[發明專利]一種AI智能推薦算法

在審

• 申請號: 202211663322.5
• 申請日: 2022-12-23
• 公開（公告）號: CN115905667A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 齊威然
• 申請（專利權）人: 江蘇萬家美居網絡科技有限公司
• 主分類號: G06F16/9532
• 分類號: G06F16/9532;G06F16/9535;G06F40/295;G06F40/284
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供了一種AI智能推薦算法，包括以下步驟：S1、基于用戶操作行為，建立用戶的推薦內容列表；S2、推薦內容列表展示預先構建的興趣詞，所述興趣詞是指各分類下的搜索頻率最高的檢索詞；S3、在所述推薦算法的搜索日志中查找各分類下的搜索頻率最高的檢索詞，形成檢索詞集合；通過運用tf?idf、相似度算法，構建起推薦系統的核心流程，算法設計符合邏輯，可推導性強。推薦方法基于用戶自身的瀏覽記錄進行推薦，在用戶量較少的內容系統中具有較好的推薦表現。創新的利用對數函數對時間和瀏覽量進行標準化處理，利用時間維度，在新聞等及時性要求較高的內容推薦系統中，提高推薦內容的有效性。

技術領域

本發明涉及一種推薦算法，具體為AI智能推薦算法，大數據和AI算法技術領域。

背景技術

在海量新聞資訊內容中，用戶容易受到“信息過載”和“信息迷航”問題的困擾；不同的推薦算法都有其優缺點，基于混合算法的智能推薦引擎系統可以通過多種算法模型，綜合相似度排序，將最優的用戶感興趣的內容資訊推薦給用戶，并過濾用戶不感興趣的內容。用戶行為習慣模型融合多種內容過濾方法和協同過濾方法的優點，通過大數據復合算法實現內容和用戶偏好匹配優化，用戶在觀看節目或新聞時可以獲得相應的個性化資訊內容推薦。在有大量數據的前提下，混合模型的推薦結果更好。目前，本技術領域亟需解決如何實現內容和用戶偏好更好的匹配優化，將最優的用戶感興趣的內容資訊推薦給用戶，并過濾用戶不感興趣內容的技術問題。

然而目前主流的推薦系統在面對新用戶時，由于沒有歷史數據作為推薦依據而帶來的“冷啟動”問題也讓用戶體驗比較差，而且用戶的閱讀興趣或學習偏好的數據也是隨時間而不斷變化，如何比較好的解決推薦系統的冷啟動問題并且隨時根據用戶的偏好變化而調整推薦結果也是一個研究和應用的熱點話題。

隨著互聯網的進一步普及，基于大數據處理分析得到的數據在教育領域也得到了一定的延伸，給予AI(人工智能)的“智慧教育”也同樣成為了教育信息化發展的最新愿景。在大數據時代，數據即是財富，如何充分挖掘學習者的行為記錄并向用戶進行推薦成為關鍵，建立推薦系統，通過分析歷史數據來對學習者可能感興趣或者需求的方面進行預測，主動提供適合用戶的信息，幫助用戶在海量的學習資料中快速定位自己的需求，為此，提出一種AI智能推薦算法。

發明內容

有鑒于此，本發明希望提供一種AI智能推薦算法，以解決或緩解現有技術中存在的技術問題，至少提供一種有益的選擇。

本發明實施例的技術方案是這樣實現的：一種AI智能推薦算法，包括以下步驟：

S1、基于用戶操作行為，建立用戶的推薦內容列表；

S2、推薦內容列表展示預先構建的興趣詞，所述興趣詞是指各分類下的搜索頻率最高的檢索詞；

S3、在所述推薦算法的搜索日志中查找各分類下的搜索頻率最高的檢索詞，形成檢索詞集合；

S4、利用一個用戶過去喜歡或不喜歡的內容的特征數據，來學習出此用戶的喜好特征；通過比較得到的用戶的喜好特征與候選內容的特征；

S5、在各網絡云服務器中根據關鍵詞篩選出相關性數據；并采用k-means聚類算法或者基于層次的聚類分析算法，對篩選出的相關性數據進行檢索分類；

S6、按照檢索分類對所述各個用戶的所述檢索詞進行降序排列，為此用戶智能推薦一組相關性最大的內容。

進一步優選的：所述步驟S1中，操作行為獲取所述興趣詞對應的相關數據信息，根據對所述相關數據信息的操作行為更新推薦模型，并通過更新后的所述推薦模型提供推薦數據。

進一步優選的：所述步驟S2中，根據對所述興趣詞的操作行為獲取所述興趣詞對應的相關數據信息。

進一步優選的：所述步驟S3中，將篩選后的所述檢索詞作為興趣詞存儲在所述用戶的興趣詞數據中。

進一步優選的：所述步驟S4中，還包括對于視頻內容，通過向量空間模型表示，將內容表示成一個關鍵詞向量，關鍵字包括標簽、導演、演員、類型、時長；