[发明专利]基于类似受众的实时推荐系统及方法

说明书

本发明公开了基于类似受众的实时推荐系统及方法，该系统包括离线模块、实时模块、业务推荐服务器，评估用户所有历史数据，通过机器学习得知用户的行为，并在秒级内完成对用户的评估，从而可以及时向用户推荐相关业务，并能真正做到客观有效，避免人为干预所带来的诸多问题，使推荐更佳精确，服务更佳定制化，转化率更高，对于产品/服务推荐公司来说，不但可以使业务拓展更精准，也极大地降低了拓展成本，使产品的推广变的更加快速便捷更加精准，同时让终端用户享受到更加适合他们的产品和服务。本发明能够用于金融产品的实时推荐，以及其他电商产品和广告系统或其他类似系统的实时推荐。

技术领域

本发明涉及大数据、数据分析和数据挖掘的技术领域，尤其涉及基于类似受众的实时推荐系统及方法。

背景技术

金融衍生产品的丰富给用户提供了丰富的选择，多样性的选择也加大了用户的使用困难，当用户面临这些选择时，往往无法做出合适的选择，从而影响了金融业务的发展，也阻碍了用户享受其本应该享受的优质服务。

针对这个问题，现在行业的通用做法是，金融公司成立庞大的业务部门，由业务人员向用户推销和定制用户需要的业务。这同样存在很大的问题。一方面，这种业务的开展一般只能线下进行，费时费力，浪费资源。另一方面，由于大量的人工干预，存在很多主观不确定因素，使得用户无法真正得到自己最需要的服务。除此以外，消费者和金融服务公司之间产生沟通问题和信任问题，也就阻碍了业务的顺利发展。

技术方面，网络推荐系统的出现已经出现在一些电子商务和广告推荐应用场景中。这些系统一般会处理大量的用户数据，并通过用户的行为学习用户的特征，定期产生模型，并基于产生的模型向用户推广产品或者是广告。但这种模型一般是基于海量数据而来，所以其数据分析过程一般需要很长的时间，比如几个小时到几天不等。当把生成的模型应用到实时系统的时候，用户的行为可能已经发生了巨大的变化，从而浪费推荐资源，也就无法向用户提供更精准的服务。另外，即使是在电子商务或者网络广告推荐系统中，推荐系统一般还是是基于业务经验，人为定义一些规则并用来匹配一个新用户的行为，决定是否向其推荐相关货物或者广告。这里同样存在一个经验和主观性问题，因为规则的定义是依靠经验，而人的主观性和经验区别直接限制了定义的规则的有效性。

类似的，这种需要实时推荐的场合，现有技术不能很好地满足用户和产品/服务提供商对于实时、精准推荐内容的需求。

发明内容

为了克服现有技术的不足，本发明的目的在于提供基于类似受众的实时推荐系统及方法，旨在解决现有技术无法实时、精准地向用户推荐内容或服务的问题。

本发明的目的采用以下技术方案实现：

一种基于类似受众的实时推荐系统，包括离线模块、实时模块、业务推荐服务器，其中：

离线模块包括顺序连接的HDFS单元、模型编译器、模型数据库单元；HDFS单元还与实时数据库单元连接；

实时模块包括顺序连接的数据接入模块、特征提取单元、决策引擎单元、实时数据库单元；规则数据库单元与模型编译器连接；特征提取单元、决策引擎单元还分别与模型编译器连接；

业务推荐服务器与实时数据库单元连接；

HDFS单元定时从实时数据库单元载入种子数据和规则；模型编译器从HDFS单元获取所有种子数据以及这些种子数据的所有历史数据，提取特征，对这些种子数据及其提取出来的特征进行智能分析，提取共同特征，编译成模型并存入模型数据库单元，以及对规则数据库单元中的规则进行删除或更新；

在业务推荐服务器接收到服务请求时，用户的实时行为数据通过数据接入模块进入特征提取单元进行特征提取；实时数据库单元提取用户的历史行为数据；决策引擎单元结合用户的实时行为数据和历史行为数据，从模型数据库单元加载模型对用户进行综合评估运算，将运算结果返回到实时数据库单元；业务推荐服务器调用决策引擎单元返回的运算结果。