[发明专利]一种基于应用数据构建推荐系统的方法

权利要求书

1.一种基于应用数据构建推荐系统的方法，包括用户特征模型、题目特征模型、题目推荐引擎、结构化数据源和模型策略，其特征在于：所述题目推荐引擎由业务应用层(1)、推荐系统层(2)、核心数据层(3)、离线计算层(4)、推荐系统后台(5)和调度/协调服务器(6)组成。

2.根据权利要求1所述的一种基于应用数据构建推荐系统的方法，其特征在于：所述业务应用层(1)包括题目、组卷中心和考试/练习，所述推荐系统层(2)由排序算法、过滤算法、AB分流算法、和日志收集算法构成，所述核心数据层(3)包括类目相关性数据、题目相关性数据、题目标签数据、优质题库数据、教师偏好数据、学生偏好数据、学生学情数据和日志收集数据，所述离线计算层(4)包括应用数据和基础数据，所述应用数据由用户画像、学生学情、相似矩阵和优质题库，所述基础数据由教师基础数据、学生基础数据、题目基础数据和日志基础数据组成，所述推荐系统后台(5)由场景配置模块、AB配置模块、报表展示模块和数据维护模块组成，所述推荐系统后台(5)中的场景配置模块和AB配置模块针对推荐系统层(2)相关策略做配置，所述推荐系统后台(5)中的报表展示模块和数据维护模块针对推荐系统层(2)和核心数据数据层(3)相关数据做展示和维护，所述推荐系统层(2)、核心数据数据层(3)和离线计算层(4)均通过不同服务器部署，由调度/协调服务器(6)去统一分配资源，所述核心数据层(3)从离线计算层(4)拉取数据，所述推荐系统层(2)通过智能路由算法调用核心数据层(3)，所述业务应用层(1)通过json服务调用推荐系统层(2)。

3.根据权利要求1所述的一种基于应用数据构建推荐系统的方法，其特征在于：所述用户特征模型由常用设备特征、人口统计学特征、访问时间特征、访问频次特征、关注题目特征和其他行为特征组成，常用设备特征能够分辨用户设备是PC、Phone还是Pad，人口统计学特征用于判断用户性别、年龄段，访问时间特征即上次登录时间、一天访问时间的分布，访问频次特征包含一天访问次数、一周访问次数、一周点击推荐次数等信息，关注题目特征包括关注题目的热度和关注题目的类型，其他行为特征包括搜索记录和收藏内容。

4.根据权利要求1所述的一种基于应用数据构建推荐系统的方法，其特征在于：所述题目特征模型由题目内容特征、题目标签、题目所属聚类、题目流行度、时效性、题目社会特征和题目价值评价构成。

5.根据权利要求1所述的一种基于应用数据构建推荐系统的方法，其特征在于：所述模型策略包括Association Rules、Classify、Cluster、Dimensionreducation和Time seriesanalysis组成，所述Association Rules用于判断用户设备是PC、Phone或Pad，所述Classify用于预测用户性别、年龄段，所述Cluster用于题目聚类、用户分群，所述Dimension reducation用于计算相似用户，所述Time series analysis用于计算用户兴趣模型转移。

6.根据权利要求1所述的一种基于应用数据构建推荐系统的方法，其特征在于：所述题目特征模型优化的关注点在于个性化推荐排序与搜索排序的差别、基于行为的推荐与基于内容的推荐的差别、分时推荐、分场景推荐、推荐算法A/B测试、人工数据查审和从bad base中学习。

7.根据权利要求1所述的一种基于应用数据构建推荐系统的方法，其特征在于：所述结构化数据源包括题目与题目之间的关系、关键词与题目之间的关系、类目与题目之间的关系、聚类与题目之间的关系、用户与题目之间的关系、用户与用户之间的关系。