本发明属于大数据领域，更准确的讲，涉及一种基于用户特征推送服务的技术和系统。
背景技术：
目前，推荐系统在互联网已经有很多成功的案例。例如：根据用户的消费习惯、消费能力、兴趣爱好推送可能感兴趣的广告，根据用户的关注点自动定制特定的新闻频道，根据用户的兴趣与习惯相应的朋友圈。所涉及的技术也包括文本挖掘(text mining)、图像检索(image retrieval)、图分析(graph analysis)等。但是，这些技术应用在智慧城市服务推送上仍有以下缺陷：、
推送单一，缺乏关联性。例如：用户在网上浏览或购买过服装类产品，推荐系统就着重推荐服装广告，可能该用户在购入此类产品后，短期已不需要相似产品了；两个用户有很多相同的好友，推荐这两个用户互相加为好友，可能这两个用户有着截然不同的爱好和习惯。产生这个问题的很大原因在于数据的不完整性，在协同合作程度不高的前提下，很难跨领域获取另外行业或者公司的数据。目前所有的模型都是基于虚拟化数据。市民推荐服务大多是跟真实个体密切关联的，例如：及时提醒市民护照过期需续签、推荐市民的合理的就业信息、提供相符的买房租房信息、指导注册公司等一大堆手续问题。显然，这些推荐服务，很难通过虚拟数据来估计。因此，通过用户的真实数据(年龄、性别、住址、社保等)建模，辅以一定程度的虚拟数据，才能更准确的对智慧城市服务进行推荐。目前还没有此类技术。
技术实现要素：
本发明的目的是通过市民的真实数据，运用大数据技术，辅以虚拟数据， 建立一个综合的推荐系统，来给智慧城市市民推荐真实的市民服务。
本发明的技术要点如下：
1、多源异构数据的采集与融合：本发明着重考虑市民的真实数据，其中以市民卡、市民网手机端app为主导，整合市民的注册姓名、性别、年龄、住址、社保等真实信息，关联相应的虚拟账号，因此关注市民的虚拟行为，并采集虚拟数据。最后对真实数据与虚拟数据，进行异构处理，重新融合；
2、市民画像：主要根据市民的真实信息，辅以虚拟行为，对市民进行多重归类处理，并提取最有信息量的特征，给用户群体进行画像。每个群体有一种特征，每个市民对应多重类别，也相应对应多个特征。相同特征的市民更容易接受相似的市民服务。
3、市民服务推荐：基于跨领域的数据，计算更为复杂的相似性，推荐更为准确的市民服务。同时较传统的推荐系统，市民服务推荐有很强的时效性。因此，如果多名相同特征的市民选择了某一种城市服务，那么有针对性的给该市民推荐此服务。
附图说明
图1为本发明的流程图。
具体实施方式
参见图1，本发明的主要步骤如下：
步骤1：采集市民卡与市民网数据，其中市民卡为市民的注册信息，例如年龄、性别等；市民网主要通过手机app端获取，为市民的行为信息，例如近期比较关注工商注册；
步骤2：融合多源异构数据，形成智慧城市市民大数据；
步骤3：对市民进行人物画像；
步骤4：通过聚类分析，找出相似特征和行为的市民；
步骤5：根据聚类结果，对市民推送有价值的智慧城市服务。
最后所应说明的是，以上实施例仅用以说明而并非限制本发明所描述的技术方案；因此，尽管本说明书参照上述的实施例对本发明已进行了详细的说明，但是，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或者等同地替换；而一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围当中。