[發明專利]應用功能個性化推薦方法和裝置

有效

• 申請號: 202010574579.8
• 申請日: 2020-06-22
• 公開（公告）號: CN111737576B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 黃煜輝;劉帥;黃琳莉
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F18/22
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王天堯;湯在彥

1.一種應用功能個性化推薦方法，其特征在于，包括：

獲取用戶行為數據、用戶靜態數據和業務系統功能清單數據；

對用戶行為數據、用戶靜態數據和業務系統功能清單數據進行預處理，確定預處理用戶行為數據、預處理用戶靜態數據和預處理業務系統功能清單數據；

根據預處理用戶行為數據，確定用戶行為-功能矩陣；

根據用戶行為-功能矩陣，確定用戶相似度推薦列表；

根據預處理用戶行為數據和預處理用戶靜態數據，確定入模數據；

根據入模數據，確定預測結果矩陣；

根據用戶相似度推薦列表和預測結果矩陣，確定功能推薦列表；

根據預處理業務系統功能清單數據和功能推薦列表，確定個性化應用功能清單；

根據預處理用戶行為數據，確定用戶行為-功能矩陣，包括：

利用時間衰減模型，對預處理用戶行為數據進行時間衰減，確定時間衰減后預處理用戶行為數據；

根據時間衰減后預處理用戶行為數據，構建用戶行為-功能矩陣；

確定時間衰減后預處理用戶行為數據：

其中，f(x_ij)為時間衰減后預處理用戶行為數據；T為點擊行為取值函數；t₀為第一次發生點擊行為的時間；k為衰減因子；t為當前時間；t_ij為i用戶最近一次點擊j功能模塊的時間；

按照如下方式，構建用戶行為-功能矩陣：

其中，C_u為用戶行為-功能矩陣，是一個n×m的矩陣，每一行表示用戶i點擊過的功能模塊，n表示用戶個數，m表示模塊的個數；c_ij表示用戶i每一次點擊模塊j得到的時間衰減后預處理用戶行為數據的和∑f(x_ij)；

根據用戶行為-功能矩陣，確定用戶相似度推薦列表，包括：

根據用戶行為-功能矩陣通過皮爾遜相關系數公式，計算兩兩用戶間的相似度，確定用戶相似度矩陣；

將用戶相似度矩陣按照相似度從大到小進行排序，確定用戶相似度矩陣排列；

按照設定選取數量從用戶相似度矩陣排列中的最大值開始選取用戶相似度矩陣，計算選取出的用戶相似度矩陣的用戶功能點擊情況，確定用戶相似度推薦列表。

2.如權利要求1所述的方法，其特征在于，對用戶行為數據、用戶靜態數據和業務系統功能清單數據進行預處理，確定預處理用戶行為數據、預處理用戶靜態數據和預處理業務系統功能清單數據，包括：

對用戶行為數據、用戶靜態數據進行預處理，剔除掉存在空值和不規范的數據，按照設定篩選規則篩選掉不符合建模需求的數據，確定預處理用戶行為數據和預處理用戶靜態數據；

對業務系統功能清單數據進行預處理，確定預處理業務系統功能清單數據；其中，所述預處理業務系統功能清單數據，包括：熱門功能列表和新功能清單。

3.如權利要求1所述的方法，其特征在于，根據預處理用戶行為數據和預處理用戶靜態數據，確定入模數據，包括：

根據預處理用戶行為數據和預處理用戶靜態數據，結合業務知識及工程經驗進行特征衍生及特征工程，確定入模數據。

4.如權利要求1所述的方法，其特征在于，根據入模數據，確定預測結果矩陣，包括：

將入模數據利用大數據分布式計算框架輸入到XGBOOST+LR算法模型中，確定預測結果矩陣。

5.如權利要求1所述的方法，其特征在于，根據用戶相似度推薦列表和預測結果矩陣，確定功能推薦列表，包括：

將用戶相似度推薦列表和預測結果矩陣通過LR模型進行訓練，確定加權系數；

利用加權系數對用戶相似度推薦列表和預測結果矩陣進行加權融合，確定用戶-功能概率矩陣；

將用戶-功能概率矩陣按照從大到小的順序進行排序，確定功能推薦列表。

6.如權利要求2所述的方法，其特征在于，根據預處理業務系統功能清單數據和功能推薦列表，確定個性化應用功能清單，包括：

按照設定推薦條件，從功能推薦列表、熱門功能列表和新功能清單中選取業務功能，建立個性化應用功能清單。