本发明专利技术涉及数据分析领域，还涉及人工智能及智慧医疗领域，揭露一种数据推荐方法，包括：获取用户在应用程序的历史数据和实时数据，分别对历史数据和实时数据进行标签提取后创建用户的信用矩阵，计算信用矩阵中每个数据的数据评分，以得到用户评分；在用户评分处于第一预设范围，标记用户为黑名单用户，停止向黑名单用户进行数据推荐；在用户评分处于第二预设范围，标记用户为新用户，将新用户的相似用户在应用程序中的产品浏览数据推送至新用户；在用户评分处于第三预设范围，标记用户为重要用户，识别重要用户的需求产品，从应用程序匹配需求产品的产品数据，并推送至重要用户。本发明专利技术可以提高数据推荐的准确性。明可以提高数据推荐的准确性。明可以提高数据推荐的准确性。
【技术实现步骤摘要】
数据推荐方法、装置、电子设备及存储介质
[0001]本专利技术涉及数据分析领域，尤其涉及一种数据推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]数据推荐是指将待推荐数据推送至需求用户的过程，以满足不同用户需求，随着信息科技的不断发展，用户量和数据量的不断增长，如何实现数据的准确推荐成为愈发重要的问题，如在不同企业发布的APP中，如何将在APP中新注册用户高效的转换为企业星级用户，数据推荐显得十分重要。
[0003]目前，数据推荐通常是查找用户历史数据，以匹配用户的兴趣数据，并在匹配的兴趣数据中选取相应评分最高的数据返回至用户，由于在实际业务场景中，用户的需求在不断发生变化，通过查找用户历史数据容易忽略用户的实时需求，如用户在历史中购买了一套家具，而此时用户的需求为订购一套电子产品，因此，通过用户历史数据实现数据推荐的方式缺乏对用户需求或意图进行识别，从而会影响数据推荐的准确性。
技术实现思路
[0004]本专利技术提供一种数据推荐方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高数据推荐的准确性。
[0005]为实现上述目的，本专利技术提供的一种数据推荐方法，包括：
[0006]获取用户在应用程序中的历史数据，并采集所述用户在所述应用程序中的实时数据，分别对所述历史数据和所述实时数据进行标签提取，得到历史标签和实时标签；
[0007]根据所述历史标签和所述实时标签，创建所述用户的信用矩阵，利用预设的信用评分机制计算所述信用矩阵中每个数据的数据评分，根据每个所述数据评分，计算所述信用矩阵的矩阵评分，得到用户评分；
[0008]在所述用户评分处于第一预设范围时，标记所述用户为黑名单用户，并停止向所述黑名单用户进行数据推荐；
[0009]在所述用户评分处于第二预设范围时，标记所述用户为新用户，从所述应用程序的用户数据库中匹配所述新用户的相似用户，并将所述相似用户在所述应用程序中的产品浏览数据推送至所述新用户；
[0010]在所述用户评分处于第三预设范围时，标记所述用户为重要用户，识别所述重要用户的需求产品，从所述应用程序中匹配所述需求产品的产品数据，并将匹配成功的产品数据推送至所述重要用户。
[0011]可选地，所述采集所述用户在所述应用程序中的实时数据，包括：
[0012]侦测所述用户在所述应用程序中的行为事件；
[0013]响应于所述行为事件，利用预构建的埋点框架记录所述行为事件的事件特征和用户特征；
[0014]根据所述事件特征和用户特征，生成所述实时数据。
[0015]可选地，所述分别对所述历史数据和所述实时数据进行标签提取，得到历史标签和实时标签，包括：
[0016]分别对所述历史数据和所述实时数据进行特征提取，得到历史特征数据和实时特征数据；
[0017]分别识别所述历史特征数据和所述实时特征数据的数据属性，得到历史数据属性和实时数据属性；
[0018]根据所述历史数据属性和所述实时数据属性，分别建立所述历史特征数据和所述实时特征数据的数据标签，得到历史标签和实时标签。
[0019]可选地，所述分别对所述历史数据和所述实时数据进行特征提取，得到历史特征数据和实时特征数据，包括：
[0020]分别计算所述历史数据和所述实时数据中每个数据的信息熵；
[0021]选取所述信息熵大于预设熵的数据作为所述历史数据和所述实时数据的特征数据，得到历史特征数据和实时特征数据。
[0022]可选地，所述根据所述历史标签和所述实时标签，创建所述用户的信用矩阵，包括：
[0023]将所述历史标签和实时标签作为分别作为矩阵的行标签和列标签，根据所述行标签和列标签，构建所述用户的初始矩阵；
[0024]将所述历史标签和所述实时标签的数据加载至所述初始矩阵中，以生成所述用户的信用矩阵。
[0025]可选地，所述利用预设的信用评分机制计算所述信用矩阵中每个数据的数据评分，包括：
[0026]利用下述公式计算所述信用矩阵中每个数据的数据评分：
[0027][0028]其中，f(x,φ)表示信用矩阵中第x个数据的数据评分，x表示信用矩阵中第x个数据，φ表示信用矩阵中数据的数量，h(x)表示信用矩阵中第x个数据的高度，E(h(x))表示均值函数，c(φ)表示评分路径长度的标准化函数。
[0029]可选地，所述识别所述重要用户的需求产品，包括：
[0030]查询所述信用矩阵中的历史产品标签和实时产品标签；
[0031]将所述历史产品标签和实时产品标签对应的产品作为所述重要用户的需求产品。
[0032]为了解决上述问题，本专利技术还提供一种数据推荐装置，所述装置包括：
[0033]数据标签提取模块，用于获取用户在应用程序中的历史数据，并采集所述用户在所述应用程序中的实时数据，分别对所述历史数据和所述实时数据进行标签提取，得到历史标签和实时标签；
[0034]用户评分计算模块，用于根据所述历史标签和所述实时标签，创建所述用户的信用矩阵，利用预设的信用评分机制计算所述信用矩阵中每个数据的数据评分，根据每个所述数据评分，计算所述信用矩阵的矩阵评分，得到用户评分；
[0035]数据推荐模块，用于在所述用户评分处于第一预设范围时，标记所述用户为黑名
单用户，并停止向所述黑名单用户进行数据推荐；
[0036]所述数据推荐模块，还用于在所述用户评分处于第二预设范围时，标记所述用户为新用户，从所述应用程序的用户数据库中匹配所述新用户的相似用户，并将所述相似用户在所述应用程序中的产品浏览数据推送至所述新用户；
[0037]所述数据推荐模块，还用于在所述用户评分处于第三预设范围时，标记所述用户为重要用户，识别所述重要用户的需求产品，从所述应用程序中匹配所述需求产品的产品数据，并将匹配成功的产品数据推送至所述重要用户。
[0038]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0039]至少一个处理器；以及，
[0040]与所述至少一个处理器通信连接的存储器；其中，
[0041]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的数据推荐方法。
[0042]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的数据推荐方法。
[0043]可以看出，本专利技术首先通过获取用户在应用程序中的历史数据，并采集所述用户在所述应用程序中的实时数据，可以保障用户数据的全面性，并分别对所述历史数据和所述实时数据进行标签提取，得到历史标签和实时标签，可以识别出所述历史数据和所述实时数据中的用户属性，减少后续数据量的处理，提高数据计算速度；其次，本专利技术实施例根据所述历史标签和所述实时标签，构本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据推荐方法，其特征在于，所述方法包括：获取用户在应用程序中的历史数据，并采集所述用户在所述应用程序中的实时数据，分别对所述历史数据和所述实时数据进行标签提取，得到历史标签和实时标签；根据所述历史标签和所述实时标签，创建所述用户的信用矩阵，利用预设的信用评分机制计算所述信用矩阵中每个数据的数据评分，根据每个所述数据评分，计算所述信用矩阵的矩阵评分，得到用户评分；在所述用户评分处于第一预设范围时，标记所述用户为黑名单用户，并停止向所述黑名单用户进行数据推荐；在所述用户评分处于第二预设范围时，标记所述用户为新用户，从所述应用程序的用户数据库中匹配所述新用户的相似用户，并将所述相似用户在所述应用程序中的产品浏览数据推送至所述新用户；在所述用户评分处于第三预设范围时，标记所述用户为重要用户，识别所述重要用户的需求产品，从所述应用程序中匹配所述需求产品的产品数据，并将匹配成功的产品数据推送至所述重要用户。2.如权利要求1所述的数据推荐方法，其特征在于，所述采集所述用户在所述应用程序中的实时数据，包括：侦测所述用户在所述应用程序中的行为事件；响应于所述行为事件，利用预构建的埋点框架记录所述行为事件的事件特征和用户特征；根据所述事件特征和用户特征，生成所述实时数据。3.如权利要求1所述的数据推荐方法，其特征在于，所述分别对所述历史数据和所述实时数据进行标签提取，得到历史标签和实时标签，包括：分别对所述历史数据和所述实时数据进行特征提取，得到历史特征数据和实时特征数据；分别识别所述历史特征数据和所述实时特征数据的数据属性，得到历史数据属性和实时数据属性；根据所述历史数据属性和所述实时数据属性，分别建立所述历史特征数据和所述实时特征数据的数据标签，得到历史标签和实时标签。4.如权利要求3所述的数据推荐方法，其特征在于，所述分别对所述历史数据和所述实时数据进行特征提取，得到历史特征数据和实时特征数据，包括：分别计算所述历史数据和所述实时数据中每个数据的信息熵；选取所述信息熵大于预设熵的数据作为所述历史数据和所述实时数据的特征数据，得到历史特征数据和实时特征数据。5.如权利要求1所述的数据推荐方法，其特征在于，所述根据所述历史标签和所述实时标签，创建所述用户的信用矩阵，包括：将所述历史标签和实时标签作为分别作为矩阵的行标签和列标签，根据所述行标签和列标签，构建所述用户的初始矩阵；将所述历史标签和所述实时标签的...
【专利技术属性】
技术研发人员：刘健，
申请(专利权)人：康键信息技术深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。