[发明专利]一种基于用户数据推荐信息的方法及系统

说明书

本发明提供一种基于用户数据推荐信息的方法及系统，所述的方法包括：获取承载有用户数据的文本，通过预设的关键词对所述文本进行分析，获取预算特征向量和性状特征向量；对所述预算特征向量和所述性状特征向量进行融合处理，获取融合向量；将多个用户所对应的融合向量分别载入到特征矩阵中；将所述特征矩阵输入到第一神经网络中进行训练，获取推荐模型；通过所述推荐模型预测待处理的文本，获取推荐信息；通过利用关键字来确定与关键字相关联的文本中的语句，过滤掉冗余的文本的语句，通过对预算特征向量和性状特征向量进行二维度的融合和分析，能够结合该用户的预算情况和性状特点进行综合的权重考虑，提升推荐信息的精度和个性化水平。

技术领域

本发明涉及大数据技术领域，特别是涉及一种基于用户数据推荐信息的方法及系统。

背景技术

承载用户数据的文本往往蕴藏着深层次的特征信息，通过将特征信息进行汇总和融合，能够形成区别化、差异化和个性化的用户画像，通过用户画像能够预测用户潜在的需求，并进行信息推荐。

而目前，用户数据的离散性和耦合性不便于对用户数据进行精确地识别和分析，也不能准确地提取出关键信息，造成推荐信息的精确度低的问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于用户数据推荐信息的方法及系统，用于解决现有技术中的推荐信息的精确度低问题。

为实现上述目的及其他相关目的，本发明提供一种基于用户数据推荐信息的方法，包括：

获取承载有用户数据的文本，通过预设的关键词对所述文本进行分析，获取预算特征向量和性状特征向量；

对所述预算特征向量和所述性状特征向量进行融合处理，获取融合向量；

将多个用户所对应的融合向量分别载入到特征矩阵中；

将所述特征矩阵输入到第一神经网络中进行训练，获取推荐模型；

通过所述推荐模型预测待处理的文本，获取推荐信息。

可选的，通过预设的关键词对所述文本进行分析的步骤包括：

预设的关键词包括第一关键词和第二关键词，其中，所述第一关键词与用户的预算信息关联，所述第二关键词与用户的性状信息关联；

通过所述第一关键词确定所述文本中与预算信息关联的第一语句，并通过所述第二关键词确定所述文本中与性状信息关联的第二语句；

分别对所述第一语句和所述第二语句进行向量化，获取所述预算特征向量和所述性状特征向量。

可选的，分别对所述第一语句和所述第二语句进行向量化，获取所述预算特征向量和所述性状特征向量的步骤包括：

通过语料库获取所述第一语句和所述第二语句的单词的编码；

通过所述第一语句和所述第二语句的单词的编码分别获取第一语句矩阵和第二语句矩阵；

将所述第一语句矩阵和所述第二语句矩阵分别输入第二神经网络中；

将所述第一语句矩阵和所述第二语句矩阵分别通过一个或者多个尺寸的卷积核进行卷积，获取一个或者多个尺寸的特征图；

对一个或者多个尺寸的所述特征图分别进行池化处理并进行拼接，获取所述预算特征向量和所述性状特征向量。

可选的，所述第二神经网络包括：用于处理所述第一语句矩阵的第二一子神经网络和用于处理所述第二语句矩阵的第二二子神经网络；

所述第二一子神经网络和所述第二二子神经网络都包括：输入层、卷积层、池化层和输出层。

可选的，所述第一神经网络包括输入层、全连接层和输出层，且所述输出层的激活函数包括sigmoid函数。

可选的，将所述特征矩阵输入到第一神经网络中进行训练，获取推荐模型的步骤包括：

获取所述特征矩阵以及预设的推荐信息模版；