【技术实现步骤摘要】
本专利技术涉及数据推送，更具体地涉及一种基于大数据的ai推荐系统及方法。
技术介绍
1、随着互联网的发展，电子商务平台的兴起，用户面对的选择范围越来越庞大，然而，传统的搜索引擎和分类目录往往无法满足用户的需求，用户往往需要在众多产品中进行繁琐的筛选和比较。这不仅浪费了用户的时间和精力而且可能导致用户疲于选择、决策困难，甚至放弃购买。而ai推荐系统通过收集和分析大量的用户数据，了解用户需求，预测用户的购买倾向，并将相关的产品和服务推送给用户，增加用户的购买欲望，同时根据用户的兴趣和偏好，为用户提供符合他们需求的产品和服务；
2、然而上述过程仍然具备以下缺点：
3、其一、ai推荐系统往往会根据用户的购买历史和浏览行为推荐相似的内容，导致用户很难接触到新颖和多样化的内容，使得推荐的内容更加局限性；
4、其二、ai推荐系统会倾向于根据大数据的分析去推荐热门和热销的内容，缺乏根据用户的喜好推送一些用户偏爱的内容，导致用户喜欢的内容被忽略。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术提供了一种基于大数据的ai推荐系统及方法，以解决上述
技术介绍
中存在的问题。
2、本专利技术提供如下技术方案：一种基于大数据的ai推荐系统，包括：
3、数据收集模块：用于负责从各种数据源收集与产品推荐相关的各种数据，包括用户行为数据、用户属性数据、产品属性数据、用户偏好数据以及用户评价数据，并按平台特征对收集的数据进行区域划分，编号为1,2,3
4、数据处理模块：用于对收集到的子区域数据进行处理和特征提取，得到用户的历史行为、产品的属性特征以及用户的个人信息；
5、数据分析模块：基于对子区域数据进行分析，得到用户之间的相似度以及用户对于产品的喜爱程度；
6、推荐计算模块：基于对分析后的子区域数据进行二次分析，计算得到预测推荐指数，预测推荐指数通过对各子区域内相似用户对产品的喜爱程度进行整合，来预测整个区域当前用户对产品的喜好程度，并将计算出的预测推荐指数值传输至评估与优化模块；
7、评估与优化模块：基于预测推荐指数对整个区域当前用户偏爱产品预测的结果进行评估和优化，通过比较预测推荐指数所评估的结果与实际用户行为值的差异，并经过排序和筛选，再对评估结果进行优化调整，根据相似用户的行为和偏好，将更接近于整个区域当前用户偏爱的产品进行推荐，同时将推荐的结果传输至用户反馈模块；
8、用户展示模块：用于将推荐结果通过网站app、邮件以及短信的方式展示给用户，同时对各区域内的推荐分析过程进行监测，并定期对推荐数据进行更新。
9、优选的，所述数据收集模块通过从网站日志、社交媒体、用户调查以及运营数据中获取与产品推荐相关的各种数据，并根据用户在各社交媒体平台的行为数据进行区域划分；所述用户行为数据是指用户在产品中的浏览记录、点击记录以及购买记录；所述用户属性数据是指用户的年龄、性别以及地理位置；所述产品属性数据是指产品的类别、标签以及特征；所述用户偏好数据是指用户对不同产品的评分以及喜好程度；所述用户评价数据是指用户对产品的评价以及评论。
10、优选的，所述数据处理模块是用于对收集到的子区域数据进行清洗、格式化和整理，并从收集到的子区域数据中提取有用的特征，所述特征提取包括特征选择、特征提取以及特征分析。
11、优选的，所述数据分析模块是通过对子区域内的用户行为历史与用户的个人信息进行分析，得出用户之间的相似度，并结合子区域内的产品的属性特征进行分析，得出用户对于产品的喜好程度；
12、所述用户之间的相似度是基于用户的历史行为和兴趣，来寻找与其相似的其他用户，再根据这些相似用户的行为和兴趣，来预测该用户可能感兴趣的产品，具体计算公式为用户之间的相似度u和v分别表示两个用户，j表示第j个子区域，ru,i表示用户u对产品i的评分，rv,i表示用户v对产品i的评分；
13、所述用户对于产品的喜爱程度是和用户历史上感兴趣的产品越相似的产品，越有可能在用户的推荐列表中获得比较高的排名，具体计算公式为用户对于产品的喜爱程度n(u)表示用户喜欢的产品的集合，s(x,k)表示和产品x最相似的k个产品的集合，wx,i表示产品x和i的相似度，ru,i表示用户u对产品i的评分。
14、优选的，所述预测推荐指数是通过各子区域内的用户之间的相似度sj(u,v)以及用户对于产品的喜爱程度pj(u,x)进行计算，来预测整个区域当前用户对产品的喜爱程度，得出预测推荐指数n表示n个区域。
15、优选的，所述评估与优化模块是通过预测推荐指数对所有用户的历史偏好数据进行分析出用户与用户之间、用户和产品之间的相似性，再把与相似用户喜欢的产品推荐给当前用户，若用户u和用户v对产品的喜爱程度非常相似，根据预测推荐指数d评估出相似用户u对产品a的评分大于产品b大于产品c，则表示相似用户u对产品a,b,c的喜爱程度为a>b>c，进而把a推荐给用户v，并根据预测推荐指数d对评估结果进行实时优化调整，以此达到用户最满意的推荐结果。
16、优选的，所述用户展示模块是通过推荐的结果将所推荐的产品以列表的形式展现给用户，并实时更新推荐结果，及时反映用户的行为和喜好变化，当有新的推荐结果生成时，及时推送给用户。
17、为实现上述目的，本专利技术提供如下技术方案一种基于大数据的ai推荐方法，使用上述的一种基于大数据的ai推荐系统，包括以下步骤：
18、s1：用于负责从各种数据源收集与产品推荐相关的各种数据，包括用户行为数据、用户属性数据、产品属性数据、用户偏好数据以及用户评价数据，并按平台特征对收集的数据进行区域划分，编号为1,2,3,……，n，同时将收集的数据传输至数据预处理模块；
19、s2：用于对收集到的子区域数据进行特征提取，得到用户的历史行为、产品的属性特征以及用户的个人信息；
20、s3：基于对子区域数据进行分析，得到用户之间的相似度以及用户对于产品的喜爱程度；
21、s4：基于对分析后的子区域数据进行二次分析，计算得到预测推荐指数，预测推荐指数通过对各子区域内相似用户对产品的喜爱程度进行整合，来预测整个区域当前用户对产品的喜好程度，并将计算出的预测推荐指数值传输至评估与优化模块；
22、s5：基于预测推荐指数对整个区域当前用户偏爱产品预测的结果进行评估和优化，通过比较预测推荐指数所评估的结果与实际用户行为值的差异，并经过排序和筛选，再对评估结果进行优化调整，根据相似用户的行为和偏好，将更接近于整个区域当前用户偏爱的产品进行推荐，同时将推荐的结果传输至用户反馈模块；
23、s6：用于将推荐结果通过网站app、邮件以及短信的方式展示给用户，同时对各区域内的推荐分析过程进行监测，并定期对推荐数据进行更新。
24、本专利技术的技术效果和优点：
【技术保护点】
1.一种基于大数据的AI推荐系统，其特征在于：包括：
2.根据权利要求1所述的一种基于大数据的AI推荐系统，其特征在于：所述数据收集模块通过从网站日志、社交媒体、用户调查以及运营数据中获取与产品推荐相关的各种数据，并根据用户在各社交媒体平台的行为数据进行区域划分；所述用户行为数据是指用户在产品中的浏览记录、点击记录以及购买记录；所述用户属性数据是指用户的年龄、性别以及地理位置；所述产品属性数据是指产品的类别、标签以及特征；所述用户偏好数据是指用户对不同产品的评分以及喜好程度；所述用户评价数据是指用户对产品的评价以及评论。
3.根据权利要求1所述的一种基于大数据的AI推荐系统，其特征在于：所述数据处理模块是用于对收集到的子区域数据进行清洗、格式化和整理，并从收集到的子区域数据中提取有用的特征，所述特征提取包括特征选择、特征提取以及特征分析。
4.根据权利要求1所述的一种基于大数据的AI推荐系统，其特征在于：所述数据分析模块是通过对子区域内的用户行为历史与用户的个人信息进行分析，得出用户之间的相似度，并结合子区域内的产品的属性特征进行分析，得出用户
5.根据权利要求1所述的一种基于大数据的AI推荐系统，其特征在于：所述预测推荐指数是通过各子区域内的用户之间的相似度sj(u,v)以及用户对于产品的喜爱程度Pj(u,x)进行计算，来预测整个区域当前用户对产品的喜爱程度，得出预测推荐指数n表示n个区域。
6.根据权利要求1所述的一种基于大数据的AI推荐系统，其特征在于：所述评估与优化模块是通过预测推荐指数对所有用户的历史偏好数据进行分析出用户与用户之间、用户和产品之间的相似性，再把与相似用户喜欢的产品推荐给当前用户，若用户u和用户v对产品的喜爱程度非常相似，根据预测推荐指数D评估出相似用户u对产品a的评分大于产品b大于产品c，则表示相似用户u对产品a,b,c的喜爱程度为a>b>c，进而把a推荐给用户v，并根据预测推荐指数D对评估结果进行实时优化调整，以此达到用户最满意的推荐结果。
7.根据权利要求1所述的一种基于大数据的AI推荐系统，其特征在于：所述用户展示模块是通过推荐的结果将所推荐的产品以列表的形式展现给用户，并实时更新推荐结果，及时反映用户的行为和喜好变化，当有新的推荐结果生成时，及时推送给用户。
8.一种基于大数据的AI推荐方法，使用如权利要求1-7任一项所述的一种基于大数据的AI推荐系统，其特征在于：包括以下步骤：
...【技术特征摘要】
1.一种基于大数据的ai推荐系统，其特征在于：包括：
2.根据权利要求1所述的一种基于大数据的ai推荐系统，其特征在于：所述数据收集模块通过从网站日志、社交媒体、用户调查以及运营数据中获取与产品推荐相关的各种数据，并根据用户在各社交媒体平台的行为数据进行区域划分；所述用户行为数据是指用户在产品中的浏览记录、点击记录以及购买记录；所述用户属性数据是指用户的年龄、性别以及地理位置；所述产品属性数据是指产品的类别、标签以及特征；所述用户偏好数据是指用户对不同产品的评分以及喜好程度；所述用户评价数据是指用户对产品的评价以及评论。
3.根据权利要求1所述的一种基于大数据的ai推荐系统，其特征在于：所述数据处理模块是用于对收集到的子区域数据进行清洗、格式化和整理，并从收集到的子区域数据中提取有用的特征，所述特征提取包括特征选择、特征提取以及特征分析。
4.根据权利要求1所述的一种基于大数据的ai推荐系统，其特征在于：所述数据分析模块是通过对子区域内的用户行为历史与用户的个人信息进行分析，得出用户之间的相似度，并结合子区域内的产品的属性特征进行分析，得出用户对于产品的喜好程度；
5.根据权利要求1所述的一种基于大数据的ai推荐系统，其...
【专利技术属性】
技术研发人员：张忠祥，田言金，
申请(专利权)人：礼物颂深圳数字科技有限公司，
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。