[發明專利]一種個性化推薦算法及終端

有效

• 申請號: 201810678309.4
• 申請日: 2018-06-27
• 公開（公告）號: CN108920596B
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 孔祥鳳;余虎;伍景潤;王亮;賴守義;劉志明
• 申請（專利權）人: 廣東億迅科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 李巍

本發明實施例公開了一種個性化推薦算法及終端，其中方法包括：獲取用戶標簽數據；根據所述用戶標簽數據確定產品的初始分值，并從初始分值高于第一預設分數的產品中挑選出預推薦產品；根據第一評價緯度以及第二評價緯度分別量化確定預推薦產品推薦分數；將推薦分數高于第二預設分數的預推薦產品作為最終推薦產品推薦給用戶。本發明實施例從不同的評價緯度對預推薦產品進行綜合性的歸一化評分，將推薦分數最高的產品推薦給用戶，保證所推薦的產品符合用戶需求，從而提高業務專業度和用戶滿意度。

技術領域

本發明涉及計算機應用技術領域，尤其涉及一種個性化推薦算法及終端。

背景技術

在信息化時代，有針對性地向用戶推薦其感興趣、符合需求的產品，對于企業和用戶的價值不言而喻。超過60％的Netflix用戶是通過系統的推薦找到自己感興趣的視頻和電影，而音樂電臺Pandora則通過給用戶提供反饋方式——喜歡、不喜歡和跳過以獲得用戶的興趣模型，再結合用戶的歷史交互行為來向用戶推薦相關的的歌單列表，力求符合用戶偏好。

系統向用戶進行推薦主要靠推薦方法來實現，推薦方法是整個推薦系統中最核心、最關鍵的部分，很大程度上決定了推薦系統性能的優劣。目前，推薦方法主要包括：基于內容推薦、協同過濾推薦、基于關聯規則推薦、基于效用推薦、基于知識推薦和組合推薦。雖然上述的推薦方法已經廣泛應用，但是仍面臨著很多問題，例如個性化推薦程度低、推薦靈活性差以及如何對新用戶進行推薦以及如何推薦新產品給用戶(冷啟動問題)等。

發明內容

本發明實施例提供一種個性化推薦算法及終端，以幫助用戶在海量的信息中快速發現真正所需的產品，提高用戶黏性。

第一方面，本發明實施例提供了一種個性化推薦算法，該方法包括：

獲取用戶標簽數據；

根據所述用戶標簽數據確定產品的初始分值，并從初始分值高于第一預設分數的產品中挑選出預推薦產品；

根據第一評價緯度確定所述預推薦產品的第一分數值，其中，所述第一評價緯度包括產品的緊急重要程度、企業價值以及用戶體驗三個方面；

根據第二評價緯度確定所述預推薦產品的第二分數值，其中，所述第二評價緯度為用戶互聯網行為數據；

根據第四評價緯度確定所述預推薦產品的第四分數值，所述第四評價緯度為產品的庫存；

根據所述預推薦產品的第一分數值、第二分數值確定所述預推薦產品的推薦分數；

將所述預推薦產品按推薦分數由高到低進行排序，獲得排序列表；

從排序列表中篩選出預設數量的預推薦產品作為推薦產品推薦給用戶。

第二方面，本發明實施例提供了一種終端，該終端包括:用于執行如第一方面所述的方法的單元。

第三方面，本發明實施例提供了另一種終端，該終端包括處理器、輸入設備、輸出設備和存儲器，所述處理器、輸入設備、輸出設備和存儲器相互連接，其中，所述存儲器用于存儲支持終端執行上述方法的應用程序代碼，所述處理器被配置用于執行上述第一方面的方法。

第四方面，本發明實施例提供了一種計算機可讀存儲介質，所述計算機存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行上述第一方面的方法。

與現有技術相比，本發明的有益效果包括：

本發明的算法融合產品的緊急程度、企業價值以及用戶體驗三個方面，對預推薦產品做全方面考量并量化打分，挑出最適合推薦給用戶的產品；

本發明的算法融合用戶上網的行為數據，追蹤用戶歷史的行為數據以及當前的行為數據，深度分析用戶對產品的偏好程度，從而可以根據用戶的偏好實時更新推薦結果；