一种个性化推荐方法、系统及电子设备技术方案

本发明专利技术具体公开一种个性化推荐方法、系统及电子设备，本发明专利技术实现通过不同的预设阈值对用户不同搜索频率的词条的信息熵或条件熵进行约束，当信息熵或条件熵越高则证明当前的决策树模型所包含信息的不确定性越高，且当用户对某个个性化词条的搜索频率越高则对应的预设阈值越低，当信息熵或条件熵低于预设阈值时，服务器才完成决策树模型的建立，并通过决策树模型调用后台数据库的相关数据集合，即将信息熵或条件熵限制在更低的程度，实现给用户个性化推荐确定性更高、更完整、更清晰的数据，此设计可实现当用户搜索词条的频率不高时，提高预设阈值，降低数据剖析要求，降低了系统功耗，实现了低复杂度、高准确性、高完整性、高适用性的个性化推荐。用性的个性化推荐。用性的个性化推荐。

【技术实现步骤摘要】
一种个性化推荐方法、系统及电子设备


[0001]本专利技术属于个性化推荐方法领域，具体公开一种个性化推荐方法、系统及电子设备。

技术介绍

[0002]随着移动技术和5G网络的快速发展普及，在各个行业不断产生海量数据。随着数据的沉淀与积累，数据的研究和利用价值不断显现，用户在获取数据时的对于数据推荐的准确性、完整性需求也不断提高，因此，对用户进行个性化的推荐显得尤为重要，但是现阶段的个性化推荐方案，算法系统的复杂度也越来越高，系统运算压力越来越大，系统能耗也不断加大，对于用户不同的调用数据，往往需要建立不同的复杂算法来实现个性化推荐，个性化推荐过程亦可能因为算法和参数的设计偏差导致服务器推荐的数据不够准确、完整，现阶段的个性化推荐过程缺乏低运算复杂度、高准确性、高完整性、高适用性的个性化推荐。
[0003]因此，现有技术还有待于进一步发展和改进。

技术实现思路

[0004]针对现有技术的种种不足，为了解决上述问题，本专利技术提出一种低运算复杂度、高准确性、高完整性、高适用性的个性化推荐方法、系统及电子设备，本专利技术提供如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种个性化推荐方法，其特征在于，获取用户搜索数据，所述用户搜索数据包括用户搜索过的词条和搜索各词条的次数；根据用户的搜索过的词条和搜索各词条的次数构建用户个性化词条序列并将用户个性化词条序列中的词条按浏览次数多少由高到低依次排列并依照预设推荐优先级序列赋予对应预设优先级；服务器将用户的个性化词条序列的每个词条依照预设优先级依次作为根节点建立各决策树模型，服务器调用与各词条相关的特征属性集合并计算每个特征属性集合中的每个特征属性的信息熵，将信息熵最大的特征属性作为各决策树模型的第一层节点并计算第一层节点的信息熵是否大于预设阈值；当信息熵大于预设阈值时，服务器计算当前各特征属性集合中剩余的每个特征属性的信息增益，选择其中信息增益最大的特征属性作为各决策树模型的第二层节点，并计算第二层节点的条件熵，并判断此时的条件熵是否大于预设阈值，若条件熵仍大于预设阈值，再递归的使用各特征属性集合的剩余特征属性中信息增益最大的特征属性作为第三层节点，再递归的由信息增益进行构建各决策树模型的后续层节点并在构建完成每层节点后计算条件熵和信息增益，直到条件熵小于预设阈值，此时服务器停止建立后续层结点并根据建立好的各词条的决策树模型的各层节点的特征属性调用后台数据库的相关数据集合并将各词条的相关数据集合整理后推荐给用户。2.根据权利要求1所述的一种个性化推荐方法，其特征在于，所述预设推荐优先级序列包括：所述预设推荐优先级序列中的各推荐优先级按照推荐优先级大小从高到低依次排列。3.根据权利要求2所述的一种个性化推荐方法，其特征在于，所述方法还包括：所述预设阈值根据词条的推荐优先级的由高到低设置为由低到高的不同等级的预设阈值。4.根据权利要求1所述的一种个性化推荐方法，其特征在于，所述方法还包括：当任意时刻出现信息熵或者条件熵小于预设阈值的情况，服务器停止建立后续层结点并根据建立好的各层节点的特征属性调用数据集合并按照预设推荐优先级序列整理后推荐给用户。5.根据权利要求4所述的一种个性化推荐方法，其特征在于，所述根据建立好的各层节点的特征属性调用数据集合包括：服务器根据各决策树模型的建立好的各层节点的所有特征属性遍历后台数据库并调用相关数据后将相关数据整理为各个性化词条的数据集合。6.根据权利要求1所述的一种个性化推荐方法，其特征在于，所...

【专利技术属性】
技术研发人员：崔吉福，翟伟伟，孙蕾，李宗颜，宋文君，徐衍萍，
申请(专利权)人：青岛鹏海软件有限公司，
类型：发明
国别省市：