[發明專利]一種基于用戶數據推薦信息的方法及系統

在審

• 申請號: 202110621987.9
• 申請日: 2021-06-04
• 公開（公告）號: CN113076488A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 姚娟娟;樊代明;鐘南山
• 申請（專利權）人: 明品云（北京）數據科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/284;G06F40/126;G06K9/62;G06N3/04
• 代理公司: 上海漢之律師事務所 31378
• 代理人: 馬婷婷

1.一種基于用戶數據推薦信息的方法，其特征在于，包括：

獲取承載有用戶數據的文本，通過預設的關鍵詞對所述文本進行分析，獲取預算特征向量和性狀特征向量；

對所述預算特征向量和所述性狀特征向量進行融合處理，獲取融合向量；

將多個用戶所對應的融合向量分別載入到特征矩陣中；

將所述特征矩陣輸入到第一神經網絡中進行訓練，獲取推薦模型；

通過所述推薦模型預測待處理的文本，獲取推薦信息。

2.根據權利要求1所述的基于用戶數據推薦信息的方法，其特征在于，通過預設的關鍵詞對所述文本進行分析的步驟包括：

預設的關鍵詞包括第一關鍵詞和第二關鍵詞，其中，所述第一關鍵詞與用戶的預算信息關聯，所述第二關鍵詞與用戶的性狀信息關聯；

通過所述第一關鍵詞確定所述文本中與預算信息關聯的第一語句，并通過所述第二關鍵詞確定所述文本中與性狀信息關聯的第二語句；

分別對所述第一語句和所述第二語句進行向量化，獲取所述預算特征向量和所述性狀特征向量。

3.根據權利要求2所述的基于用戶數據推薦信息的方法，其特征在于，分別對所述第一語句和所述第二語句進行向量化，獲取所述預算特征向量和所述性狀特征向量的步驟包括：

通過語料庫獲取所述第一語句和所述第二語句的單詞的編碼；

通過所述第一語句和所述第二語句的單詞的編碼分別獲取第一語句矩陣和第二語句矩陣；

將所述第一語句矩陣和所述第二語句矩陣分別輸入第二神經網絡中；

將所述第一語句矩陣和所述第二語句矩陣分別通過一個或者多個尺寸的卷積核進行卷積，獲取一個或者多個尺寸的特征圖；

對一個或者多個尺寸的所述特征圖分別進行池化處理并進行拼接，獲取所述預算特征向量和所述性狀特征向量。

4.根據權利要求3所述的基于用戶數據推薦信息的方法，其特征在于，所述第二神經網絡包括：用于處理所述第一語句矩陣的第二一子神經網絡和用于處理所述第二語句矩陣的第二二子神經網絡；

所述第二一子神經網絡和所述第二二子神經網絡都包括：輸入層、卷積層、池化層和輸出層。

5.根據權利要求1所述的基于用戶數據推薦信息的方法，其特征在于，所述第一神經網絡包括輸入層、全連接層和輸出層，且所述輸出層的激活函數包括sigmoid函數。

6.根據權利要求1或者5所述的基于用戶數據推薦信息的方法，其特征在于，將所述特征矩陣輸入到第一神經網絡中進行訓練，獲取推薦模型的步驟包括：

獲取所述特征矩陣以及預設的推薦信息模版；

將所述特征矩陣輸入到所述第一神經網絡中獲取預測值，將所述預測值和所述推薦信息模版對應；

通過迭代訓練所述第一神經網絡，當所述預測值與所述推薦信息模版的對應的準確率或者召回率達到或者超過設定值時，獲取推薦模型。

7.根據權利要求2所述的基于用戶數據推薦信息的方法，其特征在于，推薦信息模版包括消費等級子模版和干預效果子模版，其中，所述消費等級子模版的種類有m種，所述干預效果子模版的種類有n種，所述推薦信息模版的種類有m×n種，其中，m和n均為正整數。

8.一種基于用戶數據推薦信息的系統，其特征在于，包括：

預處理模塊，用于獲取承載有用戶數據的文本，通過預設的關鍵詞對所述文本進行分析，獲取預算特征向量和性狀特征向量，對所述預算特征向量和所述性狀特征向量進行融合處理，獲取融合向量；

模型模塊，用于將多個用戶所對應的融合向量分別載入到特征矩陣中，將所述特征矩陣輸入到第一神經網絡中進行訓練，獲取推薦模型；

處理模塊，用于通過所述推薦模型預測待處理的文本，獲取推薦信息；

所述預處理模塊、所述模型模塊以及所述處理模塊信號連接。