[发明专利]一种数据推荐方法

说明书

本发明提供一种数据推荐方法，其特征在于，包括：获取用户的身份标识；获取用户上级记录；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，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。

技术领域

本发明涉及AI数据分析与推演领域，具体为一种数据推荐方法。

背景技术

随着科技的发展，越来越多的基于大数据的分析预测出现；但是，对大数据的分析统计冗长繁琐、人为操作困难，运行成本高昂，不利于经济成本的节约，且各个产业之间不连通、统计预测方式杂乱，大数据无法有效利用。一些私人企业或小型产业由于资金不足依然靠人的主观意识判断，导致准确性差、更新意识缓慢、人员层次良莠不齐、不可复制、有效范围小的缺陷。

目前，大数据的不断积累，愈来愈多的数据形成了统计难题，而大数据的分析预测推演层出不断，大部分的数据是从多个业务系统中抽取而来而且包含历史数据，不乏一些错误数据或者是数据相互之间存在冲突等大数据无法有效利用，当此类数据与目标个体相关联时，就成为影响结果的因素。现有大数据分析算法基本都是基于简单概括统计学，有部分会用到一点相对值。采用相对值算法极大可能会导致一些用户的潜在需求被淹没，最终后期分析结果判断错误。

针对上述现有技术采用相对值算法进行大数据分析，由于用户潜在需求被淹没导致大数据预测结果不准确的的技术问题，目前尚未提出有效的解决方案。

发明内容

本发明所要解决的问题是针对用户潜在需求被淹没导致大数据预测结果不准确的的技术问题，提供一种数据推荐方法。

本发明为解决上述技术问题采用以下技术方案：一种数据推荐方法，包括：获取用户的身份标识；获取用户上级记录；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。

优选地，所述潜在需求生成模型步骤之前，还包括步骤如下：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；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；接收计算中间数据指令。

优选地，所述潜在需求生成模型之后，方法还包括：接收逐个用户分析指令，输出行为主体的潜在需求预测结果，用于数据推荐的业务场景。

优选地，接收标签指令，根据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。

优选地，在接收标签指令，根据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。