基于边缘计算的个性化实时推荐方法及装置制造方法及图纸

本发明专利技术公开了一种基于边缘计算的个性化实时推荐方法及装置，其中该方法包括：在银行客户端对采集接口进行埋点设置，对用户操作的动作进行捕获；根据捕获的用户操作的动作，采集用户操作数据和用户登录信息；将采集的用户操作数据和用户登录信息传递至边缘数据仓库，持久化存储于边缘数据仓库中；根据边缘数据仓库中的用户操作数据和用户登录信息，针对不同的个性化实时推荐场景调用不同的机器学习算法模型进行实时边缘计算，确定个性化实时推荐结果数据；根据确定的个性化实时推荐结果数据，将结果数据响应于银行客户端，在银行客户端对结果数据进行展示。本发明专利技术涉及大数据技术领域，可以实现减小为用户进行个性化实时推荐的响应时长。的响应时长。的响应时长。

【技术实现步骤摘要】
基于边缘计算的个性化实时推荐方法及装置


[0001]本专利技术涉及大数据
，尤其涉及一种基于边缘计算的个性化实时推荐方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]随着银行业务和移动端应用的蓬勃发展，基于机器学习的个性化推荐业务场景建设越来越多，各银行的手机银行客户端也将个性化推荐功能加入自己的银行客户端中。因银行行业的特殊性以及个人用户信息的高度敏感性，所以需要在处理用户个性化推荐结果时不得不需要将用户体验和用户隐私性结合考虑。图1为现有技术的个性化实时推荐系统模型图，如图1所示，个性化实时推荐系统需要基于用户的实时反馈行为来趋近实时的用户的个性化实时推荐结果，因此需要对个性化实时推荐算法进行实时调整。当前，应用系统一般应用于提供to C(to customer，直接面对终端消费者)服务的互联网产品中，这类产品用户基数大，数据量多，一般需要大数据平台进行处理，现有技术的个性化实时推荐系统的整体架构也是建立在大数据技术基础上的，这就带来的一些问题，因为个性化实时推荐的一个整体响应时延包括了大数据处理时延和网络响应时延，而个人用户数据信息的处理都是在后线大数据平台中处理的，其中，网络时延远大于大数据处理时延，这将使得为用户进行个性化实时推荐的响应时延较长，响应效率低，降低用户使用体验。

技术实现思路

[0004]本专利技术实施例提供一种基于边缘计算的个性化实时推荐方法，用以实现减小为用户进行个性化实时推荐的响应时长，提升响应效率，提升用户使用体验，该方法包括：
[0005]在银行客户端对采集接口进行埋点设置，对用户操作的动作进行捕获；
[0006]根据捕获的用户操作的动作，采集用户操作数据和用户登录信息；
[0007]将采集的用户操作数据和用户登录信息传递至边缘数据仓库，持久化存储于边缘数据仓库中；
[0008]根据边缘数据仓库中的用户操作数据和用户登录信息，针对不同的个性化实时推荐场景调用不同的机器学习算法模型进行实时边缘计算，确定个性化实时推荐结果数据；
[0009]根据确定的个性化实时推荐结果数据，将结果数据响应于银行客户端，在银行客户端对结果数据进行展示。
[0010]本专利技术实施例还提供一种基于边缘计算的个性化实时推荐装置，用以实现减小为用户进行个性化实时推荐的响应时长，提升响应效率，提升用户使用体验，该装置包括：
[0011]移动埋点模块，用于在银行客户端对采集接口进行埋点设置，对用户操作的动作进行捕获；
[0012]数据信息采集模块，用于根据捕获的用户操作的动作，采集用户操作数据和用户
登录信息；
[0013]数据信息存储模块，用于将采集的用户操作数据和用户登录信息传递至边缘数据仓库，持久化存储于边缘数据仓库中；
[0014]边缘算法模块，用于根据边缘数据仓库中的用户操作数据和用户登录信息，针对不同的个性化实时推荐场景调用不同的机器学习算法模型进行实时边缘计算，确定个性化实时推荐结果数据；
[0015]结果上送模块，用于根据确定的个性化实时推荐结果数据，将结果数据响应于银行客户端，在银行客户端对结果数据进行展示。
[0016]本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于边缘计算的个性化实时推荐方法。
[0017]本专利技术实施例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存储有执行上述基于边缘计算的个性化实时推荐方法的计算机程序。
[0018]本专利技术实施例中，在银行客户端对采集接口进行埋点设置，对用户操作的动作进行捕获；根据捕获的用户操作的动作，采集用户操作数据和用户登录信息；将采集的用户操作数据和用户登录信息传递至边缘数据仓库，持久化存储于边缘数据仓库中；根据边缘数据仓库中的用户操作数据和用户登录信息，针对不同的个性化实时推荐场景调用不同的机器学习算法模型进行实时边缘计算，确定个性化实时推荐结果数据；根据确定的个性化实时推荐结果数据，将结果数据响应于银行客户端，在银行客户端对结果数据进行展示。与现有技术中的技术方案相比，通过在银行客户端进行实时边缘计算，减小网络时延处理时延与后端计算压力，可以实现减小为用户进行个性化实时推荐的响应时长，提升响应效率，提升用户使用体验。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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的附图。在附图中：
[0020]图1为现有技术的个性化实时推荐系统模型图；
[0021]图2为本专利技术实施例中提供的基于边缘计算的个性化实时推荐方案示意图；
[0022]图3为本专利技术实施例中提供的基于边缘计算的个性化实时推荐方法流程图；
[0023]图4为本专利技术实施例中提供的基于边缘计算的个性化实时推荐装置示意图；
[0024]图5为本专利技术实施例中提供的基于边缘计算的个性化实时推荐装置的一具体实例图。
具体实施方式
[0025]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0026]本专利技术实施例提出一种基于边缘计算的个性化实时推荐方案，该方案将个性化实时推荐的实时数据处理转移到银行客户端进行处理。图2为本专利技术实施例中提供的基于边缘计算的个性化实时推荐方案示意图，如图2所示，具体地，本专利技术实施例，通过在银行客户端采集数据，对数据进行实时处理，更新实时处理逻辑。在场景的个性化实时推荐需要进行后台系统的储存时，通过大数据Spark Streamming流式技术上传加载至后台系统。下面对该基于边缘计算的个性化实时推荐方案进行详细介绍。
[0027]本专利技术实施例提供了一种基于边缘计算的个性化实时推荐方法，图3为本专利技术实施例中提供的基于边缘计算的个性化实时推荐方法流程图，如图3所示，该方法包括如下步骤：
[0028]步骤301：在银行客户端对采集接口进行埋点设置，对用户操作的动作进行捕获；
[0029]步骤302：根据捕获的用户操作的动作，采集用户操作数据和用户登录信息；
[0030]步骤303：将采集的用户操作数据和用户登录信息传递至边缘数据仓库，持久化存储于边缘数据仓库中；
[0031]步骤304：根据边缘数据仓库中的用户操作数据和用户登录信息，针对不同的个性化实时推荐场景调用不同的机器学习算法模型进行实时边缘计算，确定个性化实时推荐结果数据；
[0032]步骤305：根据确定的个性化实时推荐结果数据，将结果数据响应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的个性化实时推荐方法，其特征在于，包括：在银行客户端对采集接口进行埋点设置，对用户操作的动作进行捕获；根据捕获的用户操作的动作，采集用户操作数据和用户登录信息；将采集的用户操作数据和用户登录信息传递至边缘数据仓库，持久化存储于边缘数据仓库中；根据边缘数据仓库中的用户操作数据和用户登录信息，针对不同的个性化实时推荐场景调用不同的机器学习算法模型进行实时边缘计算，确定个性化实时推荐结果数据；根据确定的个性化实时推荐结果数据，将结果数据响应于银行客户端，在银行客户端对结果数据进行展示。2.如权利要求1所述的基于边缘计算的个性化实时推荐方法，其特征在于，还包括：根据多种个性化实时推荐场景，将多种个性化实时推荐场景的机器学习算法模型持久化存储于边缘数据仓库中。3.如权利要求2所述的基于边缘计算的个性化实时推荐方法，其特征在于，还包括：接收银行后台数据仓库下发的所述多种个性化实时推荐场景的机器学习算法模型。4.如权利要求3所述的基于边缘计算的个性化实时推荐方法，其特征在于，还包括：接收银行后台数据仓库下发的更新的所述多种个性化实时推荐场景的机器学习算法模型；对更新的所述多种个性化实时推荐场景的机器学习算法模型进行热加载更新。5.如权利要求1所述的基于边缘计算的个性化实时推荐方法，其特征在于，所述多种个性化实时推荐场景的机器学习算法模型包括如下机器学习算法模型其中之一或任意组合：用于分析用户操作行为的用户分析模型、用于分析待推荐内容的内容分析模型、用于根据用户操作数据确定向用户推荐内容的深度学习数据模型。6.如权利要求1所述的基于边缘计算的个性化实时推荐方法，其特征在于，还包括：通过大数据Spark Streamming流式技术，将用户操作数据、用户登录信息和结果数据上传至银行后台。7.一种基于边缘计算的个性化实时推荐装置，其特征在于，包括：移动埋点模块，用于在银行客户端对采集接口进行埋点设置，对用户操作的动作进行捕获；数据信息采集模块，用于根据捕获的用户操作的动作，采集用户操作数据和用户登录信息；数据信息存储模块，用于将采集的用户操作数据和用户登...

【专利技术属性】
技术研发人员：徐凯路，杨硕，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：