基于多源数据融合的智能推荐方法技术

本发明专利技术公开了基于多源数据融合的智能推荐方法，基于数据挖掘、数据融合和数学建模方法，利用客户画像的数字化建模方法和客户分类方法，构建基于层次化的客户特征分析框架，研究多源数据融合下面向客户意图的推荐方法，对客户特征和购买行为之间的关联性进行分析，支持客户线上和线下数据融合，基于推测多线程技术，实现推荐算法在分布式平台上的加速执行；本发明专利技术研究多源数据融合下面向客户意图的推荐方法，实现老客户分类，精准投放、深度挖掘；精准目标客户获取、自动筛选意向客户，为企业快速、低成本地获取优质商机提供支持。低成本地获取优质商机提供支持。低成本地获取优质商机提供支持。

【技术实现步骤摘要】
基于多源数据融合的智能推荐方法


[0001]本专利技术属于互联网数据
，具体涉及基于多源数据融合的智能推荐方法。

技术介绍

[0002]随着互联网的飞速发展和大数据时代的到来，数据呈爆发式增长，作为国民经济发展的重要引擎，数字经济已成为继农业经济、工业经济之后的主要经济形态，将迎来爆发式增长。企业要享受数字经济的红利，数字化转型是核心驱动力。
[0003]据IDC统计，2020年全球数据存量将增长至44ZB，2025年高达160ZB。这为我们提供了便捷的同时，也带来了一定的困扰，主要体现在：一是数据过载，这就要求提供大量或大容量的存储设备来跟进存储；二是如何在众多数据中找到客户真正有用、需要的信息。如何帮助客户高效地在浩瀚的网络资源中找到有用的信息，提高效用性价比，成为普遍关注的热点和亟待解决的问题。推荐方法为解决此问题开辟了新思路，也为企业数字化转型提供了有力工具。如何融合线上数据和线下数据，从而提升推荐方法的效率成为亟待的研究热点。
[0004]目前的推荐方法数据来源大多数是线上数据，而缺乏线下数据的融合，而家具企业的老客户数据多是线下的，因此现有的针对家具企业的推荐方法缺乏老客户数据的融合，很难满足家具企业的需求，基于上述研究内容和预期目标，亟待解决的关键科学问题提炼如下：（1）客户特征与购买行为之间关联性分析在客户购买产品的应用场景中，客户对产品是否感兴趣会体现在购买与不购买、购买次数、购买产品数量上等，受到其心理的影响，而心理会影响客户的意图，即决定客户会如何购买。如何基于客户特征，依据客户购买产品记录，分析客户购买行为，进而分析客户心理和意图，从而实现产品的精准推荐。因此，对客户特征和购买行为之间的关联性进行分析，是一个亟需解决的关键科学问题；（2）准确、高效的数据融合方法对企业产品的访问，客户可以通过线下实体店观看、询问价格、订货、购买，也可以通过线上平台浏览，订货、评论等，因此产生了线上线下数据的分离，导致客户信息的不完善。如何实现企业数字化营销，首先亟需解决的问题就是如何融合线上线下数据，使客户数据维度、数量上足够大，能够利用数据挖掘出客户的潜在意图。因此，构建一个支持客户线上和线下数据融合方法成为搭建智能推荐方法的前提，是另一个关键科学问题；（3）算法的并行化效果随着移动互联网和社交网络的快速发展，用户的行为特征呈现出动态性和随机性，使用静态的用户特征已经满足不了社交网络场景中实时推荐的需求。此外，为提升推荐方法执行效率，离不开推荐方法并行化，特别是，当前的推荐算法包含多个模块，模块间存在复杂的依赖关系，且算法执行的数据呈现高维度、异构等特征，传统的并行化方法（OpenMP、MPI、TBB、OpenCL、CUDA 等）多采用保守的方法解决依赖问题，即采用同步或通信
来序列化存在依赖关系的并发单位（线程或者进程），导致算法的并行化效果不佳。因此，缺乏对推荐算法潜在并行性进行挖掘的研究。

技术实现思路

[0005]有鉴于此，为解决上述现有技术的不足，本专利技术的目的在于提供了一种基于多源数据融合的智能推荐方法，基于数据挖掘、数据融合和数学建模方法，利用客户画像的数字化建模方法和客户分类方法，研究多源数据融合下面向客户意图的推荐方法，对客户特征和购买行为之间的关联性进行分析，实现老客户分类，精准投放、深度挖掘；支持客户线上和线下数据融合，精准目标客户获取、自动筛选意向客户，为企业快速、低成本地获取优质商机提供支持。
[0006]为实现上述目的，本专利技术所采用的技术方案是：基于多源数据融合的智能推荐方法，包括以下步骤：S1：研究购买产品的客户特征分析，构建基于客户购买产品价格和的聚类分析方法，设定客户的类别标签；S2：在线上平台上设定槽位，采用多平台引流方法，实现客户多源数据的融合；S3：基于客户现有特征信息，构建客户的精确画像，分析客户意图，建立针对客户意图的智能推荐方法；S4：研究在Numba上部署推测函数库，运用分布式平台Spark实现推荐算法的推测并行化。
[0007]进一步的，所述步骤S1包括以下步骤：S11：建立层次化特征分析框架；S12：客户特征分析层：基于层次化的客户特征分析框架和半监督聚类方法。
[0008]进一步的，所述步骤 S11 中，所述层次化特征分析框架包括 6层，即客户特征分析层、客户聚类分析层、数据融合层、推荐算法层、推荐算法并行化层和推荐列表层；其中，所述客户特征分析层包括个人特征和社交网络，所述用户特征分析层包括购买商品的类别、次数和金额，所述推荐算法层为目标客户的兴趣模型，所述推荐列表层为推荐列表。
[0009]进一步的，在客户特征分析层，提取客户的特征信息；在客户聚类分析层，研究基于客户现有特征的聚类分析方法将客户归属分类；在数据融合层，研究基于企业家现有线上平台，记录客户访问线上平台留下的特征信息，将同一客户的线上线下特征融合；在推荐方法层，根据客户特征，基于心理学分析方法，以目标客户意图为导向，采用网络众包方法反馈众包客户的兴趣点，构建目标客户的兴趣模型。
[0010]进一步的，所述客户归属分类包括：政府顾客、常来客户、偶尔客户和熟悉客户。
[0011]进一步的，所述步骤S12包括：A1：针对企业家私产品的销售场景，分析已购买企业产品的客户（C）特征，提取出现有特征记录中有价值的六个特征，客户姓名（N）、性别（S）、年龄（A）、送货地址（L）、产品列表（L）、产品价格（P）；C=<N,S,A,L,L,P>；（1）A2：采用统计学分析方法，基于客户的特征，构建基于现有特征的聚类分析方法，完成相似客户的聚类，最终确定出客户的类别信息。
[0012]进一步的，所述步骤S2包括：S21：基于客户现有特征，根据企业数字化营销中亟需达成的目标，在线上平台上设定亟需的特征槽位，在客户访问线上平台时，捕获新特征信息，补充客户特征信息，采用多平台引流方法，实现客户多源数据的融合；S22:数据融合层：利用客户的关键特征的唯一性，融合线上、线下平台客户特征数据，并基于数据分析和清洗技术，实现客户特征数据的统一化。
[0013]进一步的，所述步骤S3包括以下步骤：S31：基于客户现有特征信息，利用网络爬虫捕获的或第三方分析公司提供的行业分析数据，进行客户细粒度画像的构建；S32：推荐算法层：基于客户细粒度画像的智能推测算法。
[0014]进一步的，所述步骤S32 包括：A1：基于客户细粒度画像和目标产品之间关联信息，设计推荐算法的输入参数和课题聚类、计算评分、计算客户间相似度和产品排序模块；A2：基于算法分析和设计理论，完成推荐算法的设计与实现。
[0015]进一步的，所述步骤S4包括以下步骤：S41：控制流程图的生成；S42：推荐算法推测并行化层：基于算法分析和推测多线程技术。
[0016]本专利技术的有益效果是：本专利技术的基于多源数据融合的智能推荐方法，基于数据挖掘、数据融合和数学建模等方法，探索利用客户画像的数字化建模方法和客户分类方法，研究多源数据融合下面向客户意图的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多源数据融合的智能推荐方法，其特征在于，所述方法包括如下步骤：S1：研究购买产品的客户特征分析，构建基于客户购买产品价格和的聚类分析方法，设定客户的类别标签；S2：在线上平台上设定槽位，采用多平台引流方法，实现客户多源数据的融合；S3：基于客户现有特征信息，构建客户的精确画像，分析客户意图，建立针对客户意图的智能推荐方法；S4：研究在Numba上部署推测函数库，运用分布式平台Spark实现推荐算法的推测并行化。2.如权利要求1所述的基于多源数据融合的智能推荐方法，其特征在于，所述步骤S1包括以下步骤：S11：建立层次化特征分析框架；S12：客户特征分析层：基于层次化的客户特征分析框架和半监督聚类方法。3.如权利要求1所述的基于多源数据融合的智能推荐方法，其特征在于，所述步骤 S11 中，所述层次化特征分析框架包括 6层，即客户特征分析层、客户聚类分析层、数据融合层、推荐算法层、推荐算法并行化层和推荐列表层；其中，所述客户特征分析层包括个人特征和社交网络，所述用户特征分析层包括购买商品的类别、次数和金额，所述推荐算法层为目标客户的兴趣模型，所述推荐列表层为推荐列表。4.如权利要求1所述的基于多源数据融合的智能推荐方法，其特征在于，在客户特征分析层，提取客户的特征信息；在客户聚类分析层，研究基于客户现有特征的聚类分析方法将客户归属分类；在数据融合层，研究基于企业家现有线上平台，记录客户访问线上平台留下的特征信息，将同一客户的线上线下特征融合；在推荐方法层，根据客户特征，基于心理学分析方法，以目标客户意图为导向，采用网络众包方法反馈众包客户的兴趣点，构建目标客户的兴趣模型。5.如权利要求1所述的基于多源数据融合的智能推荐方法，其特征在于，所述客户归属分类包括：政府顾客、常来客户、偶尔客户和熟悉客户。6.如权利要求1所述的基于多源数据融合的智能推荐方法，其特征在于，所述步骤S1...

【专利技术属性】
技术研发人员：李玉祥，徐新天，黄剑雄，陈江，荆军昌，黄帅娜，常亚楠，张丽丽，
申请(专利权)人：广东联邦家私集团有限公司，
类型：发明
国别省市：