本发明涉及用户偏好画像，特别是指一种家具风格智能推荐系统及方法。

背景技术：

1、用户偏好画像技术领域涉及对用户基础信息、行为数据、兴趣特征、选择倾向和场景需求等内容进行采集、整理、标注和建模的计算机信息处理领域，该技术领域通常用于电子商务、内容推荐、家居设计、智能导购和个性化服务等行业，以支持系统对用户需求特征进行识别、分类和匹配。其中，传统家具风格智能推荐系统是指面向家具风格选择场景，依据用户浏览、选择、收藏、购买、评价和主动输入等信息，对家具风格数据、用户偏好数据和场景需求数据进行组织处理，为用户提供家具风格相关推荐信息的计算机系统。

2、传统家具风格推荐系统多依据用户行为记录和主动输入信息集中生成推荐结果，用户行为与家具风格特征之间的对应关系缺少可追溯的数据基础，历史偏好容易直接作用于当前推荐过程，当前场景需求对候选家具风格的约束不足，候选结果的输出、过滤或重排缺少统一判断依据，交互反馈难以反映至后续推荐过程，导致家具风格推荐信息与用户当前选择倾向产生偏离。

技术实现思路

1、本发明的目的在于提供一种家具风格智能推荐系统及方法，通过对用户偏好相关数据、家具风格层级标签、当前场景需求数据和交互反馈进行关联处理，使用户行为与家具风格特征之间形成可追溯的数据关系，并使家具风格推荐过程能够结合当前场景需求和反馈校正结果进行推荐信息生成。

2、为实现上述目的，本发明采用如下技术方案：

3、一种家具风格智能推荐系统，包括用户偏好事件采集模块、家具风格特征库、用户偏好画像生成模块、场景需求约束模块、推荐匹配模块和反馈校正模块：

4、所述用户偏好事件采集模块用于采集用户偏好相关数据，并将所述用户偏好相关数据转换为偏好事件数据，所述偏好事件数据包含行为属性信息。所述用户偏好画像生成模块用于读取所述家具风格特征库中的家具风格层级标签，并将所述偏好事件数据与所述家具风格层级标签进行映射，得到映射结果。所述用户偏好画像生成模块还用于根据所述映射结果生成用户偏好画像，所述场景需求约束模块用于获取当前场景需求数据，并将所述当前场景需求数据转换为场景约束数据。所述推荐匹配模块用于根据所述用户偏好画像生成候选家具风格集合，当所述候选家具风格集合中的候选项与所述场景约束数据形成约束匹配关系时，输出家具风格推荐信息，当所述候选家具风格集合中的候选项与所述场景约束数据未形成约束匹配关系时，过滤或重排所述候选家具风格集合。所述反馈校正模块用于采集针对所述家具风格推荐信息的交互反馈，并根据所述交互反馈校正所述用户偏好画像或推荐排序依据，得到更新后的家具风格推荐信息。

5、进一步地，所述用户偏好相关数据的采集过程包括，所述用户偏好事件采集模块接收用户在家具风格选择过程中的交互数据和输入数据，将所述交互数据按照产生时间写入用户行为记录，将所述输入数据按照输入字段写入用户需求记录，并将所述用户行为记录和所述用户需求记录按照同一用户标识进行关联，形成所述用户偏好相关数据。

6、进一步地，将所述用户偏好相关数据转换为所述偏好事件数据的过程包括，从所述用户行为记录中提取行为发生时间、行为作用对象和行为来源，从所述用户需求记录中提取需求输入内容和需求对应场景，将所述行为发生时间、所述行为作用对象、所述行为来源、所述需求输入内容和所述需求对应场景写入同一事件记录，当所述事件记录具有所述行为作用对象或所述需求对应场景时，将所述事件记录确定为所述偏好事件数据，当所述事件记录缺少所述行为作用对象且缺少所述需求对应场景时，停止将所述事件记录写入所述偏好事件数据。

7、进一步地，所述偏好事件数据与所述家具风格层级标签进行映射的过程包括，当所述偏好事件数据具有所述行为作用对象时，读取所述家具风格特征库中与所述行为作用对象对应的对象标签，并将所述对象标签按照风格层级关系拆分为主风格标签和从属风格标签；当所述偏好事件数据缺少所述行为作用对象且具有所述需求对应场景时，读取所述家具风格特征库中与所述需求对应场景对应的场景标签，并将所述场景标签按照风格层级关系拆分为主风格标签和从属风格标签；当所述偏好事件数据具有所述行为来源时，将所述主风格标签与所述行为来源建立第一映射关系，当所述偏好事件数据缺少所述行为来源且具有所述需求对应场景时，将所述主风格标签与所述需求对应场景建立第一映射关系；当所述偏好事件数据具有所述需求对应场景时，将所述从属风格标签与所述需求对应场景建立第二映射关系，当所述偏好事件数据缺少所述需求对应场景且具有所述行为作用对象时，将所述从属风格标签与所述行为作用对象建立第二映射关系；将所述第一映射关系和所述第二映射关系合并为所述映射结果。

8、进一步地，所述家具风格特征库按照所述家具风格层级标签存储家具风格数据，所述家具风格层级标签具有风格主类标签、风格属性标签和场景适配标签。所述用户偏好画像生成模块在读取所述家具风格层级标签时，先按照所述风格主类标签确定候选标签范围，再按照所述风格属性标签和所述场景适配标签对所述候选标签范围进行收缩，并将收缩后的所述候选标签范围作为与所述偏好事件数据进行映射的标签范围。

9、进一步地，所述用户偏好画像生成模块根据所述映射结果生成所述用户偏好画像的过程包括，按照所述偏好事件数据中的所述行为属性信息确定所述映射结果对应的行为属性类别，将同一用户标识下属于相同的所述家具风格层级标签的所述映射结果进行归集，依据所述行为属性类别对归集后的所述映射结果设置画像权重，并将所述家具风格层级标签和所述画像权重写入同一画像记录，形成所述用户偏好画像。

10、进一步地，所述场景约束数据的生成过程包括，获取所述当前场景需求数据中的空间用途信息和风格限制信息，将所述空间用途信息转换为场景适配约束，将所述风格限制信息转换为风格排除约束，将所述场景适配约束和所述风格排除约束写入同一场景约束记录，并将所述场景约束记录作为约束所述候选家具风格集合的所述场景约束数据。

11、进一步地，所述推荐匹配模块根据所述用户偏好画像生成所述候选家具风格集合的过程包括，按照所述用户偏好画像中的画像权重对所述家具风格层级标签进行排序，将排序靠前的所述家具风格层级标签作为候选召回标签，根据所述候选召回标签从所述家具风格特征库中提取对应的家具风格数据，形成所述候选家具风格集合。所述推荐匹配模块将所述候选家具风格集合中的所述候选项与所述场景约束数据逐项比较，当所述候选项对应的所述家具风格层级标签满足所述场景约束数据中的约束条件时，将所述候选项确定为可输出对象，当所述候选项对应的所述家具风格层级标签不满足所述场景约束数据中的约束条件时，将所述候选项确定为待处理对象，并对所述待处理对象执行过滤或重排。

12、进一步地，所述反馈校正模块采集针对所述家具风格推荐信息的所述交互反馈，根据所述交互反馈校正所述用户偏好画像或所述推荐排序依据的过程包括，记录用户针对所述家具风格推荐信息产生的选择结果，将所述选择结果与所述可输出对象对应的所述家具风格层级标签进行关联，形成反馈关联记录；当所述反馈关联记录与所述用户偏好画像中的所述家具风格层级标签一致时，按照所述反馈关联记录更新所述推荐排序依据，当所述反馈关联记录与所述用户偏好画像中的所述家具风格层级标签不一致时，按照所述反馈关联记录校正所述用户偏好画像，并依据校正后的所述用户偏好画像，生成更新后的家具风格推荐信息。

13、进一步地，提供了一种家具风格智能推荐方法，该方法应用于家具风格智能推荐系统，包括以下步骤：

14、s1：采集用户偏好相关数据，并将用户偏好相关数据转换为偏好事件数据，所述偏好事件数据包含行为属性信息；

15、s2：读取家具风格特征库中的家具风格层级标签，并将所述偏好事件数据与所述家具风格层级标签进行映射，得到映射结果；

16、s3：根据所述映射结果生成用户偏好画像，获取当前场景需求数据，并将所述当前场景需求数据转换为场景约束数据；

17、s4：根据所述用户偏好画像生成候选家具风格集合，当所述候选家具风格集合中的候选项与所述场景约束数据形成约束匹配关系时，输出家具风格推荐信息，当所述候选家具风格集合中的候选项与所述场景约束数据未形成约束匹配关系时，过滤或重排所述候选家具风格集合；

18、s5：采集针对所述家具风格推荐信息的交互反馈，并根据所述交互反馈校正所述用户偏好画像或由推荐匹配过程形成的推荐排序依据，得到更新后的家具风格推荐信息。

19、本发明实施例提供的技术方案带来的有益效果至少包括：

20、通过用户偏好相关数据形成携带行为属性信息的偏好事件数据，并依据偏好事件数据与家具风格层级标签的映射结果生成用户偏好画像，使用户行为与家具风格特征之间建立可追溯的关联基础。按照当前场景需求数据形成场景约束数据，并将场景约束数据作用于候选家具风格集合，使历史偏好对推荐结果的影响受到当前场景需求约束。依据候选项与场景约束数据之间的约束匹配关系输出，过滤或重排候选家具风格集合，使家具风格推荐信息与当前场景条件相对应。根据交互反馈校正用户偏好画像或推荐排序依据，使后续推荐过程反映已发生的用户反馈，减少家具风格推荐信息与用户当前选择倾向之间的偏离。