[发明专利]一种基于大数据技术的用户行为分析与服务推荐框架

说明书

本发明请求保护一种基于大数据技术的用户行为分析与服务推荐机制，涉及基于数据挖掘的用户行为预测模型以及服务推荐两部分。基于大数据的实时性计算方法研究，为数据服务层提供准确且实时的分析结果。基于机器学习算法对用户行为进行建模分析与服务推荐，采用机器学习算法精确生成用户行为预测模型。在用户行为预测模型基础上，利用深度神经网络算法进行服务推荐，达到快速准确识别用户行为并进行服务推荐的目的。

技术领域

本发明涉及一种基于大数据技术的用户行为分析与服务推荐机制。通过智能视频监控系统获取用户行为特征，基于机器学习算法对用户行为进行建模分析与服务推荐，采用机器学习算法精确生成用户行为预测模型。在用户行为预测模型基础上，利用深度神经网络算法进行服务推荐，属于数据挖掘与物联网的交叉领域。

背景技术

大数据与云计算平台有着千丝万缕的联系。数据是资产，是不可或缺的基础资源，云计算作为计算资源的底层，支撑着上层的大数据处理，实现实时交互式的查询效率和分析能力。IBM、甲骨文和HP等解决方案提供商、设备商，主要基于Hadoop架构为企业客户提供大数据应用产品和解决方案。其中，IBM提供的大数据产品包括基于Hadoop开源平台开发的云平台系统、流数据处理软件Streams、分析工具BigIn-sights、数据仓库Warehouse等大数据分析产品。

智能社区现有的技术已经落伍，采用的依然是网站式的数据处理方式。而现有的国外名企IT核心计算处理层大多为Hadoop，MapReduce，Spark，在此之上，还应用有不同的计算范式，如批处理，流处理和图计算等。著名的亚马逊正是将灵活的MapReduce程序建立在Hadoop框架顶端，高效精确的分析并建立了用户行为模型，并且快速准确的对数十亿人群进行服务推送。

我国“智慧社区”取得了积极进展，得益于大数据、云计算技术的快速发展，基于大数据的服务云平台也成了许多“智慧社区”的首要发展对象。然在当前技术下，用户行为模式刻画不精确，不及时，从而导致系统推荐的服务与用户实际需求的服务南辕北辙。

发明内容

为了克服上述现有技术中存在的缺陷，本发明提供了一种基于大数据技术的用户行为分析与服务推荐框架，用于精确刻画用户的行为模式，并进行精准的服务推荐。在此基础上，本发明采用星形骨架方法、决策树C5.0等机器算法快速、精确地生成用户行为预测模型,在服务推荐时，基于深度神经网络学习算法为用户提供精确的个性化推荐。

为实现本发明的上述目的所提出的框架，我们提供了具体的解决方案包括两个部分；

1、基于深度学习的张量分解快速的服务推荐方法。

针对未来社区服务云平台分析引擎的准确、迅速的特点，提出一种基于数据挖掘的用户行为预测模型，该模型通过提取用户行为特征生成用户画像，使用一种基于居民行为预测图和循环神经网络的用户行为预测方法对用户行为进行预测。使用深度学习下张量分解快速推荐算法：利用用户、服务、时间基于用户画像相似度分割区域进行分割处理，再利用张量分解快速推荐算法进行服务推荐，达到快速准确识别用户行为并进行服务推荐的目的，为大数据分析引擎提供支持。

2、基于并行计算框架的实时计算方法。

实现了一个定制化的大规模神经网络训练并行计算平台，平台采用分布式存储优化策略、内存计算的设计思想，实现基于内存计算的高效神经网络迭代训练并行化计算框架，保证神经网络训练算法的快速执行。基于矩阵模型实现统一编程模型与接口，为系统应用层数据分析计算提供透明的加速平台和易用性接口。

附图说明

图1是本发明的系统结构图；

图2是决策树算法流程图

图3是决策树执行过程流程图

图4是用户行为时序预测模型图

具体实施方式