一种适用于经营管理系统的引导性推荐方法及系统与流程

本发明涉及页面推荐，特别涉及一种适用于经营管理系统的引导性推荐方法及系统。

背景技术：

1、推荐系统是一种能够从海量信息中挖掘用户偏好，过滤无效信息，提高信息利用效率的信息过滤系统。随着信息技术和互联网的发展，电子商务、社交媒体、新闻、金融等各类行业采用推荐系统，向用户推送他们感兴趣的商品或内容，并给应用它的企业带来了丰厚的利润。

2、目前，银行的掌上行信息平台整合行内外数据资源，拥有全行海量经营管理信息，却尚未开发推荐系统，新用户难以快速适应系统，找到自身感兴趣、经营管理应当关注的内容，形成业务条线浏览逻辑。经营管理类平台需要有针对性的引导用户关注业务开展相关指标，常见电商平台、社交媒体等推荐系统主要是为用户推荐大量多样化、个性化的内容以及长尾物品，并不适用于经营管理类平台。

3、因此，有必要提供一种适用于经营管理系统的引导性推荐方法及系统，针对经营管理信息系统业务流程和用户特征，推荐合适的页面。

技术实现思路

1、本发明的目的在于提供一种适用于经营管理系统的引导性推荐方法及系统，针对经营管理信息系统业务流程和用户特征，推荐合适的页面。

2、为了解决现有技术中存在的问题，本发明提供了一种适用于经营管理系统的引导性推荐方法，包括以下步骤：

3、s1：采集掌上行各板块用户操作行为日志数据，根据所述日志数据和板块页面层级关系梳理用户浏览时的路径；

4、s2：根据日志数据和路径构建用户行为网络；

5、s3：根据用户行为网络进行特征处理，得到用户画像特征和页面基础特征，用户画像特征包括用户板块标签、重复路径相似度、周平均登录天数、访问路径相似度、用户组权限标签、科技人员标签以及用户类型标签，页面基础特征包括页面访问频次、页面停留时长、时间衰减系数、链路权重、终点权重以及页面层级；

6、s4：根据时间衰减系数建立评分卡模型，进行页面重要性评分，用于个性化推荐，建立评分卡模型的方式如下：

7、；

8、其中，score为页面重要性评分，为时间衰减系数；为特征参数，n为用户数，u为当前用户，m为页面数量，i为当前页面，为各特征参数的权重系数；

9、s5：根据用户类型标签筛选出各板块的优质用户，将页面的页面访问频次、页面停留时长、链路权重和终点权重输入tagbasedtfidf++推荐模型，以加权计算各板块内待推荐页面的评分，方式如下：

10、；

11、其中，为各板块内当前待推荐页面i的评分，b为特征数，b为当前特征；为当前页面i特征b的加权评分，为各特征参数的权重系数；

12、s6：根据评分卡模型进行便利性访问推荐，根据待推荐页面的评分为各板块优质用户进行推荐。

13、可选的，在所述的适用于经营管理系统的引导性推荐方法中，s1中，梳理用户浏览时的路径的方式如下：

14、将页面层级逐级细分，使第1级为系统入口页面，第2级为功能菜单页面，第3-6级为板块页面，第7级为下钻页面和/或内容页面；

15、当跳转页面的层级低于当前页面的层级时，视为从当前页面开始新的路径。

16、可选的，在所述的适用于经营管理系统的引导性推荐方法中，s1中还包括以下步骤：对采集的日志数据进行数据清洗。

17、可选的，在所述的适用于经营管理系统的引导性推荐方法中，s2中，所述用户行为网络包括两类实体和六类关联边，两类实体分别为用户节点和页面节点，六类关联边分别为用户浏览链路、页面下钻链路、页面板块所属、页面目录所属、用户页面浏览偏好度以及页面逻辑关系。

18、可选的，在所述的适用于经营管理系统的引导性推荐方法中，s4中，时间衰减系数的计算方式为：

19、；

20、其中，为时间衰减系数，为用户浏览行为的最新日期，为用户u浏览页面j的日期，为用户偏好程度；特征参数包括页面停留时长、终点权重、链路权重以及页面访问频次；对应特征参数的权重系数根据实际情况设置。

21、可选的，在所述的适用于经营管理系统的引导性推荐方法中，页面停留时长的权重系数为0.3，终点权重的权重系数为0.4，链路权重的权重系数为0.15，页面访问频次的权重系数为0.15。

22、可选的，在所述的适用于经营管理系统的引导性推荐方法中，s5中，根据用户类型标签筛选出各板块的优质用户的方式如下：

23、用户类型标签中将新用户标记为1，非常用用户标记为2，常用用户标记为3：高质量用户标记为4，选出标记大于等于3的用户为优质用户。

24、可选的，在所述的适用于经营管理系统的引导性推荐方法中，s5中，当前页面i特征b的加权评分的计算公式如下：

25、；

26、其中，为用户u对页面i的特征b的评分，为所有用户对页面i特征b的评分加权，n为用户u对页面i的浏览次数，为用户u对所有页面的特征b的评分加权，n为用户数，u为当前用户。

27、可选的，在所述的适用于经营管理系统的引导性推荐方法中，s5中，在得到待推荐页面的评分之后，还包括以下步骤：

28、根据评分将待推荐页面进行排序；

29、基于贪心算法的图链路模型对排序列表重新排序，形成多个关联链路组合，选取对应板块内top-n推荐列表作为结果推荐给优质用户。

30、可选的，在所述的适用于经营管理系统的引导性推荐方法中，基于贪心算法的图链路模型对排序列表重新排序，方式如下：

31、对页面下钻链路进行统计，按照跳转次数从大到小降序输出，取跳转次数最大值的始页面节点和终页面节点作为第一个关联链路组合；

32、第一个关联链路组合中将终页面节点作为起始点，寻找起始点的一度关联页面，从一度关联页面中取待推荐页面评分最高的页面作为第一个关联点；寻找第一个关联点的一度关联页面，从本次一度关联页面中取待推荐页面评分最高的页面作为第二个关联点，依次不断补充第三个关联点、……、第 k 个关联点，直至无法查找到新的一度关联页面，形成第一个关联链路组合；

33、去除第一个关联链路组合已取页面，找到待推荐页面评分最高的页面作为第二个关联链路组合的起始点，寻找起始点的一度关联页面，从一度关联页面

34、中取待推荐页面评分最高的页面作为第一个关联点；寻找第一个关联点的一度关联页面，从本次一度关联页面中取待推荐页面评分最高的页面作为第二个关联点，依次不断补充第三个关联点、……、第 k 个关联点，直至无法查找到新的一度关联页面，形成第二个关联链路组合；

35、不断重复第二个关联链路组合的步骤，得到第三个关联链路组合、第四个关联链路组合、……、第 h 个关联链路组合。

36、可选的，在所述的适用于经营管理系统的引导性推荐方法中，h个关联链路组合按照形成顺序排序，并组成推荐列表。

37、本发明还提供了一种适用于经营管理系统的引导性推荐系统，包括：

38、网络构建模块，配置为采集掌上行各板块用户操作行为日志数据，根据所述日志数据和板块页面层级关系梳理用户浏览时的路径；根据日志数据和路径构建用户行为网络；

39、特征加工模块，配置为根据用户行为网络进行特征处理，得到用户画像特征和页面基础特征，用户画像特征包括用户板块标签、重复路径相似度、周平均登录天数、访问路径相似度、用户组权限标签、科技人员标签以及用户类型标签，页面基础特征包括页面访问频次、页面停留时长、时间衰减系数、链路权重、终点权重以及页面层级；

40、模型构建模块，配置为构建评分卡模型和推荐模型；

41、根据时间衰减系数建立评分卡模型，进行页面重要性评分，用于个性化推荐，建立评分卡模型的方式如下：

42、；

43、其中，score为页面重要性评分，为时间衰减系数；为特征参数，n为用户数，u为当前用户，m为页面数量，i为当前页面，为各特征参数的权重系数；

44、根据用户类型标签筛选出各板块的优质用户，将页面的页面访问频次、页面停留时长、链路权重和终点权重输入tagbasedtfidf++推荐模型，以加权计算各板块内待推荐页面的评分，方式如下：

45、；

46、其中，为各板块内当前待推荐页面i的评分，b为特征数，b为当前特征；为当前页面i特征b的加权评分，为各特征参数的权重系数；

47、模型应用模块，配置为应用各模型，根据评分卡模型进行便利性访问推荐，根据待推荐页面的评分为各板块优质用户进行推荐。

48、在本发明所提供的适用于经营管理系统的引导性推荐方法及系统中，采用用户操作行为日志中的非结构化数据，挖掘高价值用户浏览行为网络，提炼重点浏览链路，并根据评分卡模型进行便利性访问推荐，根据待推荐页面的评分为各板块优质用户进行推荐，还解决了新用户冷启动和缺乏浏览逻辑性等问题，助力全行数据自服务与分析能力的提升。