[发明专利]一种AI算法融合的推荐方法及系统

说明书

本发明实施例公开了一种AI算法融合的推荐方法及系统，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。应用本发明实施例能够实现门店的自动推荐，提高用户体验。

技术领域

本发明涉及智慧园区的数据管理领域，具体涉及一种AI算法融合的推荐方法及系统。

背景技术

在各种推荐领域中，市面上较为成熟的算法有：基于用户或物品的协同过滤算法、基于用户-物品矩阵分解/基于图模型或关系网络的推荐算法。这些算法在有大量用户与物品交互的数据时显得十分强大及有用。但是，很多情况下我们无法获取大量用户与要推荐的物品间的交互数据，很可能只有用户或者物品单方面的数据。如果只有用户单方面的数据一般情况下只能挖掘出用户或者物品单方面的特征属性，仅仅起到的是对目标进行粗分类并互相匹配的模式。然而，这种方式应用在推荐中效果是十分有限的，无法做到千人千面的推荐，仅能有限地进行分类。在此情况下，主流的算法难以发挥应有的作用。

综上所述，现有的主流算法存在如下问题：当无法获取大量用户物品交互数据时，如何实现美食领域的推荐、语境中的自动意图准确判断以及精准美食门店的推荐。

发明内容

有鉴于此，本发明实施例提供一种AI算法融合的推荐方法及系统，能够实现门店的自动推荐，提高用户体验。

为实现上述目的，本发明实施例提供一种AI算法融合的推荐方法,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。

优选的，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；

根据所所述实体标签得到门店类别以及分词后文本。

一种实现方式中，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。

优选的，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。

优选的，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。

优选的，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；