据选择，用于通过离线或在线多源的方式选择对应于各推荐场景的推荐模型所需的训练数据，所述训练数据包括用户数据、行为数据、物品数据；模型选择，用于由算法库中选择对应的算法作为推荐模型的算法，所述推荐算法包括个性化推荐、热门推荐、相似推荐；冷启动策略选择，用于从冷启动策略中选择推荐模型的策略，所述冷启动策略包括热门推荐策略和时间排序推荐策略；模型管理，用于对推荐模型的更新周期进行配置，该配置包括立即训练或周期性训练；还用于统计推荐模型的AUC离线指标和曝光量、点击次数、点击率线上指标，统计推荐模型的调用次数和调用成功率；模型托管环境，用于指定推荐模型所在的服务环境，所述服务环境包括测试环境或正式环境，并根据服务环境配置相关权限。3.根据权利要求1所述的一种通用TOP
‑
N智能推荐系统，其特征在于，所述用户数据模块包括用户数据单元、用户数据表管理单元、行为数据单元和行为数据表管理单元，用于进行用户信息和行为信息的接入，展示及管理；其中，用户数据单元，用于用户数据的搜索、查询、预览和可视化；用户数据表管理单元，用于对用户数据的增删改查；行为数据单元，用于行为数据的搜索、查询、预览、可视化；行为数据管理单元，用于对行为数据的增删改查。4.根据权利要求1所述的一种通用TOP
‑
N智能推荐系统，其特征在于，所述物品数据模块包括物品库列表、物品库管理和物品分类管理，用于进行物品信息的接入，展示及管理；其中，物品库列表，用于可视化呈现物品库的多级联关系；物品库管理，用于对物品库的增删改查；物品分类管理，用于对物品分类的增删改查。5.根据权利要求1所述的一种通用TOP
‑
N智能推荐系统，其特征在于，所述系统管理模块包括日志管理和告警管理，用于对系统进行运维管理；其中，日志管理，用于管理系统后端支持系统线上线下服务日志，数据及实例日志的管理；

【专利技术属性】
技术研发人员：朱诚，张英鹏，刘大全，肖宏，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：