[发明专利]一种基于深度学习的商业推广信息精准推荐方法及系统

说明书

本发明公开了一种基于深度学习的商业推广信息精准推荐方法及系统，通过训练样本数据集训练LSTM神经网络和通过测试样本数据集测试LSTM神经网络准确度得到训练好的LSTM神经网络作为推荐系统，得到功能完善的推荐系统的分类器，缩短发展客户所需要的时间，提高发现客户的精准度。本公开的方法及系统是一套成型的、高效的、面向区域行业的推荐系统；在各个区域，有很多区域性的企业集中在同一片区域，线下发展客户已接近饱和。而线下挖掘潜在客户需要一定的人力物力成本，并且成功率不高。这类企业迫切需要一套成型的系统来指引，节省发展客户所需要的成本。

技术领域

本公开涉及机器学习推荐算法和深度学习技术领域，具体涉及一种基于深度学习的商业推广信息精准推荐方法及系统。

背景技术

传统推荐系统一般为商品与顾客之间的推荐，为不同的顾客推荐不同的商品。而传统的推荐算法一般有：基于内容的推荐(Content Based，CB)，协同过滤(CollaborativeFiltering CF)，混合推荐方法等。而本专利抛开传统推荐模式，实现上游企业与下游企业之间的推荐，使用基于深度学习的推荐算法来解决上下游企业之间复杂的关系。

目前的传统推荐系统存在以下两方面问题：

1)国内现阶段推荐算法的研究领域主要集中在对商品的精准推荐，对于客户推荐的研究还比较少。而国内研究推荐系统的算法一般采用机器学习算法，但对于现在日益复杂的企业关系和多元化的数据关系，机器学习所具有的学习效率渐渐不能满足需求。

2)脱离传统数据挖掘的框架，数据由网页自动抓取和筛选，降低收集数据的成本或解决缺乏数据的困境

发明内容

为解决上述问题，本公开提供一种基于深度学习的商业推广信息精准推荐方法及系统的技术方案，通过训练样本数据集训练LSTM神经网络和通过测试样本数据集测试LSTM神经网络准确度得到训练好的LSTM神经网络作为推荐系统，得到功能完善的推荐系统的分类器，基于深度学习和网络技术，减少企业发展客户时所需的成本，缩短发展客户所需要的时间，提高发现客户的精准度。

为了实现上述目的，根据本公开的一方面，提供一种基于深度学习的商业推广信息精准推荐方法，所述方法包括以下步骤：

步骤1，采集商业推广信息数据；

步骤2，对所采集到的商业推广信息数据进行预处理和清洗得到商业推广信息数据集；

步骤3，对商业推广信息数据集进行降维和特征选择；

步骤4，将特征选择得到的商业推广信息数据集划分为训练样本数据集和测试样本数据集；

步骤5，训练样本数据集和测试样本数据集通过word2vec模型得到用于训练的词向量；

步骤6，通过训练样本数据集训练LSTM(Long Short-Term Memory)神经网络和通过测试样本数据集测试LSTM神经网络准确度得到训练好的LSTM神经网络作为推荐系统。

进一步地，在步骤1中，采集商业推广信息数据的方法包括但不限于：采集开源的数据集网站如kaggle数据集作为商业推广信息数据；通过二次开发后的网络爬虫技术对类淘宝店家网页或者同城交易信息网通过爬虫进行抓取数据集，获得商业推广信息数据；利用百度快照中保留的txt格式的网页备份，从中获取所需要的信息作为商业推广信息数据。