基于大数据分析的智能推荐方法、装置、设备及存储介质与流程

本发明涉及智能推荐，尤其涉及一种基于大数据分析的智能推荐方法、装置、设备及存储介质。

背景技术：

1、随着互联网和移动互联网的普及，用户面临着越来越多的信息和选择。为了更好地满足用户需求，推荐系统应运而生。推荐系统是一种通过分析用户历史行为数据，预测用户兴趣偏好，并向用户推荐相关内容的系统。推荐系统广泛应用于电商、社交网络、新闻媒体、音乐、电影等领域。然而，传统的推荐系统还存在一些问题。例如容易出现过度推荐现象，即只向用户推荐相似的物品却忽略了用户的多样化需求，或是存在冷启动问题，即对于新用户或新物品，无法进行有效推荐。

2、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种基于大数据分析的智能推荐方法、装置、设备及存储介质，旨在解决现有推荐系统容易出现过度推荐现象以及存在冷启动无法进行有效推荐的技术问题。

2、为实现上述目的，本发明提供了一种基于大数据分析的智能推荐方法，包括：

3、基于预设数据源采集历史行为数据，并对所述历史行为数据进行预处理；

4、根据预设数据挖掘算法对预处理后的所述历史行为数据进行分析和挖掘，以获得用户行为偏好模型；

5、根据所述用户行为偏好模型确定初始推荐算法，并对所述初始推荐算法进行优化，以获得目标推荐算法；

6、根据所述目标推荐算法和所述历史行为数据获得推荐结果，并将所述推荐结果进行展示。

7、在一些实施例中，所述基于预设数据源采集历史行为数据，并对所述历史行为数据进行预处理，包括：

8、基于预设数据源采集用户的历史浏览信息、历史购买信息以及历史评分信息；

9、根据所述历史浏览信息、历史购买信息以及历史评分信息生成历史行为数据；

10、基于预设编程语言对所述历史行为数据进行数据清洗和预处理。

11、在一些实施例中，所述基于预设编程语言对所述历史行为数据进行数据清洗和预处理，包括：

12、基于python编程语言对所述历史行为数据进行缺失项处理，以剔除所述历史行为数据中属性类别项目缺失和评价字符数小于预设字符数的数据项，获得清洗后的数据集；

13、对所述清洗后的数据集提取电子资讯的评论信息；

14、对所述评论信息进行分词操作和词性标注操作，以实现对所述历史行为数据进行预处理。

15、在一些实施例中，所述根据预设数据挖掘算法对预处理后的所述历史行为数据进行分析和挖掘，以获得用户行为偏好模型，包括：

16、基于预设机器学习库获取若干预设数据挖掘算法；

17、从若干所述预设数据挖掘算法中确定预设k-means聚类算法；

18、根据所述预设k-means聚类算法对预处理后的所述历史行为数据进行分析和挖掘，以获得用户行为偏好模型。

19、在一些实施例中，所述根据所述用户行为偏好模型确定初始推荐算法，并对所述初始推荐算法进行优化，以获得目标推荐算法，包括：

20、获取若干预设推荐算法；

21、根据所述用户行为偏好模型从所述预设推荐算法中选取基于物品相似度的协同过滤算法；

22、对所述基于物品相似度的协同过滤算法进行优化，以获得优化后的协同过滤算法；

23、将所述优化后的协同过滤算法作为目标推荐算法。

24、在一些实施例中，所述对所述基于物品相似度的协同过滤算法进行优化，以获得优化后的协同过滤算法，包括：

25、确定矩阵分解的优化目标函数；

26、基于矩阵分解技术对所述基于物品相似度的协同过滤算法进行优化，以获得优化后的协同过滤算法。

27、在一些实施例中，所述根据所述目标推荐算法和所述历史行为数据获得推荐结果，并将所述推荐结果进行展示之后，还包括：

28、接收用户基于所述推荐结果反馈的评分信息和评论信息；

29、根据所述评分信息和评论信息更新优化所述目标推荐算法。

30、此外，为实现上述目的，本发明还提出一种基于大数据分析的智能推荐装置，包括：

31、采集模块，用于基于预设数据源采集历史行为数据，并对所述历史行为数据进行预处理；

32、挖掘模块，用于根据预设数据挖掘算法对预处理后的所述历史行为数据进行分析和挖掘，以获得用户行为偏好模型；

33、优化模块，用于根据所述用户行为偏好模型确定初始推荐算法，并对所述初始推荐算法进行优化，以获得目标推荐算法；

34、推荐模块，用于根据所述目标推荐算法和所述历史行为数据获得推荐结果，并将所述推荐结果进行展示。

35、此外，为实现上述目的，本发明还提出一种基于大数据分析的智能推荐设备，所述基于大数据分析的智能推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于大数据分析的智能推荐程序，所述基于大数据分析的智能推荐程序配置为实现如上文所述的基于大数据分析的智能推荐方法。

36、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质存储有基于大数据分析的智能推荐程序，所述基于大数据分析的智能推荐程序用于使处理器执行时实现如上文所述的基于大数据分析的智能推荐方法。

37、本发明通过基于预设数据源采集历史行为数据，并对所述历史行为数据进行预处理；根据预设数据挖掘算法对预处理后的所述历史行为数据进行分析和挖掘，以获得用户行为偏好模型；根据所述用户行为偏好模型确定初始推荐算法，并对所述初始推荐算法进行优化，以获得目标推荐算法；根据所述目标推荐算法和所述历史行为数据获得推荐结果，并将所述推荐结果进行展示。本发明中，对采集到的历史行为数据进行挖掘和分析，得到更能反映用户兴趣偏好的用户行为偏好模型，进而根据用户行为偏好模型去选择推荐算法并对推荐算法进行优化，得到更加准确的推荐结果，可以更好地了解用户兴趣偏好，从而提高推荐准确度和用户满意度。此外，对于新用户或新物品，优化后的目标推荐算法也可以有效推荐，解决了现有推荐系统容易出现过度推荐现象以及存在冷启动无法进行有效推荐的技术问题。

技术特征：

1.一种基于大数据分析的智能推荐方法，其特征在于，所述基于大数据分析的智能推荐方法，包括：

2.如权利要求1所述的基于大数据分析的智能推荐方法，其特征在于，所述基于预设数据源采集历史行为数据，并对所述历史行为数据进行预处理，包括：

3.如权利要求2所述的基于大数据分析的智能推荐方法，其特征在于，所述基于预设编程语言对所述历史行为数据进行数据清洗和预处理，包括：

4.如权利要求1所述的基于大数据分析的智能推荐方法，其特征在于，所述根据预设数据挖掘算法对预处理后的所述历史行为数据进行分析和挖掘，以获得用户行为偏好模型，包括：

5.如权利要求1所述的基于大数据分析的智能推荐方法，其特征在于，所述根据所述用户行为偏好模型确定初始推荐算法，并对所述初始推荐算法进行优化，以获得目标推荐算法，包括：

6.如权利要求5所述的基于大数据分析的智能推荐方法，其特征在于，所述对所述基于物品相似度的协同过滤算法进行优化，以获得优化后的协同过滤算法，包括：

7.如权利要求1至6中任一项所述的基于大数据分析的智能推荐方法，其特征在于，所述根据所述目标推荐算法和所述历史行为数据获得推荐结果，并将所述推荐结果进行展示之后，还包括：

8.一种基于大数据分析的智能推荐装置，其特征在于，包括：

9.一种基于大数据分析的智能推荐设备，其特征在于，所述基于大数据分析的智能推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于大数据分析的智能推荐程序，所述基于大数据分析的智能推荐程序配置为实现如权利要求1至7中任一项所述的基于大数据分析的智能推荐方法。

10.一种存储介质，其特征在于，所述存储介质存储有基于大数据分析的智能推荐程序，所述基于大数据分析的智能推荐程序用于使处理器执行时实现如权利要求1至7中任一项所述的基于大数据分析的智能推荐方法。

技术总结
本发明涉及智能推荐技术领域，公开了一种基于大数据分析的智能推荐方法、装置、设备及存储介质。该方法包括基于预设数据源采集历史行为数据并进行预处理；根据预设数据挖掘算法对预处理后的历史行为数据进行分析和挖掘获得用户行为偏好模型；根据用户行为偏好模型确定初始推荐算法并进行优化，获得目标推荐算法；根据目标推荐算法和历史行为数据获得推荐结果并进行展示。本发明中对历史行为数据进行挖掘分析，得到更能反映用户兴趣偏好的用户行为偏好模型，进而根据用户行为偏好模型去选择推荐算法并对其进行优化，最终得到更加准确的推荐结果，从而提高推荐准确度和用户满意度。对于新用户或新物品，优化后的目标推荐算法也能有效推荐。

技术研发人员：贾磊
受保护的技术使用者：武汉众智数字技术有限公司
技术研发日：
技术公布日：2024/1/15