[发明专利]基于大数据的智能业务推荐算法、计算机可读存储介质

说明书

本发明提供了一种基于大数据的智能业务推荐算法、计算机可读存储介质，主要包括：基于的embedding算法生成对抗网络，以将对象数据C_e映射成特征二维矩阵C_t；基于对象特征的业务推荐深度学习算法，训练业务推荐神经网络N_r，并输入特征二维矩阵C_t以生成与对象相匹配的初始推荐业务概率RS；基于神经网络的个性化匹配算法，训练神经网络学习推荐人的历史业务数据，形成个性化网络N_ci；个性化网络N_ci以初始推荐业务概率RS数据为输入，以向推荐人示出对象的目标业务推荐概率PRS，从而提高了推荐人的业务推荐成功率。

技术领域

本发明涉及一种计算机深度学习算法，尤其涉及一种基于大数据的智能业务推荐算法、计算机可读存储介质。

背景技术

随着社会经济的发展，我国的中小企业越来越多，在日常运营过程中其起不可避免地需要专业的咨询机构来辅助他们，以提高工作效率。然而随着咨询服务需求的增加，咨询机构也越来越多，种类越来越复杂，中小企业想要找到适合自己的高质量的服务机构变得愈发的困难。还有一点就是中小企业并不知道市场上咨询机构有多少，能给自己有效帮助的又有多少，这个时候如果能将市场上符合企业需求的服务机构进行智能推荐排序，将会大大减少企业寻找服务机构的成本，提高企业办事效率。

而目前现有技术的智能业务推荐技术主要有以下两种：

1)基于内容的智能推荐

基于内容的智能推荐是挖掘用户过去的历史纪录，比如：浏览记录、购买记录和搜索记录，根据用户的爱好来进行智能匹配向用户推荐相关内容，以增加推荐成功率，提高推荐内容点击率。

2)基于关联信息的智能推荐

基于关联信息的智能推荐是挖掘用户正在浏览的信息进行匹配，在用户浏览的同时向用户推荐与浏览信息相似的信息，以此来提高信息推荐成功率和推荐内容的点击率。

根据上述技术所需的数据信息来源可知，以上两种业务推荐方法的缺陷在于，该技术在进行智能业务推荐时所挖掘和采集的数据纬度较为片面，因此在数据收集不够全面的条件下会产生很大的计算和判断误差，从而其业务推荐也就不会精确。因此上述现有技术在实际应用中的智能推荐效果并不令人满意。

发明内容

本发明的主要目的在于提供一种基于大数据的智能业务推荐算法、计算机可读存储介质，以提高智能业务推荐技术的精准性。

为了实现上述目的，根据本发明的一个方面，提供了一种基于大数据的智能业务推荐算法，步骤包括：基于的embedding算法生成对抗网络，以将对象数据C_e映射成特征二维矩阵C_t；基于对象特征的业务推荐深度学习算法，训练业务推荐神经网络N_r，并输入特征二维矩阵C_t以生成与对象相匹配的初始推荐业务概率RS；基于神经网络的个性化匹配算法，训练神经网络学习推荐人的历史业务数据，形成个性化网络N_ci；个性化网络N_ci以初始推荐业务概率RS数据为输入，以向推荐人示出对象的目标业务推荐概率PRS。

优选地，其中基于的embedding算法生成对抗网络的步骤包括：建立生成网络N_g和检测网络N_d，其中该生成网络N_g对C_e处理后获取特征二维矩阵C_t；该检测网络N_d以至少2个随机对象的C_t作为输入，以输出相似度NS_ij，并供各推荐人打分CS_ij，以训练检测网络N_d，并设定损失函数为：

其中M为打分的推荐人数量。