[发明专利]一种基于用户行为特征及文章属性的保险文章推荐方法在审
申请号: | 202010306067.3 | 申请日: | 2020-04-17 |
公开(公告)号: | CN111651584A | 公开(公告)日: | 2020-09-11 |
发明(设计)人: | 杨喆;田立文;徐铮;裴晋 | 申请(专利权)人: | 世纪保众(北京)网络科技有限公司 |
主分类号: | G06F16/335 | 分类号: | G06F16/335;G06Q40/08 |
代理公司: | 北京金蓄专利代理有限公司 11544 | 代理人: | 姚金良 |
地址: | 102600 北京市大兴区北京经*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 用户 行为 特征 文章 属性 保险 推荐 方法 | ||
1.一种基于用户行为特征及文章属性的保险文章推荐方法,其特征在于包括:
第一步骤:执行用户属性及用户行为数据采集和过过滤;
第二步骤:执行保险文章数据采集的采集和过滤;
第三步骤:根据采集和过滤后的用户属性及用户行为数据和保险文章数据,执行用户特征抽取和文章特征抽取;
第四步骤:确定推荐流程及推荐模型;
第五步骤:执行模型设计及训练;
第六步骤:输出模型结果。
2.根据权利要求1所述的基于用户行为特征及文章属性的保险文章推荐方法,其特征在于,用户属性及用户行为数据的采集包括:通过数据库数据获取用户操作日志数据,将用户操作日志数据建模所需的用户互联网操作行为数据存储到建模宽表。
3.根据权利要求1或2所述的基于用户行为特征及文章属性的保险文章推荐方法,其特征在于,用户属性及用户行为数据的过滤包括:针对用户操作日志数据,对无效数据、重复数据、失真、噪声数据进行删除处理。
4.根据权利要求1或2所述的基于用户行为特征及文章属性的保险文章推荐方法,其特征在于,保险文章数据采集的采集包括:将用户阅读过的历史保险文章进行采集以及数据结构化解析,并建立每篇文章与用户操作行为的关联。
5.根据权利要求1或2所述的基于用户行为特征及文章属性的保险文章推荐方法,其特征在于,保险文章数据采集的过滤包括:针对数据结构化解析的保险文章,对无效数据、重复数据、失真、噪声数据进行删除处理。
6.根据权利要求1或2所述的基于用户行为特征及文章属性的保险文章推荐方法,其特征在于,第四步骤包括:构建多个推荐模块,其中每个推荐模块包括第一部分和第二部分;第一部分用于从数据库或者缓存中提取用户行为数据,通过行为提取和分析,结合用户属性数据,生成当前用户的特征向量;第二部分用于将用户的特征向量通过特征和文章的相关矩阵转化为初始推荐列表;每个推荐模块实现基于一种算法的推荐,每个推荐模块输出该算法模块的推荐结果,并由推荐引擎将各模块推荐结果进行合并、过滤和排名。
7.根据权利要求1或2所述的基于用户行为特征及文章属性的保险文章推荐方法,其特征在于,第四步骤的推荐模型采用集成模型SJ-Xmodeling,SJ-Xmodeling包含基于分类推荐、基于主题词推荐、基于保司相关性推荐、基于保险产品相关性推荐、基于关键词推荐、基于短期文章热度推荐、基于评论最多推荐的多种模型算法混合加权,统一排序处理。
8.根据权利要求1或2所述的基于用户行为特征及文章属性的保险文章推荐方法,其特征在于,集成模型SJ-Xmodeling的算法采用基于模块权重的动态调整优化机制。
9.根据权利要求1或2所述的基于用户行为特征及文章属性的保险文章推荐方法,其特征在于,集成模型SJ-Xmodeling的调整包括:
根据需求,选择m个推荐算法模块;
指定各个算法模块的权重O,O=(N1,N2,…,Nm),其中0≤i≤m,Ni∈R;
在未获得推荐反馈的条件下,对上面的主观权重进行归一化,得到每个人的初始化权重值D,D=(w1,w2,…,wm),其中
每天记录每个人各推荐模块的推荐反馈的情况di,di=(x,y,…,z),其中,i表示不同的日期,x,y,…,z表示各个模块推荐命中的次数;
对点击反馈记录按天进行累计,得到每个人的客观权重S,S=∑di;
对客观权重进行归一化,得到每个人的客观权重值P,P=(w1,w2,…,wm),其中
综合上面的两个结果计算:综合权重W=D+P,进行归一化,得到每个人对应的推荐算法的模块权重值W,
W=(w1,w2,…,wm),其中
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于世纪保众(北京)网络科技有限公司,未经世纪保众(北京)网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010306067.3/1.html,转载请声明来源钻瓜专利网。