一种基于用户图谱的数据推荐方法技术

本发明专利技术公开了一种基于用户图谱的数据推荐方法，属于大数据分析及推荐方法领域；其包括步骤1：根据用户行为对应的标签和标签对应的内容构建用户图谱，将用户图谱存储至推荐数据库；步骤2：根据用户图谱构建、训练至少两个推荐模型，将已训练的推荐模型存储至推荐数据库；步骤3：用户再次行为时根据环境特征和用户图谱从推荐数据库中选择一个推荐模型进行更新，根据更新后的推荐模型进行内容推荐；本发明专利技术解决了现有推荐方法无法随用户特征改变实时更新推荐内容和推荐内容匹配度不佳的问题，达到了快速匹配推荐内容、实时更新推荐内容和提高推荐内容匹配度的效果。

A Data Recommendation Method Based on User Map

\u672c\u53d1\u660e\u516c\u5f00\u4e86\u4e00\u79cd\u57fa\u4e8e\u7528\u6237\u56fe\u8c31\u7684\u6570\u636e\u63a8\u8350\u65b9\u6cd5\uff0c\u5c5e\u4e8e\u5927\u6570\u636e\u5206\u6790\u53ca\u63a8\u8350\u65b9\u6cd5\u9886\u57df\uff1b\u5176\u5305\u62ec\u6b65\u9aa41\uff1a\u6839\u636e\u7528\u6237\u884c\u4e3a\u5bf9\u5e94\u7684\u6807\u7b7e\u548c\u6807\u7b7e\u5bf9\u5e94\u7684\u5185\u5bb9\u6784\u5efa\u7528\u6237\u56fe\u8c31\uff0c\u5c06\u7528\u6237\u56fe\u8c31\u5b58\u50a8\u81f3\u63a8\u8350\u6570\u636e\u5e93\uff1b\u6b65\u9aa42\uff1a\u6839\u636e\u7528\u6237\u56fe\u8c31\u6784\u5efa\u3001\u8bad\u7ec3\u81f3\u5c11\u4e24\u4e2a\u63a8\u8350\u6a21\u578b\uff0c\u5c06\u5df2\u8bad\u7ec3\u7684\u63a8\u8350\u6a21\u578b Step 3: When the user acts again, a recommendation model is selected from the recommendation database to update according to the environment characteristics and user atlas, and content recommendation is made according to the updated recommendation model. The invention solves the problem that the existing recommendation method can not update the recommendation content in real time and the matching degree of the recommendation content is not good with the user characteristics, and achieves rapid matching. Effectiveness of matching recommendation content, real-time updating recommendation content and improving matching degree of recommendation content.

【技术实现步骤摘要】
一种基于用户图谱的数据推荐方法
本专利技术属于大数据分析及推荐方法领域，尤其是一种基于用户图谱的数据推荐方法。
技术介绍
随着互联网技术的发展，海量信息时代已经来临，各类信息充斥于互联网，然而每个人感兴趣的信息只是其中很少的一部分，寻找感兴趣的资讯变得越来越困难。目前的推荐技术主要分为两大类：基于内容的推荐技术和基于协同过滤的推荐技术；基于内容的推荐技术是查询与用户喜欢或关注过的文章的内容相似的文章，根据兴趣进行信息推荐；基于协同过滤的推荐技术是查询与用户具有相似兴趣的其他用户，把这些其他用户喜欢或关注过的信息推荐给该用户。虽然，现有技术通过推荐，用户可以避免从海量信息中寻找自己感兴趣的信息耗时长的缺点，但是用户兴趣更改时，需要重新进行推荐时，需要重新进行用户兴趣捕获，重新从海量信息库中进行推荐，耗时长；现有信息种类繁多，采用现有方式进行推荐，推荐内容定位不准，导致推荐效果不佳；因此，需要一种推荐方法可以实现根据用户的环境特征等实时更新推荐内容和提高推荐内容的匹配度。
技术实现思路
本专利技术的目的在于：本专利技术提供了一种基于用户图谱的数据推荐方法,解决了现有推荐方法无法随用户特征改变实时更新推荐内容和推荐内容匹配度不佳的问题。本专利技术采用的技术方案如下：一种基于用户图谱的数据推荐方法，包括如下步骤：步骤1：根据用户行为对应的标签和标签对应的内容构建用户图谱，将用户图谱存储至推荐数据库；步骤2：根据用户图谱构建、训练至少两个推荐模型，将已训练的推荐模型存储至推荐数据库；步骤3：用户再次行为时根据环境特征和用户图谱从推荐数据库中选择一个推荐模型进行更新，根据更新后的推荐模型进行内容推荐。优选地，所述步骤1包括如下步骤：步骤1.1：根据用户行为提取行为特征，根据行为特征记录用户标签和用户标签对应的内容；步骤1.2：将用户作为用户图谱的主节点，用户标签作为用户图谱的第一级从节点，将用户标签对应内容作为第一级从节点的子节点，完成构建用户图谱；步骤1.3：将用户图谱存储至推荐数据库。优选地，所述步骤2包括如下步骤：步骤2.1：建立至少两个推荐模型；步骤2.2：将用户图谱的主节点和第一级从节点作为测试数据输入推荐模型，将用户图谱的第一级从节点的子节点的作为测试数据的输出训练推荐模型，获取推荐模型输入输出的映射关系；步骤2.3：将已训练的推荐模型储存至推荐数据库。优选地，所述推荐模型包括监督学习模型和/或深度学习模型和/或协同过滤模型。优选地，所述步骤3包括如下步骤：步骤3.1：用户再次行为时，判断行为对应的标签是否改变，若改变，则跳至步骤3.2；若未改变，则选择推荐数据库中的一个推荐模型进行推荐；步骤3.2：根据改变的用户行为记录新用户标签和新用户标签对应的内容，并根据标签及其内容构建新用户图谱，将新用户图谱存储至推荐数据库；步骤3.3：检测用户环境获取环境特征，基于环境特征和用户图谱选择符合已改变行为的推荐模型；步骤3.4：将环境特征、新用户图谱作为步骤3.3选择的推荐模型的测试数据，将测试数据输入步骤3.3选择的推荐模型进行训练，并将已训练的更新后的推荐模型存储至推荐数据库和根据更新后的推荐模型进行内容推荐。优选地，所述环境特征包括地理位置和时间。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：1.本专利技术通过将用户行为进行特征提取获取用户图谱，基于用户图谱进行数据存储增加推荐数据库数据，同时根据用户图谱建立多个模型，用户行为改变后根据环境特征和用户图谱选择符合的模型进行重新训练更新推荐模型，解决了现有推荐方法无法随用户特征改变实时更新推荐内容和推荐内容匹配度不佳的问题，达到了快速匹配推荐内容、实时更新推荐内容和提高推荐内容匹配度的效果；2.本专利技术根据行为特征构建用户图谱并存储至推荐数据库，将数据库进行分层后分类优化，防止数据倾斜，便于提高推荐速度和推荐效果；根据用户图谱建立模型结构，更加准确表达用户兴趣，进一步提高推荐的匹配度；3.本专利技术用户行为改变时，建立并存储改变行为后的用户图谱，便于优化用户数据；再根据环境特征和用户图谱选择符合改变行为的推荐模型进行重新训练和更新，避免了从头建立的耗时长的缺点，更新快且准，利于提高推荐内容的匹配度。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术的方法流程图；图2为本专利技术的用户图谱示意图；图3为本专利技术的模型训练流程图；具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术，即所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。技术问题：解决了现有推荐方法无法随用户特征改变实时更新推荐内容和推荐内容匹配度不佳的问题。技术手段：一种基于用户图谱的数据推荐方法，包括如下步骤：步骤1：根据用户行为对应的标签和标签对应的内容构建用户图谱，将用户图谱存储至推荐数据库；步骤2：根据用户图谱构建、训练至少两个推荐模型，将已训练的推荐模型存储至推荐数据库；步骤3：用户再次行为时根据环境特征和用户图谱从推荐数据库中选择一个推荐模型进行更新，根据更新后的推荐模型进行内容推荐。步骤1包括如下步骤：步骤1.1：根据用户行为提取行为特征，根据行为特征记录用户标签和用户标签对应的内容；步骤1.2：将用户作为用户图谱的主节点，用户标签作为用户图谱的第一级从节点，将用户标签对应内容作为第一级从节点的子节点，完成构建用户图谱；步骤1.3：将用户图谱存储至推荐数据库。步骤2包括如下步骤：步骤2.1：建立至少两个推荐模型；步骤2.2：将用户图谱的主节点和第一级从节点作为测试数据输入推荐模型，将用户图谱的第一级从节点的子节点的作为测试数据的输出训练推荐模型，获取推荐模型输入输出的映射关系；步骤2.3：将已训练的推荐模型储存至推荐数据库。推荐模型包括监督学习模型和/或深度学习模型和/或协同过滤模型。步骤3包括如下步骤：步骤3.1：用本文档来自技高网...

【技术保护点】
1.一种基于用户图谱的数据推荐方法，其特征在于：包括如下步骤：步骤1：根据用户行为对应的标签和标签对应的内容构建用户图谱，将用户图谱存储至推荐数据库；步骤2：根据用户图谱构建、训练至少两个推荐模型，将已训练的推荐模型存储至推荐数据库；步骤3：用户再次行为时根据环境特征和用户图谱从推荐数据库中选择一个推荐模型进行更新，根据更新后的推荐模型进行内容推荐。

【技术特征摘要】
2018.11.30 CN 201811459119X1.一种基于用户图谱的数据推荐方法，其特征在于：包括如下步骤：步骤1：根据用户行为对应的标签和标签对应的内容构建用户图谱，将用户图谱存储至推荐数据库；步骤2：根据用户图谱构建、训练至少两个推荐模型，将已训练的推荐模型存储至推荐数据库；步骤3：用户再次行为时根据环境特征和用户图谱从推荐数据库中选择一个推荐模型进行更新，根据更新后的推荐模型进行内容推荐。2.根据权利要求1所述的一种基于用户图谱的数据推荐方法，其特征在于：所述步骤1包括如下步骤：步骤1.1：根据用户行为提取行为特征，根据行为特征记录用户标签和用户标签对应的内容；步骤1.2：将用户作为用户图谱的主节点，用户标签作为用户图谱的第一级从节点，将用户标签对应内容作为第一级从节点的子节点，完成构建用户图谱；步骤1.3：将用户图谱存储至推荐数据库。3.根据权利要求1或者2所述的一种基于用户图谱的数据推荐方法，其特征在于：所述步骤2包括如下步骤：步骤2.1：建立至少两个推荐模型；步骤2.2：将用户图谱的主节点和第一级从节点作为测试数据输入推荐模型，将用户图谱...

【专利技术属性】
技术研发人员：张斌，
申请(专利权)人：内江亿橙网络科技有限公司，
类型：发明
国别省市：四川,51