[发明专利]基于大数据的用户偏好分析方法、装置及电子设备

说明书

本发明涉及大数据技术，揭露一种基于大数据的用户偏好分析方法，包括：计算历史用户信息数据集的信息熵的平均值，根据平均值从历史用户信息数据集中筛选第一特征数据集；根据神经网络模型从第一特征数据集中筛选第二特征数据集；利用第二特征数据集训练用户偏好分析模型，并利用用户偏好分析模型对特定用户的数据信息进行分析，得到用户的数据分析结果，并根据数据分析结果对所述特定用户推荐产品或者服务。此外，本发明还涉及区块链技术，所述特定用户的数据信息可存储于区块链中。本发明还提出一种基于大数据的用户偏好分析装置、电子设备以及存储介质。本发明可以解决用户偏好分析时，用户特征信息浪费的问题。

技术领域

本发明涉及大数据技术领域，尤其涉及一种基于大数据的用户偏好分析的方法、装置、电子设备及计算机可读存储介质。

背景技术

随着互联网的普及，用户消费习惯逐渐从线下向线上转变，使得对用户的线上行为的分析至关重要。目前，针对用户线上行为方式的研究，主要有业务员电话拜访和根据线上浏览记录分析两种方式。如保险行业的投保行为中，业务员通过电话拜访的方式向用户询问信息，了解用户需求并推荐投保方案，或者根据用户线上浏览记录分析用户行为，推荐用户投保方案。

但是上述两种方法基本都不包含差异化举措，忽略了用户本身特征与对产品的接受能力，未能有效识别用户对线上行为，特别是线上产品的偏好程度，没有有效的结合用户信息，造成用户信息特征浪费，从而导致给用户推荐的产品或者服务，并不能使用户满意。

发明内容

本发明提供一种基于大数据的用户偏好分析方法、装置、电子设备及计算机可读存储介质，其主要目的在于利用用户的特征信息精确分析出不同用户对于产品的接收能力，解决用户信息特征浪费的问题。

为实现上述目的，本发明提供的一种基于大数据的用户偏好分析方法，包括：

获取历史用户信息数据集，计算所述历史用户信息数据集中各用户数据的信息熵的平均值，并根据所述各用户数据的信息熵的平均值对所述历史用户信息数据集进行第一特征变量筛选，得到第一特征数据集；

根据预构建的神经网络模型对所述第一特征数据集进行第二特征变量筛选，得到第二特征数据集；

利用所述第二特征数据集，对预构建的用户偏好分析模型进行训练，得到训练完成的用户偏好分析模型；

获取特定用户的数据信息，利用所述训练完成的用户偏好分析模型对所述特定用户的数据信息进行分析，得到用户的数据分析结果，并根据所述数据分析结果对所述特定用户推荐产品或者服务。

可选地，所述历史用户信息数据集包括历史用户的基本信息数据集和行为信息数据集，其中，所述基本信息数据集包括用户人身基本信息和资产状况基本信息，以及所述行为信息数据集包括用户近期的线上行为。

可选地，所述计算所述历史用户信息数据集中各数据的信息熵的平均值，包括：

通过遍历操作依次从所述历史用户信息数据集中选择用户数据X；

根据所述用户数据X含有的m种相互独立的数据{x_1,x_2…x_m}，计算出所述m种相互独立的数据对应的信息熵p_m：

p_m＝p(1Ix₁)p(x₁)+p(2Ix₂)p(x₂)+…+p(mIx_m)p(x_m)

根据下列公式计算出所述各用户数据信息熵的平均值：

可选地，所述根据预构建的神经网络模型对所述第一特征数据集进行第二特征变量筛选，得到第二特征数据集，包括：