个性化信息推荐方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了个性化信息推荐方法、装置、计算机设备及存储介质。所述方法包括：获取金融数据；对所述金融数据进行分析处理，以得到数据标签化处理结果；对所述金融数据进行用户数据画像标签化处理，以得到画像标签化处理结果；对所述数据标签化处理结果以及所述画像标签化处理结果进行Feed流关联推荐，以得到推荐结果；输出所述推荐结果。通过实施本发明专利技术实施例的方法可实现提高个性化信息推荐的精度、效率和质量。效率和质量。效率和质量。

【技术实现步骤摘要】
个性化信息推荐方法、装置、计算机设备及存储介质


[0001]本专利技术涉及信息处理方法，更具体地说是指个性化信息推荐方法、装置、计算机设备及存储介质。

技术介绍

[0002]在金融领域，智能推荐系统得到越来越多的场景运用，主要提升信息推荐的效率和质量，以互联网技术、金融大数据技术、人工智能技术为基础，从而达到提高用户体验、提高效率、提高推荐质量、增强公司用户留存等目标。
[0003]目前的个性化信息推荐仅是根据用户的爱好执行信息推送，或者是根据对话的内容进行简要条件匹配后推送，无法进行高精度的个性化信息推荐。
[0004]因此，有必要设计一种新的方法，实现提高个性化信息推荐的精度、效率和质量。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺陷，提供个性化信息推荐方法、装置、计算机设备及存储介质。
[0006]为实现上述目的，本专利技术采用以下技术方案：个性化信息推荐方法，包括：
[0007]获取金融数据；
[0008]对所述金融数据进行分析处理，以得到数据标签化处理结果；
[0009]对所述金融数据进行用户数据画像标签化处理，以得到画像标签化处理结果；
[0010]对所述数据标签化处理结果以及所述画像标签化处理结果进行Feed流关联推荐，以得到推荐结果；
[0011]输出所述推荐结果。
[0012]其进一步技术方案为：所述金融数据包括Feed流内容数据以及用户数据。
[0013]其进一步技术方案为：所述对所述金融数据进行分析处理，以得到数据标签化处理结果，包括：
[0014]对所述金融数据进行分词和实体识别，以得到识别结果；
[0015]对所述识别结果进行金融事件抽取以及标签化处理，以得到抽取结果；
[0016]对所述抽取结果进行资讯聚类去重，以得到数据标签化处理结果。
[0017]其进一步技术方案为：所述对所述识别结果进行金融事件抽取以及标签化处理，以得到抽取结果，包括：
[0018]采用规则模板从所述识别结果中抽取事件，以得到第一抽取结果；
[0019]对所述第一抽取结果采用联合模型抽取金融事件，并进行标签化处理，以得到抽取结果。
[0020]其进一步技术方案为：所述对所述抽取结果进行资讯聚类去重，以得到数据标签化处理结果，包括：
[0021]对所述抽取结果中的文本资讯进行聚类去重处理；
[0022]将聚类报道的数量、采集渠道、版面位置、阅读页阅读量进行累加确定资讯热度，以得到数据标签化处理结果。
[0023]其进一步技术方案为：所述对所述数据标签化处理结果以及所述画像标签化处理结果进行Feed流关联推荐，以得到推荐结果，包括：
[0024]根据所述数据标签化处理结果以及所述画像标签化处理结果确定潜在Feed流信息推荐候选集合；
[0025]采用深度网络对Feed流潜在候选集的打分排序，以确定推荐结果。
[0026]其进一步技术方案为：所述根据所述数据标签化处理结果以及所述画像标签化处理结果确定潜在Feed流信息推荐候选集合，包括：
[0027]对所述数据标签化处理结果以及所述画像标签化处理结果的非结构化数据转化为文本；
[0028]对所述文本采用ES索引根据进行索引存储与检索，并利用当前用户的标签信息，采用ES索引工具对Feed流进行索引，以得到第一候选集；
[0029]对所述数据标签化处理结果以及所述画像标签化处理结果的结构化数据利用用户关注的板块、品种标签信息，查询相关板块品种的结构化库表，并形成行情图表类文档信息，以得到第二候选集；
[0030]整合所述第一候选集以及所述第二候选集，以得到潜在Feed流信息推荐候选集合。
[0031]本专利技术还提供了个性化信息推荐装置，包括：
[0032]数据获取单元，用于获取金融数据；
[0033]分析单元，用于对所述金融数据进行分析处理，以得到数据标签化处理结果；
[0034]处理单元，用于对所述金融数据进行用户数据画像标签化处理，以得到画像标签化处理结果；
[0035]推荐单元，用于对所述数据标签化处理结果以及所述画像标签化处理结果进行Feed流关联推荐，以得到推荐结果；
[0036]输出单元，用于输出所述推荐结果。
[0037]本专利技术还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
[0038]本专利技术还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
[0039]本专利技术与现有技术相比的有益效果是：本专利技术通过对获取的金融数据进行数据流标签化以及用户数据画像标签化处理，并进行Feed流关联推荐，实现提高个性化信息推荐的精度、效率和质量。
[0040]下面结合附图和具体实施例对本专利技术作进一步描述。
附图说明
[0041]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]图1为本专利技术实施例提供的个性化信息推荐方法的应用场景示意图；
[0043]图2为本专利技术实施例提供的个性化信息推荐方法的流程示意图；
[0044]图3为本专利技术实施例提供的个性化信息推荐方法的子流程示意图；
[0045]图4为本专利技术实施例提供的个性化信息推荐方法的子流程示意图；
[0046]图5为本专利技术实施例提供的个性化信息推荐方法的子流程示意图；
[0047]图6为本专利技术实施例提供的个性化信息推荐方法的子流程示意图；
[0048]图7为本专利技术实施例提供的个性化信息推荐方法的子流程示意图；
[0049]图8为本专利技术实施例提供的深度混合模型的示意图；
[0050]图9为本专利技术实施例提供的基于深度挛生网络模型的示意图；
[0051]图10为本专利技术实施例提供的基于距离阈值的Canopy聚类算法的示意图；
[0052]图11为本专利技术实施例提供的个性化信息推荐装置的示意性框图；
[0053]图12为本专利技术实施例提供的个性化信息推荐装置的分析单元的示意性框图；
[0054]图13为本专利技术实施例提供的个性化信息推荐装置的抽取子单元的示意性框图；
[0055]图14为本专利技术实施例提供的个性化信息推荐装置的去重子单元的示意性框图；
[0056]图15为本专利技术实施例提供的个性化信息推荐装置的推荐单元的示意性框图；
[0057]图16为本专利技术实施例提供的个性化信息推荐装置的候选集合确定子单元的示意性框图；
[0058]图17为本专利技术实施例提供的计算机设备的示意性框图。
具体实施方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.个性化信息推荐方法，其特征在于，包括：获取金融数据；对所述金融数据进行分析处理，以得到数据标签化处理结果；对所述金融数据进行用户数据画像标签化处理，以得到画像标签化处理结果；对所述数据标签化处理结果以及所述画像标签化处理结果进行Feed流关联推荐，以得到推荐结果；输出所述推荐结果。2.根据权利要求1所述的个性化信息推荐方法，其特征在于，所述金融数据包括Feed流内容数据以及用户数据。3.根据权利要求1所述的个性化信息推荐方法，其特征在于，所述对所述金融数据进行分析处理，以得到数据标签化处理结果，包括：对所述金融数据进行分词和实体识别，以得到识别结果；对所述识别结果进行金融事件抽取以及标签化处理，以得到抽取结果；对所述抽取结果进行资讯聚类去重，以得到数据标签化处理结果。4.根据权利要求3所述的个性化信息推荐方法，其特征在于，所述对所述识别结果进行金融事件抽取以及标签化处理，以得到抽取结果，包括：采用规则模板从所述识别结果中抽取事件，以得到第一抽取结果；对所述第一抽取结果采用联合模型抽取金融事件，并进行标签化处理，以得到抽取结果。5.根据权利要求3所述的个性化信息推荐方法，其特征在于，所述对所述抽取结果进行资讯聚类去重，以得到数据标签化处理结果，包括：对所述抽取结果中的文本资讯进行聚类去重处理；将聚类报道的数量、采集渠道、版面位置、阅读页阅读量进行累加确定资讯热度，以得到数据标签化处理结果。6.根据权利要求1所述的个性化信息推荐方法，其特征在于，所述对所述数据标签化处理结果以及所述画像标签化处理结果进行Feed流关联推荐，以得到推荐结果，包括：根据所述数据标签化处理结果以及所述画...

【专利技术属性】
技术研发人员：高鹏，康维鹏，袁兰，吴飞，周伟华，高峰，潘晶，
申请(专利权)人：杭州摸象大数据科技有限公司，
类型：发明
国别省市：