基于DIKW图谱的虚拟社区人员性格分析及内容推送方法技术

本发明专利技术提供一种基于DIKW图谱的虚拟社区人员性格分析及内容推送方法，判断用户为新用户还是老用户，对新用户采用标签和热销榜方法进行内容推送，采集老用户的类型化数据，并以此构建DIKW图谱模型，DIKW图谱模型中包含用户数据图谱、用户信息图谱以及用户知识图谱，DIKW图谱模型根据类型化资源进行处理获得用户历史行为记录、用户购买转化率、选购商品占比、高频交互商品类目集合，并以此获得用户偏好的商品，然后进行推送，不仅可以解决用户为新用户时的冷启动问题，还可以针对老用户在购物网站中的历史数据进行相对应的商品推送，保证推送的商品符合用户的性格、兴趣以及习惯等，并且可以兼容各大购物网站使用。并且可以兼容各大购物网站使用。并且可以兼容各大购物网站使用。

【技术实现步骤摘要】
基于DIKW图谱的虚拟社区人员性格分析及内容推送方法


[0001]本专利技术涉及内容推送
，特别涉及一种基于DIKW图谱的虚拟社区人员性格分析及内容推送方法。

技术介绍

[0002]随着网络的迅速发展，各购物网站/购物APP的竞争越来越激烈，进行网上购物的用户的数量也在飞速地增长，各购物网站/购物APP为提供其竞争力，通过采用特定的算法为用户推荐感兴趣的商品，虽商品推荐系统所采用的各项技术都相对较成熟，并且给各个购物网站/购物APP带来日趋增大地收益，但是商品推荐系统仍然面临着各种挑战，第一个是冷启动问题，新用户在相应的购物网站/购物APP上没有相关的可以供商品推荐系统利用的行为信息，因此很难给用户提供较为精准的商品推荐，另一方面，刚上架进行销售的商品由于被选取的次数较少，也很难对其进行推送；第二是目前的推荐方法大多根据用户的浏览以及收藏记录进行商品的推送，无法针对用户的性格特点、行为习惯进行深入挖掘、分析以及利用，推荐的方法不够人性化，并且各个购物网站/购物APP之间的推荐算法都有不同的适用环境，不具备统一性。
[0003]公开号为CN109816482A的专利技术专利(以下简称D1)中，公开了使用通过用户的历史浏览数据来获取关键字段，对关键段进行处理后构建知识图谱，用于解决商品推荐的精确度和成功率较低的问题，D1仅是通过用户的历史浏览数据来解决商品推荐精确度和成功率的问题，并未提到如何解决冷启动的问题。
[0004]公开号为CN112100513A的专利技术专利(以下简称D2)中，获取目标对象的历史行为数据，历史行为数据是目标对象在互联网平台上的操作生成的；利用历史行为数据生成目标数据集，目标数据集中的数据用于指示实体以及实体之间的关联关系，实体为多个平台采集得到的；以目标数据集为样本数据，根据实体和关联关系构建知识图谱；向目标对象推荐利用所述知识图谱确定的目标产品，从而解决推荐结果不准确、可解释性不强的问题，D2中公开了应用知识图谱来解决推荐问题，但是其也仅仅考虑的是目标对象的历史行为数据，并没有根据用户的性格特点、行为习惯等进行深入挖掘分析，无法保证推荐的商品是否真切符合用户需求。

技术实现思路

[0005]鉴以此，本专利技术提出一种基于DIKW图谱的虚拟社区人员性格分析及内容推送方法，采用DIKW图谱模型根据用户的类型化资源进行商品的推荐，所推荐的商品更加符合用户的喜好、性格以及习惯等。
[0006]本专利技术的技术方案是这样实现的：
[0007]基于DIKW图谱的虚拟社区人员性格分析及内容推送方法，包括以下步骤：
[0008]步骤S1、判断用户为新用户还是老用户，若用户为新用户，则采用标签和热销榜方法进行内容推送，若用户为老用户，则转步骤S2；
[0009]步骤S2、采集用户的类型化资源，并根据类型化资源构建DIKW图谱模型，所述DIKW图谱模型包含用户数据图谱、用户信息图谱以及用户知识图谱；
[0010]步骤S3、用户数据图谱根据类型化资源建立用户属性库，用户信息图谱根据用户属性库中的用户属性进行处理并获得用户信息，所述用户信息包括用户历史行为记录、用户购买转化率以及选购商品占比；
[0011]步骤S4、用户信息图谱计算用户和商品之间不同的关系的发生频率，获得与用户存在高级别关系的商品以及商品的所属商品类目，并组成高频交互商品类目集合；
[0012]步骤S5、用户知识图谱根据用户历史行为记录、用户购买转化率以及选购商品占比、高频交互商品类目集合，获得用户偏好的商品，并进行推送。
[0013]优选的，所述步骤S1中的新用户包括未注册用户以及注册了但并未进行使用的新注册用户。
[0014]优选的，所述步骤S1中采用标签和热消榜方法进行内容推送的具体步骤为：
[0015]当用户为未注册用户时，判断其进入购物网站和/或购物APP的途径，若用户为通过在浏览器中输入网站链接进入购物网站的，将一段时间内的热销榜中的商品以及与热销榜中的商品属于同一商品类目的商品推荐给用户；若用户为通过搜索引擎中输入关键词进入购物网站的，则将与该关键词具有相关性的商品推荐给用户；
[0016]当用户为新注册用户时，根据其注册标签，采用solr全站搜索推荐进行商品内容的推荐。
[0017]优选的，所述步骤S2中的类型化资源由用户在购物网站和/或购物APP中对商品进行浏览、收藏、加入购物车、与其他用户进行的商品分享推荐以及与具有相近兴趣爱好的用户之间的交互所留下的痕迹内容组成，所述类型化资源包括数据D
DIK
、信息I
DIK
以及知识K
DIK
，其中所述数据D
DIK
存储在用户数据图谱中，所述信息I
DIK
存储在用户信息图谱中，所述知识K
DIK
存储在用户知识图谱中，所述数据D
DIK
、信息I
DIK
、知识K
DIK
之间相互转换后更新对应的图谱。
[0018]优选的，所述数据D
DIK
、信息I
DIK
、知识K
DIK
之间的转换过程为：
[0019]所述数据D
DIK
通过分析以及统计分别得到信息I
DIK
和知识K
DIK
；
[0020]所述信息I
DIK
通过总结以及推理分别得到数据D
DIK
和知识K
DIK
；
[0021]所述知识K
DIK
通过预测分别得到数据D
DIK
和信息I
DIK
。
[0022]优选的，所述步骤S3中的用户历史行为记录包括行为类别以及各行为发生的频率，所述行为类别包括点击商品、购买商品、将商品加入购物车以及收藏商品。
[0023]优选的，所述用户购买转化率包括用户在购物网站和/或购物APP中通过不同的行为类别的组合进行购物的不同路径所对应的转化率，所述路径包括：购买商品；收藏商品
‑
购买商品；将商品加入购物车
‑
购买商品；收藏商品
‑
将商品加入购物车
‑
购买商品。
[0024]优选的，所述用户知识图谱中设定有转化率阈值，当某一路径的转化率大于转化率阈值时，用户知识图谱将该路径所对应的商品以及类别推送给用户。
[0025]优选的，所述步骤S4的具体步骤为：
[0026]步骤S41、设定交互阈值；
[0027]步骤S42、获取用于与商品之间关系，并计算用户与商品不同关系的发生频率；
[0028]步骤S43、若用户与商品不同关系的发生频率大于交互阈值时，将对应的商品列为
一级关系，将所有属于一级关系的商品及其所属商品类目组成高频交互商品类目集合。
[0029]与现有技术相比，本专利技术的有益效果是：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于DIKW图谱的虚拟社区人员性格分析及内容推送方法，其特征在于，包括以下步骤：步骤S1、判断用户为新用户还是老用户，若用户为新用户，则采用标签和热销榜方法进行内容推送，若用户为老用户，则转步骤S2；步骤S2、采集用户的类型化资源，并根据类型化资源构建DIKW图谱模型，所述DIKW图谱模型包含用户数据图谱、用户信息图谱以及用户知识图谱；步骤S3、用户数据图谱根据类型化资源建立用户属性库，用户信息图谱根据用户属性库中的用户属性进行处理并获得用户信息，所述用户信息包括用户历史行为记录、用户购买转化率以及选购商品占比；步骤S4、用户信息图谱计算用户和商品之间不同的关系的发生频率，获得与用户存在高级别关系的商品以及商品的所属商品类目，并组成高频交互商品类目集合；步骤S5、用户知识图谱根据用户历史行为记录、用户购买转化率以及选购商品占比、高频交互商品类目集合，获得用户偏好的商品，并进行推送。2.根据权利要求1所述的基于DIKW图谱的虚拟社区人员性格分析及内容推送方法，其特征在于，所述步骤S1中的新用户包括未注册用户以及注册了但并未进行使用的新注册用户。3.根据权利要求2所述的基于DIKW图谱的虚拟社区人员性格分析及内容推送方法，其特征在于，所述步骤S1中采用标签和热消榜方法进行内容推送的具体步骤为：当用户为未注册用户时，判断其进入购物网站和/或购物APP的途径，若用户为通过在浏览器中输入网站链接进入购物网站的，将一段时间内的热销榜中的商品以及与热销榜中的商品属于同一商品类目的商品推荐给用户；若用户为通过搜索引擎中输入关键词进入购物网站的，则将与该关键词具有相关性的商品推荐给用户；当用户为新注册用户时，根据其注册标签，采用solr全站搜索推荐进行商品内容的推荐。4.根据权利要求1所述的基于DIKW图谱的虚拟社区人员性格分析及内容推送方法，其特征在于，所述步骤S2中的类型化资源由用户在购物网站和/或购物APP中对商品进行浏览、收藏、加入购物车、与其他用户进行的商品分享推荐以及与具有相近兴趣爱好的用户之间的交互所留下的痕迹内容组成，所述类型化资源包括数据D
DIK
、信息I
DIK
以及知识K
DIK
，其中所述数据D
DIK
存储在用户数据图谱中，所述信息I
DIK
存储在用户信息图谱中，所述知识K
DIK
存储在用户知识图谱中...

【专利技术属性】
技术研发人员：段玉聪，雷羽潇，
申请(专利权)人：海南大学，
类型：发明
国别省市：