基于千人千面多纬度智能推荐算法集成系统及其方法技术方案

本发明专利技术公开了基于千人千面多纬度智能推荐算法集成系统及其方法，包括集成算法系统本体，集成算法系统本体包括内容推荐算法、协同过滤推荐算法、知识推荐算法、人口统计学推荐算法、人口建模推荐算法、集成控制模块、结果存储模块和结果输出模块，本发明专利技术该集成算法系统本体通过协同过滤推荐、内容推荐、知识推荐、人口统计学推荐和人口建模推荐对用户兴趣进行综合计算，实现起来比较简单，不需要复杂的算法和计算，很快可以实现商品的相关性，推荐结果容易被用户感知，用户行为很快被计算出来，从而实现推荐，结果可解释，很容易找到可解释的相关特征，新的商品也可以马上被准确推荐，提高推荐的时效性。提高推荐的时效性。提高推荐的时效性。

【技术实现步骤摘要】
基于千人千面多纬度智能推荐算法集成系统及其方法


[0001]本专利技术涉及智能推荐领域，具体为基于千人千面多纬度智能推荐算法集成系统及其方法。

技术介绍

[0002]“千人千面”很容易理解，即找到对的人，用对的形式送达对的信息，目前，互联网行业的快速发展，给我们带来了极大的便利，回顾整个互联网行业的发展历程，从PC时代到移动互联网时代，从移动互联网时代到IOT(物联网)时代，现在又即将从IOT时代迈入AT(人工智能)时代，这些飞速发展的背后，其实是对数据利用的巨大变革，当下，移动互联网技术和智能手机的发展，使得采集用户数据的能力变得空前强大，无时无刻，无所不在，拥有这些数据后，全行业的个性化智能推荐能力变得更加容易实现，不论是淘宝、京东，还是今日头条，无疑是这个时代的最大受益者，不同于个人电脑，手机这类私人专属物品是与其他人很难共用的，从而手机的型号，以及在手机上的浏览、交易等行为数据，就具有了极高的分析价值，从电商平台的角度来讲，个性化智能推荐的本质是根据不同的人群，将最有可能成交的商品优先推荐给相应的消费者，最大限度的提高购买转化率，促进用户购买下单，当然，对于淘宝这类电商平台来说，个性化智能推荐也能充分利用有限的广告位资源，将流量的价值最大化，随着用户个人数据的不断丰富，智能推荐能力也在逐步升级，从基础的千人一面逐渐演化到千人千面，为了达到智能推荐的目的，人们一般使用智能推荐算法集成系统以发挥智能推荐效益，达到整体优化的目的。
[0003]但是，传统的智能推荐算法集成系统存在以下缺点：
[0004](1)传统的智能推荐算法集成系统无法挖掘用户的潜在兴趣，分析特征有限，很难充分提取商品相关性，无法为新用户产生推荐，在用户行为较少时推荐不准确；
[0005](2)传统的智能推荐算法集成系统适合于用户量较小或者小于商品量的场景，如果用户量过大在计算用户间相似度上代价很大。时效性比较强，用户个性化不太明显的领域，当用户新行为产生后不一定导致结果的立刻变化。新用户入驻后产生少量行为后，不能立刻对他进行推荐。

技术实现思路

[0006]本专利技术的目的在于提供基于千人千面多纬度智能推荐算法集成系统及其方法，以解决上述
技术介绍
中提出的传统的智能推荐算法集成系统无法挖掘用户的潜在兴趣，分析特征有限，很难充分提取商品相关性，无法为新用户产生推荐，在用户行为较少时推荐不准确；传统的智能推荐算法集成系统适合于用户量较小或者小于商品量的场景，如果用户量过大在计算用户间相似度上代价很大。时效性比较强，用户个性化不太明显的领域，当用户新行为产生后不一定导致结果的立刻变化。新用户入驻后产生少量行为后，不能立刻对他进行推荐的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：基于千人千面多纬度智能推荐算法
集成系统，包括集成算法系统本体，所述集成算法系统本体包括内容推荐算法、协同过滤推荐算法、知识推荐算法、人口统计学推荐算法、人口建模推荐算法、集成控制模块、结果存储模块和结果输出模块，所述协同过滤推荐算法包括用户标识模块、物品标识模块、用户行为种类辨别模块、用户行为权重辨别模块、用户行为内容辨别模块、User
‑
based CF算法模块和tem
‑
based CF算法模块，所述内容推荐算法包括提取商品特征模块、特征计算模块、商品推荐模块、用户结果反馈模块和用户喜好更新模块，集成算法系统本体多次计算结果进行整理后输出并存储。
[0008]作为本专利技术的一种优选技术方案，所述用户行为内容辨别模块包括点评分值辨别单元和评论文本辨别单元，用户行为内容辨别模块对用户行为的内容比如点评的分值，评论的文本内容等进行辨别。
[0009]作为本专利技术的一种优选技术方案，所述用户行为权重辨别模块包括浏览时长辨别单元和购买频次辨别单元，用户行为权重辨别模块对用户行为的权重包括浏览时长，购买频次等进行辨别。
[0010]作为本专利技术的一种优选技术方案，所述用户行为种类辨别模块包括浏览辨别单元、点赞辨别单元、收藏辨别单元、加入购物车辨别单元和下单辨别单元，用户行为种类辨别模块对用户行为的种类包括浏览，点赞，收藏，加入购物车，下单等进行辨别。
[0011]作为本专利技术的一种优选技术方案，所述提取商品特征模块包括商品类目单元、商品属性单元、商品品牌单元、商品标签单元、商品标题单元、商品组合单元和商品评分单元，可以根据商品的一些特征比如类目，属性，品牌，标题，标签，商品组合，评分等因子进行提取。
[0012]本专利技术基于千人千面多纬度智能推荐算法集成系统的使用方法，包括以下步骤：
[0013]步骤一、设定算法参数：根据实际情况设定集成算法系统本体的算法参数；
[0014]步骤二、启动算法：集成算法系统本体启动；
[0015]步骤三、内容推荐计算：基于内容相关性构建商品模型推荐，利用内容本身的特征进行推荐。将商品相关的类目、品牌、商品属性、商品标题、商品标签等相似内容推荐给用户；
[0016]步骤四、协同过滤计算：通过用户行为分析，不断获取用户互动信息，是用户的推荐列表不断过滤掉自己不感兴趣或者不匹配的商品，让结果不断提升用户的满意度；
[0017]步骤五、人口建模计算：使用用户的基本信息，比如年龄、性别等，衡量用户的相似性，将与当前用户相似的其他用户所偏好的物品推荐给当前用户；
[0018]步骤六、人口统计学计算：根据用户基本数据信息进行推荐；
[0019]步骤七、知识推荐计算：例如房屋、汽车、金融服务甚至是昂贵的奢侈品，在这种情况下，推荐的过程中常常缺乏商品的评价，推荐过程是基于顾客的需求和商品描述之间的相似度，或是对特定用户的需求使用约束来进行的，它允许顾客明确地说出来他们想要什么，好像身边有个专属的顾问，对于买车、买房、金融理财产品他们能够根据用户的需求推荐合适的产品；
[0020]步骤八、结果整理输出存储：集成算法系统本体多次计算结果进行整理后输出并存储。
[0021]与现有技术相比，本专利技术的有益效果是：
[0022]1、该集成算法系统本体通过协同过滤推荐、内容推荐、知识推荐、人口统计学推荐和人口建模推荐对用户兴趣进行综合计算，实现起来比较简单，不需要复杂的算法和计算，很快可以实现商品的相关性，推荐结果容易被用户感知，用户行为很快被计算出来，从而实现推荐，结果可解释，很容易找到可解释的相关特征，新的商品也可以马上被准确推荐；
[0023]2、通过设置协同过滤推荐算法，满足用户个性化需求、丰富物品的推荐，用户一旦有了新的行为一定会导致推荐结果的变化，新用户行为发生变化将立刻向其推荐该物品相似的其他物品，提高推荐的时效性。
附图说明
[0024]图1为本专利技术集成算法系统本体的结构示意图；
[0025]图2为本专利技术协同过滤推荐算法的结构示意图；
[0026]图3为本专利技术用户行为内容辨别模块的结构示意图；
[0027]图4为本专利技术用户行为权重辨别模块的结构示意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于千人千面多纬度智能推荐算法集成系统，包括集成算法系统本体（1），其特征在于：所述集成算法系统本体（1）包括内容推荐算法（2）、协同过滤推荐算法（3）、知识推荐算法（4）、人口统计学推荐算法（5）、人口建模推荐算法（6）、集成控制模块（7）、结果存储模块（8）和结果输出模块（9），所述协同过滤推荐算法（3）包括用户标识模块（31）、物品标识模块（32）、用户行为种类辨别模块（33）、用户行为权重辨别模块（34）、用户行为内容辨别模块（35）、User
‑
based CF算法模块（36）和tem
‑
based CF算法模块（37），所述内容推荐算法（2）包括提取商品特征模块（21）、特征计算模块（22）、商品推荐模块（23）、用户结果反馈模块（24）和用户喜好更新模块（25）。2.根据权利要求1所述的基于千人千面多纬度智能推荐算法集成系统，其特征在于：所述用户行为内容辨别模块（35）包括点评分值辨别单元（351）和评论文本辨别单元（352）。3.根据权利要求1所述的基于千人千面多纬度智能推荐算法集成系统，其特征在于：所述用户行为权重辨别模块（34）包括浏览时长辨别单元（341）和购买频次辨别单元（342）。4.根据权利要求1所述的基于千人千面多纬度智能推荐算法集成系统，其特征在于：所述用户行为种类辨别模块（33）包括浏览辨别单元（331）、点赞辨别单元（332）、收藏辨别单元（333）、加入购物车辨别单元（334）和下单辨别单元（335）。5.根据权利要求1所述的基于千人千面多纬度智能推荐算法集成系统...

【专利技术属性】
技术研发人员：熊哲辉，
申请(专利权)人：深圳市云客派科技有限公司，
类型：发明
国别省市：