[发明专利]一种AI算法融合的推荐方法及系统

权利要求书

1.一种AI算法融合的推荐方法，其特征在于，所述方法包括：

预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本；

基于分词后文本和类别，构建基于深度学习的预测模型；

根据目标用户的标签和历史记录，采用所述预测模型对所述目标用户对每一类门店的光顾概率进行打分；

基于所述打分进行门店推荐。

2.根据权利要求1所述的一种AI算法融合的推荐方法，其特征在于，所述预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本的步骤，包括：

通过条件随机场模型和word2vec算法，对所述评论数据进行训练，以得到实体标签；

根据所述实体标签得到门店类别以及分词后文本。

3.根据权利要求1或2所述的一种AI算法融合的推荐方法，其特征在于，所述根据目标用户的标签和历史记录，构建用户基于所述预测模型对所述目标用户对每一类门店的光顾概率进行打分的步骤，包括：

将目标用户的标签和历史记录输入所述预测模型；

采用所述预测模型对目标用户的标签和历史记录进行训练并获得预测分值；

将所述预测分值作为该目标用户光顾每一类门店的打分。

4.根据权利要求3所述的一种AI算法融合的推荐方法，其特征在于，所述基于所述打分进行门店推荐的步骤，包括：

获取大于预设阈值的打分；

将所获取的打分所对应的每一类门店作为待推荐门店。

5.根据权利要求4所述的一种AI算法融合的推荐方法，其特征在于，所述将所获取的打分所对应的每一类门店作为待推荐门店的步骤，包括：

将所获取的打分进行降序排列；

根据排列顺序获取每一个打分对应的待推荐门店；

将待推荐门店进行顺序展示。

6.根据权利要求1所述的一种AI算法融合的推荐方法，其特征在于，所述预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理的步骤，包括：

预先根据门店获取历史用户的评论数据；

对所述评论数据进行归一化处理；

对归一化处理后的评论数据进行分词处理。

7.一种AI算法融合的推荐系统，其特征在于，所述系统包括：

获取模块，用于预先根据门店获取历史用户的评论数据，并对所述评论数据进行分词处理，得到分词后文本；

构建模块，用于基于分词后文本和类别，构建基于深度学习的预测模型；

打分模块，用于根据目标用户的标签和历史记录，采用所述预测模型对所述目标用户对每一类门店的光顾概率进行打分；

推荐模块，用于基于所述打分进行门店推荐。