[发明专利]一种数据推荐方法

权利要求书

1.一种数据推荐方法，其特征在于，包括：

S101，获取用户的身份标识；

S102，获取用户上级记录；

S103，将所述用户上级记录输入预先训练得到的潜在需求生成模型，输出行为主体的潜在需求预测结果；

其中，将所述用户上级记录输入预先训练得到的潜在需求生成模型的步骤中包括：S204，根据所述潜在需求生成所述模型，包括步骤如下至少之一：

接收定区分析指令，将标签划分为定区区域，所述定区区域以限定的标签值范围为判断依据，当所述用户上级记录属于标签划分中的其中一种区域时，确定所述行为主体，在样本库中匹配到相同行为主体的下级记录；

接收相对分析指令，将标签划分相对区域，所述相对区域以间隔标签值范围大小为判断标准，当所述用户上级记录满足相对区域，确定所述行为主体，在样本库中匹配到相同行为主体的下级记录；

在根据所述潜在需求生成模型步骤之前，还包括步骤如下：

S201，接收多个用户历史记录，所述多个用户历史记录分别对应多个用户；

S202，接收标签指令，根据所述多个用户历史记录进行筛选，导出类型参数；

S203，接收计算中间数据指令；

接收计算中间数据指令的步骤中包括：

接收设置标签权重指令；

根据所述标签在用户历史记录中的各自占比，进行数据耦合，得到用户历史记录中的类型参数；

根据所述用户历史记录中的所述类型参数，确定所述用户历史记录对应的行为主体：

从所述多个用户历史记录中，获取属于同一行为主体的历史记录作为参照信息，并根据所述类型参数确定用于优化对应行为主体的所述下级记录；

根据所述类型参数确定用于优化对应行为主体的所述下级记录形成样本库。

2.根据权利要求1所述的一种数据推荐方法，其特征在于，在根据所述潜在需求生成所述模型之后，所述方法还包括：S205，接收逐个用户分析指令，输出所述行为主体的潜在需求预测结果，用于数据推荐的业务场景。

3.根据权利要求1所述的一种数据推荐方法，其特征在于，接收标签指令，根据所述多个用户历史记录进行筛选，导出类型参数，包括：

S2021，根据预设的信息设置标签；

S2022，根据标签对所述多个用户历史记录进行标签设置；

S2023，筛选所述多个用户历史记录后生成所述类型参数；

S2024，存储所述类型参数；

S2025，读取所述类型参数。

4.根据权利要求1所述的一种数据推荐方法，其特征在于，在接收标签指令，根据所述多个用户历史记录进行筛选，导出类型参数之后，还包括：接收会员流转指令，对所述用户进行分组，其中所述用户被分为处女购用户、活跃用户、沉睡用户。

5.根据权利要求1所述的一种数据推荐方法，其特征在于，根据所述类型参数确定用于优化对应行为主体的所述历史记录，包括：

按照预设的数据筛选算法，从所述参照信息中去掉不可信数据；

根据所述参照信息中的不可信数据之外的可信数据，分析得到所述行为主体中的下级记录。

6. 根据权利要求5所述的一种数据推荐方法，接收设置标签权重指令，包括： 按照预设的信息调整条件，对所述标签设置权重值。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一所述的数据推荐方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至6任一所述的数据推荐方法的计算机程序。