[发明专利]数据推荐方法、装置、电子设备及存储介质

权利要求书

1.一种数据推荐方法，其特征在于，所述方法包括：

获取用户在应用程序中的历史数据，并采集所述用户在所述应用程序中的实时数据，分别对所述历史数据和所述实时数据进行标签提取，得到历史标签和实时标签；

根据所述历史标签和所述实时标签，创建所述用户的信用矩阵，利用预设的信用评分机制计算所述信用矩阵中每个数据的数据评分，根据每个所述数据评分，计算所述信用矩阵的矩阵评分，得到用户评分；

在所述用户评分处于第一预设范围时，标记所述用户为黑名单用户，并停止向所述黑名单用户进行数据推荐；

在所述用户评分处于第二预设范围时，标记所述用户为新用户，从所述应用程序的用户数据库中匹配所述新用户的相似用户，并将所述相似用户在所述应用程序中的产品浏览数据推送至所述新用户；

在所述用户评分处于第三预设范围时，标记所述用户为重要用户，识别所述重要用户的需求产品，从所述应用程序中匹配所述需求产品的产品数据，并将匹配成功的产品数据推送至所述重要用户。

2.如权利要求1所述的数据推荐方法，其特征在于，所述采集所述用户在所述应用程序中的实时数据，包括：

侦测所述用户在所述应用程序中的行为事件；

响应于所述行为事件，利用预构建的埋点框架记录所述行为事件的事件特征和用户特征；

根据所述事件特征和用户特征，生成所述实时数据。

3.如权利要求1所述的数据推荐方法，其特征在于，所述分别对所述历史数据和所述实时数据进行标签提取，得到历史标签和实时标签，包括：

分别对所述历史数据和所述实时数据进行特征提取，得到历史特征数据和实时特征数据；

分别识别所述历史特征数据和所述实时特征数据的数据属性，得到历史数据属性和实时数据属性；

根据所述历史数据属性和所述实时数据属性，分别建立所述历史特征数据和所述实时特征数据的数据标签，得到历史标签和实时标签。

4.如权利要求3所述的数据推荐方法，其特征在于，所述分别对所述历史数据和所述实时数据进行特征提取，得到历史特征数据和实时特征数据，包括：

分别计算所述历史数据和所述实时数据中每个数据的信息熵；

选取所述信息熵大于预设熵的数据作为所述历史数据和所述实时数据的特征数据，得到历史特征数据和实时特征数据。

5.如权利要求1所述的数据推荐方法，其特征在于，所述根据所述历史标签和所述实时标签，创建所述用户的信用矩阵，包括：

将所述历史标签和实时标签作为分别作为矩阵的行标签和列标签，根据所述行标签和列标签，构建所述用户的初始矩阵；

将所述历史标签和所述实时标签的数据加载至所述初始矩阵中，以生成所述用户的信用矩阵。

6.如权利要求1所述的数据推荐方法，其特征在于，所述利用预设的信用评分机制计算所述信用矩阵中每个数据的数据评分，包括：

利用下述公式计算所述信用矩阵中每个数据的数据评分：

其中，f(x,φ)表示信用矩阵中第x个数据的数据评分，x表示信用矩阵中第x个数据，φ表示信用矩阵中数据的数量，h(x)表示信用矩阵中第x个数据的高度，E(h(x))表示均值函数，c(φ)表示评分路径长度的标准化函数。

7.如权利要求1至6中任意一项所述的数据推荐方法，其特征在于，所述识别所述重要用户的需求产品，包括：

查询所述信用矩阵中的历史产品标签和实时产品标签；

将所述历史产品标签和实时产品标签对应的产品作为所述重要用户的需求产品。