一种基于用户行为与推荐规则的实时推荐方法和装置制造方法及图纸

本发明专利技术提供了一种基于用户行为与推荐规则的实时推荐方法和装置，涉及大数据，该方法包括：获取用户对功能模块的实时点击数据、历史点击数据和资产持仓数据；对实时点击数据、历史点击数据和资产持仓数据进行评分，确定实时点击评分、历史点击评分和资产负债评分；对历史点击数据和资产持仓数据进行评分按照设定周期批量计算，对实时点击数据进行评分采用流式程序实时计算；根据实时点击评分、历史点击评分和资产负债评分，进行评分融合，确定融合评分；根据特殊业务需求数据，确定推荐规则矩阵；根据融合评分和推荐规则矩阵，利用流式程序实时确定手机银行功能区域排列顺序。程序实时确定手机银行功能区域排列顺序。程序实时确定手机银行功能区域排列顺序。

【技术实现步骤摘要】
一种基于用户行为与推荐规则的实时推荐方法和装置


[0001]本专利技术涉及大数据
，尤其涉及一种基于用户行为与推荐规则的实时推荐方法和装置。

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的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]移动互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，但随着网络的迅速扩展带来的网上信息量的大幅增长，用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了，这就需要推荐系统来解决这个问题。它可以根据用户的基本信息、行为等数据，将用户感兴趣的信息、产品、功能等推荐给用户。相比于传统的搜索引擎，推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。
[0004]推荐系统现已广泛应用于很多领域，其中最典型的领域就是电子商务。但在实际应用中，如何从海量的用户数据、商品数据、功能数据中提取出用户真正感兴趣内容，通常需要复杂的计算过程，所以实时性一般较低，如何尽快得到推荐结果，提高推荐结果的实时性，给用户更好的使用体验，是推荐系统面临的一个较大难题。
[0005]目前各类在线APP中都会提供推荐算法，主要分为两类：协同过滤和基于内容的推荐，但无论哪种，都需要根据用户的基本信息和行为进行复杂的计算，才能得到推荐结果。鉴于手机银行每日的活跃用户都在1800万以上，若采用现有的两类推荐算法，都难以在秒级响应时间内得到推荐结果。所以需要使用计算更简单、实时性更好的算法来完成实时推荐。
[0006]现有的协同过滤算法，主要是通过用户的基本信息和行为，计算用户间的相似度，然后用最相似的若干个用户的行为，来预测或推荐当前用户的偏好，在产品维度也是一样，通过产品的基本信息，计算产品间的相似度，然后根据用户的喜好推荐相似的产品。
[0007]而现有的手机银行首页功能区域共有20多个，但这些功能区域没有统一的标签系统进行管理，也无法比较相似程度，现有的协同过滤和基于内容的推荐都很难适用，更无法实现根据用户行为的实时推荐。
[0008]因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。

技术实现思路

[0009]本专利技术实施例提供一种基于用户行为与推荐规则的实时推荐方法，该方法包括：
[0010]获取用户对功能模块的实时点击数据、历史点击数据和资产持仓数据；
[0011]对实时点击数据、历史点击数据和资产持仓数据进行评分，确定实时点击评分、历史点击评分和资产负债评分；对历史点击数据和资产持仓数据进行评分按照设定周期批量
计算，对实时点击数据进行评分采用流式程序实时计算；
[0012]根据实时点击评分、历史点击评分和资产负债评分，进行评分融合，确定融合评分；
[0013]根据特殊业务需求数据，确定推荐规则矩阵；
[0014]根据融合评分和推荐规则矩阵，利用流式程序实时确定手机银行功能区域排列顺序。
[0015]本专利技术实施例还提供一种基于用户行为与推荐规则的实时推荐装置，包括：
[0016]数据获取模块，用于获取用户对功能模块的实时点击数据、历史点击数据和资产持仓数据；
[0017]评分模块，用于对实时点击数据、历史点击数据和资产持仓数据进行评分，确定实时点击评分、历史点击评分和资产负债评分；对历史点击数据和资产持仓数据进行评分按照设定周期批量计算，对实时点击数据进行评分采用流式程序实时计算；
[0018]融合评分模块，用于根据实时点击评分、历史点击评分和资产负债评分，进行评分融合，确定融合评分；
[0019]推荐规则矩阵确定模块，用于根据特殊业务需求数据，确定推荐规则矩阵；
[0020]手机银行功能区域排列顺序确定模块，用于根据融合评分和推荐规则矩阵，利用流式程序实时确定手机银行功能区域排列顺序。
[0021]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一种基于用户行为与推荐规则的实时推荐方法。
[0022]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计算机程序，所述计算机程序被处理器执行时实现上述一种基于用户行为与推荐规则的实时推荐方法。
[0023]本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述一种基于用户行为与推荐规则的实时推荐方法。
[0024]本专利技术实施例提供的一种基于用户行为与推荐规则的实时推荐方法和装置，包括：获取用户对功能模块的实时点击数据、历史点击数据和资产持仓数据；对实时点击数据、历史点击数据和资产持仓数据进行评分，确定实时点击评分、历史点击评分和资产负债评分；对历史点击数据和资产持仓数据进行评分按照设定周期批量计算，对实时点击数据进行评分采用流式程序实时计算；根据实时点击评分、历史点击评分和资产负债评分，进行评分融合，确定融合评分；根据特殊业务需求数据，确定推荐规则矩阵；根据融合评分和推荐规则矩阵，利用流式程序实时确定手机银行功能区域排列顺序。
[0025]本专利技术的目的在于减少推荐功能的计算量，解决计算的实时性问题，同时解决被推荐内容相似程度无法体现的情况下，完成推荐功能。基于历史点击、实时点击、持仓信息的融合评分计算方法，可以兼顾用户的当前行为、历史偏好、资产负债等信息，得到的推荐结果更加真实、客观。同时推荐规则的使用为业务人员提供了强制推荐某些区域的可能。使用离线批量计算和实时流式计算相结合的方法，可以减少实时计算的压力。
附图说明
[0026]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：
[0027]图1为本专利技术实施例一种基于用户行为与推荐规则的实时推荐方法示意图。
[0028]图2为本专利技术实施例一种基于用户行为与推荐规则的实时推荐方法的流程图。
[0029]图3为本专利技术实施例一种基于用户行为与推荐规则的实时推荐方法的一个实施例示意图。
[0030]图4为本专利技术实施例一种基于用户行为与推荐规则的实时推荐方法一个实施例示意图。
[0031]图5为运行本专利技术实施的一种基于用户行为与推荐规则的实时推荐方法的计算机设备示意图。
[0032]图6为本专利技术实施例一种基于用户行为与推荐规则的实时推荐装置示意图。
具体实施方式
[0033]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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户行为与推荐规则的实时推荐方法，其特征在于，包括：获取用户对功能模块的实时点击数据、历史点击数据和资产持仓数据；对实时点击数据、历史点击数据和资产持仓数据进行评分，确定实时点击评分、历史点击评分和资产负债评分；对历史点击数据和资产持仓数据进行评分按照设定周期批量计算，对实时点击数据进行评分采用流式程序实时计算；根据实时点击评分、历史点击评分和资产负债评分，进行评分融合，确定融合评分；根据特殊业务需求数据，确定推荐规则矩阵；根据融合评分和推荐规则矩阵，利用流式程序实时确定手机银行功能区域排列顺序。2.如权利要求1所述的方法，其特征在于，对历史点击数据进行评分，确定历史点击评分，包括：从历史点击数据中获取用户集合和用户历史点击各个功能区域的所有行为记录；根据用户集合和用户历史点击各个功能区域的所有行为记录，对功能区域的点击频次进行处理，确定时间衰减的用户历史点击数量；对时间衰减的用户历史点击数量按列归一化，确定归一化的用户历史点击数量；根据归一化的用户历史点击数量，构建第一用户区域偏好矩阵，确定历史点击评分。3.如权利要求2所述的方法，其特征在于，按照如下方式，确定时间衰减的用户历史点击数量：其中，为时间衰减的用户历史点击数量；为时间衰减函数；用户集合为U＝{u1,u2,
…
,u
m
}，手机银行所有可点击的功能区域为R＝{r1,r2,
…
,r
k
}，用户历史点击各个功能区域的所有行为记录为Click
history
＝{c1,c2,
…
}，每个c
i
是一个三元组c
i
＝(u,r,t)其中u∈U，r∈R，t为时间，表示用户u在t时刻点击了功能区域r，表明用户u
i
点击r
j
的历史各次点击计算时间衰减值然后求和；k和b为固定参数；t0表示当前系统时间。4.如权利要求2所述的方法，其特征在于，按照如下方式，确定归一化的用户历史点击数量：其中，x
ij
为归一化的用户历史点击数量；为时间衰减的用户历史点击数量。5.如权利要求2所述的方法，其特征在于，按照如下方式，构建第一用户区域偏好矩阵：其中，X为第一用户区域偏好矩阵；m为行数；k为列数；x
ij
为归一化的用户历史点击数量。6.如权利要求1所述的方法，其特征在于，对实时点击数据进行评分，确定实时点击评
分，包括：从实时点击数据中获取用户集合和用户当日实时点击各个功能区域的所有行为记录；根据用户集合和用户当日实时点击各个功能区域的所有行为记录，对功能区域的点击频次进行处理，确定用户实时点击数量；对用户实时点击数量按列归一化，确定归一化的用户实时点击数量；根据归一化的用户实时点击数量，构建第二用户区域偏好矩阵，确定实时点击评分。7.如权利要求6所述的方法，其特征在于，按如下方式，确定用户实时点击数量：其中，为用户实时点击数量；用户集合为U＝{u1,u2,
…
,u
m
}，手机银行所有可点击的功能区域为R＝{r1,r2,
…
,r
k
}，用户当日实时点击各个功能区域的所有行为记录为Click
realtime
＝{c1,c2,
…
}，每个c
i
是一个三元组c
i
＝(u,r,t)其中u∈U，r∈R，t为时间，表示用户u在t时刻点击了功能区域r，表明用户u
i
点击r
j
的历史各次点击计算时间衰减值然后求和。8.如权利要求6所述的方法，其特征在于，按照如下方式，归一化的用户实时点击数量：其中，y
ij
为归一化的用户实时点击数量；为用户实时点击数量。9.如权利要求6所述的方法，其特征在于，按照如下方式：构建第二用户区域偏好矩阵：其中，Y为第二用户区域偏好矩阵，m为行数；k为列数；y
ij
为归一化的用户实时点击数量。10.如权利要求1所述的方法，其特征在于，对资产持仓数据进行评分，确定资产负债评分，包括：从资产持仓数据中获取用户集合和用户持仓数量；根据用户集合和用户持仓数量，确定用户在对应功能区域的...

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