[發明專利]一種資源數據匹配推薦方法

在審

• 申請號: 202310680818.1
• 申請日: 2023-06-09
• 公開（公告）號: CN116610866A
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 陳佳;何欣
• 申請（專利權）人: 北京秒付科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F18/22;G06F40/216
• 代理公司: 安徽愛信德專利代理事務所(普通合伙) 34185
• 代理人: 諶丹

本發明公開了一種資源數據匹配推薦方法，屬于數據算法推薦技術領域。本發明通過獲取用戶需求數據與基礎數據，確定需求數據與基礎數據中包含的關鍵詞及關鍵詞的權重，將關鍵詞作為第一推薦資源并建立用戶模型，通過其他相似用戶的模型特征作為第二推薦資源，并將第一推薦資源、第二推薦資源的關鍵詞推演匹配形成第三推薦資源隨機推給用戶。本發明除了基于用戶的習慣、需求、歷史等數據提供準確的推薦資源外，還通過借鑒相似的用戶提供相似的資源，并且對兩者推薦資源的關鍵詞推演匹配，推演匹配出來的內容前瞻性地滿足客戶需求，克服了現有算法的封閉性與滯后性，先行激發用戶潛在需求，保證資源推薦質量以及用戶的滿意度。

技術領域

本發明屬于數據算法推薦技術領域，尤其涉及一種資源數據匹配推薦方法。

背景技術

隨著現代信息技術的發展，互聯網普及度日益提高，用戶能夠獲取的資源也越來越多，用戶很難從海量的資源(電影、音樂、金融產品、視頻、商品等)中快速地選擇出自己感興趣的資源。目前主要采用TF-IDF算法，此算法主要通過特征詞向量來描述文本特征，通過計算得到文本特征向量，通過計算向量之間的余弦相似度，得到文本相似度排序，隨后對文本進行相似推薦。這種方法的缺點是：需要用戶明確自己的需求，而且需要用戶主動檢索。為了高效率、快速、主動給用戶提供推薦信息，個性化推薦服務應運而生，個性化推薦服務首先會根據用戶行為數據進行相應的用戶行為偏好分析，常用的方法是通過用戶行為分析建立一個用戶偏好模型，將用戶的行為轉換為用戶的偏好。但是目前的用戶偏好模型太過封閉、偏執，開放性差且比較遲緩。比如用戶檢索或購買了商品A之后，不斷推薦商品A、商品A’,但此時用戶已不再需要商品A，而是可能需要與商品A關聯的商品C、商品D或者相關服務，而商品C、商品D不是用戶主動檢索的，但用戶看到時可能就激發了用戶的需求欲望。因此，為解決上述問題，提出一種資源數據匹配推薦方法。

發明內容

本發明的目的在于提供一種資源數據匹配推薦方法，旨在解決所述背景技術中現有推薦算法模型太過封閉、偏執，開放性差且比較遲緩的問題。為實現所述目的，本發明采用的技術方案是：一種資源數據匹配推薦方法，包括如下步驟：

S1：獲取用戶需求數據與基礎數據，確定需求數據與基礎數據中包含的關鍵詞及關鍵詞的權重，將關鍵詞作為第一推薦資源并建立用戶模型；

S2：獲取具備第一推薦資源的其他用戶的模型特征作為第二推薦資源；

S3：通過第一推薦資源、第二推薦資源的關鍵詞推演匹配得到第三推薦資源；

S4：將第一推薦資源、第二推薦資源以及第三推薦資源加入用戶模型并按比例向用戶推薦；

S5：根據用戶對推薦資源的點擊、停留時長確定新的第一推薦資源，對第一推薦資源、第二推薦資源以及第三推薦資源進行更新，并將初始的第一推薦資源至目前的第一推薦資源作為第四推薦資源，將第四推薦資源加入用戶模型中。

與現有推薦算法不同的是，本發明除了基于用戶的習慣、需求、歷史等數據提供準確的推薦資源外，還通過借鑒相似的用戶提供相似的資源，并且對兩者推薦資源的關鍵詞推演匹配，推演匹配出來的內容前瞻性地滿足客戶需求，克服了現有算法的封閉性與滯后性。

進一步的，S1中的用戶需求數據包括用戶輸入的文本、音頻、圖像以及歷史記錄的第四推薦資源。將音頻轉換為文本，計算文本中各詞語TF和IDF，將每個詞語的TF和IDF相乘得到該詞語的TF-IDF值作為各詞語的權重，以保證第一推薦資源的準確度。

對前述方案的進一步描述，用戶的基礎數據包括性別、年齡、行業、歷史記錄、主題、興趣內容等，其中年齡、歷史記錄、主題、興趣內容會根據用戶的使用情況、時長等改變。

進一步的，將步驟S5中的第四推薦資源提取加入用戶的基礎數據中，使基礎數據迭代更新，不斷對基礎數據反饋更新，減少推薦內容都遲滯性。