[發(fā)明專利]根據(jù)用戶行為和用戶畫像構(gòu)建推薦引擎的方法

在審

• 申請?zhí)枺?/td>: 201911416982.1
• 申請日: 2019-12-31
• 公開（公告）號: CN111159561A
• 公開（公告）日: 2020-05-15
• 發(fā)明（設(shè)計）人: 李昭;陳浩;高靖;崔巖;盧述奇;陳呈;張宵
• 申請（專利權(quán)）人: 青梧桐有限責(zé)任公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9537;G06Q30/06;G06Q50/12
• 代理公司: 北京晟睿智杰知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11603
• 代理人: 于淼

1.一種根據(jù)用戶行為和用戶畫像構(gòu)建推薦引擎的方法，其特征在于，包括步驟：

采集用戶信息以及房源信息；

所述用戶信息包括用戶行為信息，統(tǒng)計預(yù)設(shè)時期內(nèi)的所述用戶行為信息的類型和各類型對應(yīng)的所述用戶行為的操作頻率，預(yù)設(shè)頻率閾值，所述用戶行為的操作頻率大于各類型對應(yīng)所述頻率閾值時，所述用戶行為信息包括有效用戶行為信息；其中，所述用戶行為信息的類型包括用戶瀏覽網(wǎng)頁信息和用戶租住時長；

所述用戶信息還包括用戶畫像信息，所述用戶畫像信息包括用戶消費信息和用戶偏好信息；所述房源信息根據(jù)所述有效用戶行為信息劃分為實時用戶行為信息和歷史用戶行為信息；將所述實時用戶行為信息進行審查和校驗，根據(jù)分布式流處理開源框架實時進入在線數(shù)據(jù)庫；將所述歷史用戶行為信息生成日志，并將所述日志通過Spark框架計算引擎批量入離線數(shù)據(jù)倉庫；所述在線數(shù)據(jù)庫和所述離線數(shù)據(jù)倉庫生成第一召回數(shù)據(jù)源；

所述房源信息根據(jù)所述用戶畫像信息召回，通過離線數(shù)據(jù)倉庫內(nèi)置的光盤、以及通過LBS進行篩選得到第二召回數(shù)據(jù)源；

將所述第一召回數(shù)據(jù)源和所述第二召回數(shù)據(jù)源根據(jù)LBS服務(wù)做價值匹配和地段特征匹配，得到相應(yīng)的匹配度，依據(jù)所述匹配度依次從高到低排序生成第一推薦數(shù)據(jù)源；

將所述第一推薦數(shù)據(jù)源通過Spark分布式框架進行特征工程處理并進行評分得到第二推薦數(shù)據(jù)源；

將所述第二推薦數(shù)據(jù)源訓(xùn)練得到排序模型；

將所述房源信息輸入到所述排序模型，得到所述房源信息的評分排序情況；

設(shè)置評分閾值，所述房源信息的評分大于所述評分閾值的所述房源為第一推薦房源；

同時依據(jù)房主需求生成第二推薦房源；

根據(jù)所述第一推薦房源和所述第二推薦房源構(gòu)建推薦引擎。

2.根據(jù)權(quán)利要求1所述的一種根據(jù)用戶行為和用戶畫像構(gòu)建推薦引擎的方法，其特征在于，通過線上、線下以及電銷的方式采集所述用戶信息。

3.根據(jù)權(quán)利要求1所述的一種根據(jù)用戶行為和用戶畫像構(gòu)建推薦引擎的方法，其特征在于，所述第一推薦房源的數(shù)量大于所述第二推薦房源的數(shù)量。

4.根據(jù)權(quán)利要求3所述的一種根據(jù)用戶行為和用戶畫像構(gòu)建推薦引擎的方法，其特征在于，所述第一推薦房源的數(shù)量與所述第二推薦房源的數(shù)量的比值為5∶1。

5.根據(jù)權(quán)利要求1所述的一種根據(jù)用戶行為和用戶畫像構(gòu)建推薦引擎的方法，其特征在于，所述特征工程處理包括將所述第一推薦數(shù)據(jù)源依次通過匯聚、提煉加工、篩選以及補全得到所述第二推薦數(shù)據(jù)源。

6.根據(jù)權(quán)利要求1所述的一種根據(jù)用戶行為和用戶畫像構(gòu)建推薦引擎的方法，其特征在于，所述將所述房源信息輸入到所述排序模型，得到所述房源信息的評分排序情況包括：將所述房源信息進行權(quán)重刻畫，根據(jù)所述房源信息的稀疏性和交易屬性對區(qū)域、房態(tài)等場景做深度的劃分，得到所述房源信息的評分排序情況。

7.根據(jù)權(quán)利要求1所述的一種根據(jù)用戶行為和用戶畫像構(gòu)建推薦引擎的方法，其特征在于，所述推薦引擎中還包括熱點房源。