[发明专利]一种基于用户性格标签的推荐方法

权利要求书

1.一种基于用户性格标签的推荐方法，其特征在于，该方法包括以下步骤：

（1）建立线下性格与推荐模式的映射模型

（1.1）构建用户行为指标库和推荐模式库：根据一般用户对终端设备和终端设备上应用的行为习惯，开展小样本的线下用户抽样调研，收集用户行为指标和推荐模式，构建用户行为指标库和推荐模式库；

（1.2）生成用户行为指标列表、推荐模式列表和性格－推荐模式匹配规则：

根据用户行为指标和推荐模式，编制用户在具体应用场景的状态描述，即用户行为问卷；

让受试者分别做用户行为问卷和通用性格问卷，处理问卷数据生成用户行为指标列表、推荐模式列表和性格－推荐模式匹配规则；

所述用户行为指标列表，包括从用户行为指标库里筛选出来的，与推荐模式列表中的推荐模式对应的用户行为指标；

所述推荐模式列表，包括从推荐模式库里筛选出来的，对受试者有区分度或与性格维度得分显著相关的推荐模式；

所述性格-推荐模式匹配规则，包括性格维度，以及性格维度得分与推荐模式的对应关系；

（2）建立线上性格与行为真值拟合模型

（2.1）让线上受试者做通用性格问卷，生成某一性格维度的真值，同时采集同一受试者的互联网使用行为；

（2.2）根据用户行为指标列表，对用户的线上互联网使用行为进行指标转译，得到用户线上行为向量；

（2.3）将某用户线上行为向量与该用户相对应的性格维度真值进行训练，得到分类规则，完成线上性格与行为真值拟合模型的构建；

（3）根据用户的线上行为向量，确定用户推荐模式及内容

（3.1）将某用户的线上行为向量输入线上性格与行为真值拟合模型，通过计算指标相似性来获得该用户的性格标签；

（3.2）将用户性格标签，与性格-推荐模式匹配规则、推荐模式列表进行匹配，确定用户推荐模式；

（3.3）根据具体应用场景和用户推荐模式，确定推荐内容。

2.根据权利要求1所述的一种基于用户性格标签的推荐方法，其特征在于，所述步骤（1.1）中，用户对终端设备上应用的行为习惯包括对视频应用、音乐应用的评论、使用行为习惯。

3.根据权利要求1所述的一种基于用户性格标签的推荐方法，其特征在于，所述步骤（1.1）中，所述用户行为指标库由用户行为指标构成，根据用户使用量级或类别确定子维度。

4.根据权利要求1所述的一种基于用户性格标签的推荐方法，其特征在于，所述步骤（1.2）中的具体生成方法如下：根据用户行为指标和推荐模式，编制用户行为问卷，让受试者用5点量表做评价，生成某一推荐模式的得分A；让同一受试者做通用性格问卷，生成某一性格维度的得分B；采用不同的机器学习算法对得分A和得分B进行训练，选取拟合度最高的模型对用户行为指标进行分析筛选，只保留对受试者有区分度或与得分B积差相关系数显著的推荐模式形成推荐模式列表，并将推荐模式列表中的推荐模式在状态描述中对应的用户行为指标构成用户行为指标列表，并将推荐模式得分A和性格维度得分B之间的映射关系构成性格－推荐模式匹配规则。

5.根据权利要求4所述的一种基于用户性格标签的推荐方法，其特征在于，所述对受试者有区分度的标准为：得分排名前27%的受试者平均得分与得分排名后27%的受试者平均得分的T检验存在显著差异。

6.根据权利要求1所述的一种基于用户性格标签的推荐方法，其特征在于，所述步骤（2.2）中，所述用户的线上互联网使用行为包括显性行为数据和隐性行为数据；所述显性行为数据包括用户评分、评论、点赞、转发数据；所述隐性行为数据包括用户浏览量、浏览时间、点击量、观看时长数据。

7.根据权利要求1所述的一种基于用户性格标签的推荐方法，其特征在于，所述步骤（2.2）中，所述用户线上行为向量，是以用户行为指标列表为基础，根据实际的用户线上互联网使用行为，按不同的计算方法对用户在某个用户行为指标上的使用行为进行打分，得到该用户在各个用户行为指标列表上的得分向量；所述计算方法包括标记分类、占比计分、百分位数方法；对不同的计算方法进行组合搭配，以获得最好的拟合效果。