[发明专利]一种基于大数据的共享平台智能推荐方法、系统及可读存储介质

权利要求书

1.一种基于大数据的共享平台智能推荐方法，其特征在于，包括：

通过人脸识别获取用户属性，提取特征值，并建立预设模型；

根据大数据分析获取用户喜好信息，自动生成果蔬组合，得到组合信息；

将组合信息与预设信息进行比较，得到偏差率；

判断所述偏差率是否大于预设的偏差率阈值；

若大于，则进行果蔬组合的调整，得到结果信息；

将结果信息按照预定方式进行屏显，得到推荐屏显信息。

2.根据权利要求1所述的一种基于大数据的共享平台智能推荐方法，其特征在于：

推荐屏显信息与用户信息匹配并形成交易信息；

交易信息传输至数据库，数据库每增加N条交易信息时，得到修正信息；

根据修正信息反向修正购买次数排序前N位对应的果蔬类形成一个新的果蔬组合的推荐屏显类；

根据推荐屏显类反向修正推荐屏显信息与用户特征匹配度。

3.根据权利要求1所述的一种基于大数据的共享平台智能推荐方法，其特征在于：根据大数据分析获取用户喜好信息，自动生成果蔬组合，得到组合信息；具体包括，

根据用户个人健康信息计算出用户的热量及营养需求，

获取果蔬热量及营养成分，根据用户需求筛选出推荐果蔬类，并生成果蔬组合进行显示。

4.根据权利要求3所述的一种基于大数据的共享平台智能推荐方法，其特征在于：所述用户属性包括用户年龄、用户喜好、用户体重信息、用户禁忌信息或用户性别信息中的一种或两种以上的组合。

5.根据权利要求3所述的一种基于大数据的共享平台智能推荐方法，其特征在于：所述预设模型包括卷积神经网络模型，具体为：

通过大数据分析获取用户人群属性，通过云计算得到用户数据；

将用户数据输入卷积神经网络模型，通过大数据训练卷积神经网络模型，得到反馈信号，获取反馈信息；

根据反馈信息制定对应的果蔬组合信息。

6.根据权利要求1所述的一种基于大数据的共享平台智能推荐方法，其特征在于：将结果信息按照预定方式进行屏显，得到屏显信息，还包括

将预设区域划分为N个不同的子区域；

计算每个子区域的屏显信息和组合特征，得到特征值；

比较每个不同的子区域的特征值差别率；

将小于特征值差别率阈值的子区域归于同类别区域；

获取同类别区域的原始数据库信息，

根据原始数据库信息计算修正参数；

根据修正参数反馈优化推荐屏显信息。

7.一种基于大数据的共享平台智能推荐系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于大数据的共享平台智能推荐方法程序，所述基于大数据的共享平台智能推荐方法程序被所述处理器执行时实现如下步骤：

通过人脸识别获取用户属性，提取特征值，并建立预设模型；

根据大数据分析获取用户喜好信息，自动生成果蔬组合，得到组合信息；

将组合信息与预设信息进行比较，得到偏差率；

判断所述偏差率是否大于预设的偏差率阈值；

若大于，则进行果蔬组合的调整，得到结果信息；

将结果信息按照预定方式进行屏显，得到推荐屏显信息。

8.根据权利要求7所述的一种基于大数据的共享平台智能推荐系统，其特征在于：推荐屏显信息与用户信息匹配并形成交易信息；

交易信息传输至数据库，数据库每增加N条交易信息时，得到修正信息；

根据修正信息反向修正购买次数排序前N位对应的果蔬类形成一个新的果蔬组合的推荐屏显类；

根据推荐屏显类反向修正推荐屏显信息与用户特征匹配度。