【技术实现步骤摘要】
本专利技术属于电子商务，尤其涉及基于大数据的首页功能模块管理方法、系统及介质。
技术介绍
1、随着互联网和移动互联网的迅速发展，用户生成的数据量呈爆炸性增长，大数据技术成为理解和利用这些数据的关键。对于网站和应用程序而言，首页作为用户接触服务的第一界面，其功能模块的优化直接影响用户体验和业务成效。传统的首页设计和管理往往依赖于设计师的直觉和有限的用户反馈，难以实时、精准地响应大规模用户的需求变化。
技术实现思路
1、本专利技术的目的是提出基于大数据的首页功能模块管理方法、系统及介质，结合强化学习对首页模块进行管理，进行更人性化的个人推荐，满足用户需求。
2、为了达到上述目的，在本专利技术的第一方面提供了基于大数据的首页功能模块管理方法，所述方法包括：
3、步骤一、收集用户行为数据，并对用户行为数据进行预处理；
4、步骤二、基于预处理后的用户行为数据，对用户行为数据进行特征提取得到用户行为特征；其中，所述特征包括基础特征、时间特征、序列特征、社交网络特征、高级特征和统计特征；
5、步骤三、根据用户行为特征，对首页功能模块进行聚类分析，构建用户行为分析模型将具有相似用户行为特征的功能模块划分为同一类别；
6、步骤四、基于聚类分析结果，设置综合操作指标评分，基于综合操作指标评分将首页功能模块看作一个马尔科夫决策过程定义强化学习环境；
7、步骤五、实时监测首页功能模块的使用情况，收集新的用户行为数据，基于策略梯度优化和
8、其中，所述步骤四具体包括：
9、s4.1、基于用户类聚分析的结果，得到用户群体类别，每种类别代表了一种典型的行为模式，设计综合操作指标评分scoretotal，表示如下：
10、scoretotal＝α·score1+β·score2+.....γ·scorei
11、1＝α+β+......+γ
12、其中，α、β和γ是动态权重，用于调整不同指标的重要性；score1、score2、scorei分别表示不同指标的得分，i∈[1,2......i,n]；
13、s4.2、定义状态为当前用户群体类别以及当前类别用户的首页功能模块布局情况以及对应的综合操作指标得分，动作定义为对首页功能模块的布局调整，基于综合操作指标评分的变化设计奖励函数，定义策略函数π，根据当前状态决定采取何种动作，设计价值函数critic与策略actor共同迭代优化；
14、所述方法还包括以下至少0项步骤：
15、步骤a、采集多源数据对模型进行的准确性进行优化及扩展，对模型进行微调优化获取最佳的预测性能；
16、步骤b、设计用户满意度评分，通过分析个别用户历史行为和用户满意度评分，生成个性化的首页功能模块推荐；
17、步骤c、基于综合操作指标评分，持续优化步骤四、步骤五，并对首页功能模块进行动态调整。
18、进一步地，所述用户行为数据包括用户访问首页的时间、频率、停留时间、点击模块和浏览路径中的至少1种。
19、进一步地，使用卡片检测依次测试用户行为特征的相关度，相关度l表示如下：
20、
21、其中，f表示实际频率，fe表示期望频度；
22、根据关联度对用户行为数据的相关度进行排名得到排名后的用户行为数据特征，保留与目标变量最高度相关的特征，并对特征进行标准化处理，然后组成特征向量。
23、进一步地，所述聚类分析为pso-k均值聚类，用于将首页功能模块分为不同的类别，包括：
24、从首页模块中随机选择s个作为初始类聚中心点，从初始类聚中心点对用户行为数据进行类聚，得到x类聚类结果，其中x≥s，且x为正整数；
25、获取与x类聚类结果对应的m个用户行为数据，从m个用户行为数据确定s个所述初始聚类中心点的用户行为数据；
26、定义聚类的损失函数l为：
27、
28、其中，si为中心数量，d表示距离，gij表示当前用户行为数据i的第j个类聚中心坐标向量，gj表示当前用户行为数据j的类聚中心；
29、对用户行为数据进行k个簇的聚类，其中，k≥2；
30、计算每个用户行为数据的轮廓系数，然后计算平均轮廓系数，对比不同簇个数下的平均轮廓系数，找出最大值，对应的k值就是最优的簇个数。
31、进一步地，所述步骤s4.2中，设计价值函数critic与策略actor共同迭代优化具体包括：
32、设状态表示为(s,l,scoretotal)，其中，s表示当前用户群体，l表示当前类别用户的首页功能模块布局情况；
33、将动作合集设为a＝{a1,a2,...ai,an}，其中动作ai表示不同的首页功能模块布局调整；
34、设计奖励函数r(s,a,s')基于综合操作指标得分的变化，使用奖励差异来表示：
35、r(s,a,s')＝score(s')-score(s)r(s,a,s')＝score(s')-score(s)
36、使用softmax策略根据当前状态选择最优动作，表示如下：
37、
38、其中，a'表示当前状态的最优动作；
39、critic使用值函数v(s)估计状态的价值，表示在状态s下的长期回报期望，actor根据值函数反馈更新策略。
40、进一步地，所述critic的更新函数表示如下：
41、v(s)←v(s)+μ[r(s,a,s′)+γv(s′)-v(s)]
42、其中，v(s)是价值函数，γ是折扣因子，μ表示学习率；
43、所述actor根据梯度上升更新策略函数π，使长期回报最大化，表示如下：
44、
45、其中，表示j(θ)的梯度，其中j(θ)是关于参数θ的函数。
46、进一步地，其中，所述学习率采用adam算法更新，表示如下：
47、mt＝β1mt-1+(1-β1)gt
48、
49、
50、
51、
52、其中，mt表示t时间梯度gt的指数加权移动平均值，t表示时间t，mt-1表示t-1时间梯度的加权移动平均值，β1表示指数加权移动平均的衰减率，vt表示梯度的指数加权移动平均值，β2表示指数加权移动平均的衰减率，和分别表示偏差修正系数，∈表示保持分母数值稳定的常数。
53、进一步地，所述轮廓系数计算如下：
54、对于每个数据点i，计算以下值：
55、a(i)：与同一簇中其他点的平均距离；
56、b(i)：与最近的另一个簇中所有点的平均距离；
57、s(i)＝(b(i)-a(i))/max(a(i),b(本文档来自技高网...
【技术保护点】
1.一种基于大数据的首页功能模块管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于大数据的首页功能模块管理方法，其特征在于，所述用户行为数据包括用户访问首页的时间、频率、停留时间、点击模块和浏览路径中的至少1种。
3.根据权利要求2所述的一种基于大数据的首页功能模块管理方法，其特征在于，使用卡片检测依次测试用户行为特征的相关度，相关度L表示如下：
4.根据权利要求3所述的一种基于大数据的首页功能模块管理方法，其特征在于，所述聚类分析为PSO-K均值聚类，用于将首页功能模块分为不同的类别，包括：
5.根据权利要求1所述的一种基于大数据的首页功能模块管理方法，其特征在于，所述步骤S4.2中，设计价值函数Critic与策略Actor共同迭代优化具体包括：
6.根据权利要求5所述的一种基于大数据的首页功能模块管理方法，其特征在于，所述Critic的更新函数表示如下：
7.根据权利要求6所述的一种基于大数据的首页功能模块管理方法，其特征在于，其中，所述学习率采用Adam算法更新，表示如下：
<...【技术特征摘要】
1.一种基于大数据的首页功能模块管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于大数据的首页功能模块管理方法，其特征在于，所述用户行为数据包括用户访问首页的时间、频率、停留时间、点击模块和浏览路径中的至少1种。
3.根据权利要求2所述的一种基于大数据的首页功能模块管理方法，其特征在于，使用卡片检测依次测试用户行为特征的相关度，相关度l表示如下：
4.根据权利要求3所述的一种基于大数据的首页功能模块管理方法，其特征在于，所述聚类分析为pso-k均值聚类，用于将首页功能模块分为不同的类别，包括：
5.根据权利要求1所述的一种基于大数据的首页功能模块管理方法，其特征在于，所述步骤...
【专利技术属性】
技术研发人员：张嘉禄，罗海峰，陈扬，金世礼，刘行，
申请(专利权)人：恒大培冠教育科技有限公司，
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。