[發明專利]基于大數據的下載推薦系統及方法

有效

• 申請號: 202110552226.2
• 申請日: 2021-05-20
• 公開（公告）號: CN113268663B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 呂奶鳳
• 申請（專利權）人: 蘇州魚得水電氣科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F18/22;G06Q50/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于大數據的下載推薦系統，其特征在于，所述推薦系統包括聊天輸入采集模塊、標識識別模塊、文字監測模塊和分析推薦模塊，所述聊天輸入采集模塊用于獲取用戶的聊天輸入信息，所述聊天輸入信息包括聊天對象和輸入文字，所述標識識別模塊獲取預設的聊天對象的聊天標識，所述聊天標識包括第一標識和第二標識，在聊天標識為第一標識時，令文字監測模塊工作，在聊天標識為第二標識時，令文字監測模塊停止工作；所述文字監測模塊將輸入文字與用戶表情包庫里面的表情包進行匹配，如果用戶表情包庫里存在表情包與輸入文字相匹配，向用戶推送表情包，其中，用戶表情包庫為用于存儲用戶收藏的表情包，在用戶表情包庫里不存在表情包與輸入文字相匹配時，令分析推薦模塊采集用戶歷史使用表情包，根據歷史使用表情包的相關信息推薦下載表情包；

所述推薦系統還包括標識設置模塊，所述標識設置模塊包括第一聊天記錄獲取模塊、發送信息采集模塊、標識綜合值計算模塊和標識綜合值比較模塊，所述第一聊天記錄獲取模塊用于獲取用戶與聊天對象在預設第一時間段內的聊天記錄，所述發送信息采集模塊用于統計用戶在該聊天記錄中發送信息給聊天對象的條數M以及發送信息的內容中包括表情包的條數p、獲取相鄰兩個表情包之間間隔的發送信息的條數，所述標識綜合值計算模塊根據發送信息采集模塊采集到的數據計算聊天對象的標識綜合值，對各個數據進行歸一化處理得到處理值Qi=(Ni-Nmin)/(Nmax-Nmin)，其中，Ni表示第i個表情包與其相鄰的第i+1個表情包之間間隔的發送信息的條數N1、N2、…、Np-1，Qi表示第i個條數的歸一化處理得到的處理值，計算條數N1、N2、…、Np-1所對應的處理值的平均值Qx,?Nmin為條數N1、N2、…、Np-1中的最小值，Nmax為條數N1、N2、…、Np-1中的最大值，所述標識綜合值比較模塊將標識綜合值與標識綜合閾值進行比較，在標識綜合值小于標識綜合閾值，設置該聊天對象的聊天標識為第一標識，在標識綜合值大于等于標識綜合閾值時，設置該聊天對象的聊天標識為第二標識?,

那么標識綜合值U=0.68*(1-p/M)+0.32*Qx,

所述分析推薦模塊包括主體對象選取模塊、候選表情包選取模塊、待推薦表情包選取模塊和識別下載模塊，所述主體對象選取模塊包括參考表情包選取模塊、相似度比較模塊和優選表情包選取模塊，所述參考表情包選取模塊采集用戶最近一段時間所使用的表情包，并從中篩選出包含文字的表情包為參考表情包，所述相似度比較模塊獲取各個參考表情包的主體對象，比較兩兩參考表情包的主體對象的相似度，在相似度大于等于第一相似度閾值時，這兩個參考表情包互為彼此的相近表情包，所述優選表情包選取模塊統計每個參考表情包的相近表情包的個數，將參考表情包按照其相近表情包的個數從大到小的順序進行排序，選取排序前三的表情包為優選表情包，并獲取優選表情包的主體對象，所述候選表情包選取模塊在網上搜索與輸入文字相匹配的表情包，并對其進行篩選，篩選出主體對象為優選表情包的主體對象的表情包為候選表情包，所述待推薦表情包選取模塊包括文字高度寬度采集模塊、文字個數采集模塊、綜合參照值計算模塊和綜合參照值排序模塊，所述文字高度寬度采集模塊采集各個參考表情包和各個候選表情包中單個文字的高度H和寬度K以及與文字的高度相對應的參考表情包的邊長D，與文字的寬度相對應的參考表情包的邊長E，文字參照值F=H/D+K/E，統計所有參考表情包的文字參照值的平均值F₀，所述文字個數采集模塊統計各個參考表情包中的文字個數以及各個候選表情包中的文字個數G_x，統計所有參考表情包的文字個數平均值G₀，所述綜合參照值計算模塊根據文字參照值F、文字參照值的平均值F₀、各個候選表情包中的文字個數G_x和文字個數平均值G₀計算各個候選表情包的綜合參照值W_x，所述綜合參照值排序模塊將各個候選表情包的綜合參照值按照從小到大的順序排序，選取排序前五的表情包為待推薦表情包，所述識別下載模塊獲取用戶選取的待推薦表情包，下載該待推薦表情包，并將其存入用戶表情包庫；

所述計算各個候選表情包的綜合參照值Wx包括：

Wx=|Fx-F0|/F0+|Gx-G0|/G0，其中，Fx為候選表情包的文字參照值。

2.一種基于大數據的下載推薦方法，其特征在于，包括以下步驟：

步驟S1：獲取用戶的聊天輸入信息，所述聊天輸入信息包括聊天對象和輸入文字；

步驟S2：獲取預設的聊天對象的聊天標識，所述聊天標識包括第一標識和第二標識，當聊天標識為第一標識時，開啟輸入文字監測，轉步驟S3；當聊天標識為第二標識時，關閉輸入文字監測；

步驟S3：將輸入文字與用戶表情包庫里面的表情包進行匹配，如果用戶表情包庫里存在表情包與輸入文字相匹配，向用戶推送該表情包，否則，轉步驟S4，其中，用戶表情包庫用于存儲用戶收藏的表情包；

步驟S4：采集用戶歷史使用表情包，根據歷史使用表情包的相關信息推薦下載表情包；

所述預設的聊天對象的聊天標識包括：

采集用戶與聊天對象在預設第一時間段內的聊天記錄，統計用戶在該聊天記錄中發送信息給聊天對象的條數M以及發送信息的內容中包括表情包的條數p,

依次分別獲取相鄰兩個表情包之間間隔的發送信息的條數N₁、N₂、…、N_p-1,對各個數據進行歸一化處理得到處理值Q_i=(N_i-N_min)/(N_max-N_min)，其中，N_i表示第i個表情包與其相鄰的第i+1個表情包之間間隔的發送信息的條數，Q_i表示第i個條數的歸一化處理得到的處理值，計算條數N₁、N₂、…、N_p-1所對應的處理值的平均值Q_x,?N_min為條數N₁、N₂、…、N_p-1中的最小值，N_max為條數N₁、N₂、…、N_p-1中的最大值,

那么標識綜合值U=0.68*(1-p/M)+0.32*Q_x,

如果標識綜合值小于標識綜合閾值，設置該聊天對象的聊天標識為第一標識，否則，設置該聊天對象的聊天標識為第二標識；

所述步驟S4進一步包括：

采集用戶最近一段時間所使用的表情包，并從中篩選出包含文字的表情包為參考表情包，分別獲取各個參考表情包的主體對象，比較兩兩參考表情包的主體對象的相似度，當相似度大于等于第一相似度閾值時，這兩個參考表情包互為彼此的相近表情包，統計每個參考表情包的相近表情包的個數，將參考表情包按照其相近表情包的個數從大到小的順序進行排序，選取排序前三的表情包為優選表情包，并獲取優選表情包的主體對象，

在網上搜索與輸入文字相匹配的表情包，并對其進行篩選，篩選出主體對象為優選表情包的主體對象的表情包為候選表情包；

采集優選表情包的信息，并據此從候選表情包中選出待推薦表情包，將待推薦表情包推送給用戶；

所述據此從候選表情包中選出待推薦表情包包括以下：

分別采集各個參考表情包和各個候選表情包中單個文字的高度H和寬度K以及與文字的高度相對應的參考表情包的邊長D，與文字的寬度相對應的參考表情包的邊長E，文字參照值F=H/D+K/E，統計所有參考表情包的文字參照值的平均值F₀；

分別統計各個參考表情包中的文字個數以及各個候選表情包中的文字個數G_x，統計所有參考表情包的文字個數平均值G₀，

根據文字參照值F、文字參照值的平均值F₀、各個候選表情包中的文字個數G_x和文字個數平均值G₀計算各個候選表情包的綜合參照值W_x，

將各個候選表情包的綜合參照值按照從小到大的順序排序，選取排序前五的表情包為待推薦表情包；

所述計算各個候選表情包的綜合參照值W_x包括：

W_x=|F_x-F₀|/F₀+|G_x-G₀|/G₀，其中，F_x為候選表情包的文字參照值；

所述下載推薦方法還包括：

獲取用戶選取的待推薦表情包，下載該待推薦表情包，并將其存入用戶表情包庫。