城市大脑系统中的会务信息推荐方法技术方案

提供一种城市大脑系统中的会务信息推荐方法，包括：实时采集各个用户计算节点的用户区别化数据；利用用户计算节点的机器学习模型对用户区别化数据进行处理，获取用户的个性化会务推荐信息；将个性化会务推荐信息发送给用户，并获取用户对个性化会务推荐信息的推送内容和推送时间的评价值；比较用户对个性化会务推荐信息的评价值和预设评价值，如果用户的评价值小于预设评价值，训练机器学习模型再学习后，对实时收集的客户用户区别化数据进行处理，重新向用户继续推荐个性化会务推荐信息；将用户的识别信息、所述所述个性化会务推荐信息和所述评价值对应起来存储到用户推荐履历数据库中。根据本发明专利技术，能够提高会务信息推荐的效率和准确性。的效率和准确性。的效率和准确性。

Meeting information recommendation method in urban brain system

【技术实现步骤摘要】
城市大脑系统中的会务信息推荐方法


[0001]本专利技术涉及信息推荐
，尤其涉及一种在城市大脑系统中选择并推荐用户关心的各种会务信息的会务信息推荐方法。

技术介绍

[0002]随着各个城市为提高管理效率而构建的城市大脑系统的发展，城市大脑系统中需要存储及管理的公务、商务、培训班、论坛、演出等会务信息量和会务种类越来越多，城市大脑系统的用户往往需要花费大量的时间才能找到自己需要的会务信息。这种查询大量无关会务信息和数据的过程无疑会使用户耗费大量时间和精力，难以有效率地获得期望的会务信息。
[0003]个性化推荐是根据用户的兴趣特点向用户推荐用户感兴趣的数据信息的推荐方法，这种推荐方法可以通过分析用户的查询习惯、历史记录等数据，较为准确地向用户提供感兴趣的所需信息。但是，已有的会务信息推荐方法存在推荐的会务信息不精确的问题。

技术实现思路

[0004]本专利技术提供一种城市大脑系统中的会务信息推荐方法，其目的在于提供一种效率和精确性较高的会务信息推荐方法。
[0005]为实现上述目的，本专利技术提供的城市大脑系统中的会务信息推荐方法，包括：城市大脑系统的用户数据采集单元实时采集访问该城市大脑系统的各个用户计算节点的用户区别化数据；利用所述用户计算节点的机器学习模型对所述用户区别化数据进行处理，获取用户的个性化会务推荐信息；将所述个性化会务推荐信息发送给用户，并获取所述用户对所述个性化会务推荐信息的推送内容和推送时间的评价值；比较所述用户对所述个性化会务推荐信息的评价值和预设评价值，如果用户的评价值大于等于所述预设评价值，机器学习模型进行训练学习；如果用户的评价值小于预设评价值，训练机器学习模型再学习后，对实时收集的客户用户区别化数据进行处理，重新向用户继续推荐所述个性化会务推荐信息；将用户的识别信息、所述所述个性化会务推荐信息和所述评价值对应起来存储到用户推荐履历数据库中。
[0006]根据如上所述的本专利技术，能够提高会务信息推荐的效率和准确性。
附图说明
[0007]通过参考以下结合附图的说明及权利要求书的内容，并且随着对本专利技术的更全面理解，本专利技术的其它目的及结果将更加明白及易于理解。在附图中：
[0008]图1为本专利技术一实施例提供的城市大脑系统中的信息推荐方法的流程示意图。
[0009]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0010]下面，参照附图详细说明本专利技术涉及的城市大脑系统中的信息推荐方法。图1是本专利技术涉及的城市大脑系统中的信息推荐方法的流程图。
[0011]如图1所示，首先，在步骤S100，由城市大脑系统的用户数据采集单元实时采集访问该城市大脑系统的各个用户计算节点的用户区别化数据。
[0012]在此，通过用户数据采集单元实时采集的所述用户计算节点的用户区别化数据，是指收集的数据，也是指模型中的输入数据，也是指不同用户、不同场景特征的区分数据。
[0013]用户数据采集单元包括智能手机、移动数字终端、平板电脑、手环穿戴手表等等，通过智能手机、移动数字终端、平板电脑、手环穿戴手表获取所述用户区别化数据；用户区别化数据包括用户的日程信息、用户所在的环境信息、以及用户的单位特性信息等。
[0014]接着，在步骤S200，利用安装在所述用户计算节点的机器学习模型对所述用户区别化数据进行处理，获取用户的个性化会务推荐信息。
[0015]在此，步骤S200的处理可以是以下处理过程。先对所述用户区别化数据进行数值化处理，也就是对原始数据处理的过程，将收集到的数据处理成特征数据，将特征数据输入到机器学习模型中。然后，利用分类模型对数值化处理的用户区别化数据进行处理，获取推荐内容和推送时间；接着，利用回归模型对数值化处理的用户区别化数据进行进一步处理，获取所述推送时间的延时时间。
[0016]其中，例如，将时间序列(以日常行程为例)的用户区别化数据进行数值化。按时间分片对齐后，缺失值做高维映射，离散变量做独热编码，连续变量一部分做分箱处理，适当做特征工程提高便于模型收敛。
[0017]此外，分类模型对收集到的数据进行训练，输出的训练数据是应该向用户推荐内容以及推送时间。
[0018]而且，回归模型判断是否需要将推荐内容进行延迟推送，其中，推送时间与训练输出推荐内容的时间之间需要延迟多久，并在判定的时间点将推荐内容推荐给用户。
[0019]也就是说，分类模型判断训练出的内容是否应该进行推荐，判断为是之后，激活回归模型，回归模型再判断延迟多少秒以及将推荐内容进行推荐。
[0020]然后，在步骤S300，将所述个性化会务推荐信息推荐给用户，并获取用户对所述个性化会务推荐信息的推送内容和推送时间的评价值。
[0021]然后，在步骤S400，比较所述用户对所述个性化会务推荐信息的推送内容和推送时间的评价值和预设评价值，如果用户的评价值大于等于所述预设评价值，机器学习模型进行训练学习；如果用户的评价值小于预设评价值，训练机器学习模型再学习后，对实时收集的客户用户区别化数据进行处理，重新向用户继续推荐所述个性化会务推荐信息。
[0022]最后，在步骤S500，将用户的识别信息、所述所述个性化会务推荐信息和所述评价值对应起来存储到用户推荐履历数据库中。
[0023]在此，例如，用户计算节点可以设定为办公室的路由器，机器学习模型包括分类模型和回归模型，均设置在计算节点上的。机器学习模型在出厂之前已经将建立好的分类模型和回归模型进行预训练(初始化)，即：对模型初始化后，发送到用户的计算节点以便用户使用。
[0024]其中，分类模型的用于输出向用户推荐内容以及推送时间；回归模型的作用将推
荐内容进行延迟推送，其中，推送时间与训练输出推荐内容的时间之间需要延迟多久，并在判定的时间点将推荐内容推荐给用户。
[0025]收集到上述用户区别化数据之后，通过模型管理器对收集到的用户区别化数据进行预处理，将预处理后的数据输入到分类模型和回归模型中进行训练；训练后得出的训练结果就是给用户的推荐内容。
[0026]根据如上所述的本专利技术，利用机器学习模型对个性化会务推荐信息和用户反馈的评价值进行再学习，从而提高向用户推荐会务信息时的效率和精确度。
[0027]对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的精神或基本特征的情况下，能够以其他的具体形式实现本专利技术。
[0028]最后应说明的是，以上实施例仅用以说明本专利技术的技术方案而非限制，尽管参照较佳实施例对本专利技术进行了详细说明，本领域的普通技术人员应当理解，可以对本专利技术的技术方案进行修改或等同替换，而不脱离本专利技术技术方案的精神和范围。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市大脑系统中的会务信息推荐方法，其特征在于，包括以下步骤：城市大脑系统的用户数据采集单元实时采集访问该城市大脑系统的各个用户计算节点的用户区别化数据；利用所述用户计算节点的机器学习模型对所述用户区别化数据进行处理，获取用户的个性化会务推荐信息；将所述个性化会务推荐信息发送给用户，并获取所述用户对所述个性化会务推荐信息的推送内容和推送时间的评价值；比较...

【专利技术属性】
技术研发人员：董文雷，张军，李仲华，马云飞，宋扬，
申请(专利权)人：中天众达智慧城市科技有限公司，
类型：发明
国别省市：