[发明专利]基于大数据和网络社区的产品推荐方法

权利要求书

1.一种基于大数据和网络社区的产品推荐方法，其特征在于，所述方法包括：

对社交用户历史产生的所有用户数据进行分解以得到所述社交用户的第一社交特征数据、第二社交特征数据和第三社交特征数据，基于第一社交特征数据与第二社交特征数据之间的第一关联数据和第二社交特征数据与第三社交特征数据之间的第二关联数据对第一社交特征数据、第二社交特征数据和第三社交特征数据进行关联建模以得到社交用户的用户数据模型；

将各个社交用户历史对应的用户数据模型转化为相应的特征向量，并基于各个特征向量之间的相似度对所有社交用户进行聚类以形成多个网络用户社区，基于对应社交用户实时产生的第二社交特征数据对社交用户的用户数据模型进行信息更新，基于更新后的用户数据模型重新划分所述社交用户所属的网络用户社区；

对更新后的所有用户数据模型进行频繁事件节点和频繁路径的挖掘以构建对应网络用户社区的频繁事件模式，将序列化后的频繁事件模式进行对比以得到各个网络用户社区之间的行为相似度，基于各个网络用户社区之间的行为相似度对网络用户社区进行合并更新以得到所有网络用户社区的实时划分结果；

向目标社交用户实时所属的网络用户社区中的各个相似社交用户分别推送所述目标社交用户已购买产品的产品推荐信息。

2.根据权利要求1所述的方法，其特征在于，所述产品推荐信息包括对应产品的推荐产品类型、推荐产品名称和产品广告内容。

3.根据权利要求1或2所述的方法，其特征在于，所述对社交用户历史产生的所有用户数据进行分解以得到所述社交用户的第一社交特征数据、第二社交特征数据和第三社交特征数据包括：

从所述用户数据中获取社交用户既有的基础属性信息，并为每个对应数据类型的基础属性信息赋予相应的属性标识，基于社交用户对应的所有基础属性信息和每个基础属性信息对应的属性标识形成所述社交用户的第一社交特征数据，其中，所述数据类型包括数值型、文本型和枚举型；

从所述用户数据中获取社交用户的操作行为记录，基于操作行为记录中的每个事务节点对应的行为事件和每个事务节点之间的路径关系形成所述社交用户的第二社交特征数据，其中，所述操作行为记录包括文章的浏览转发记录和用户之间的互动记录；

基于获取到的所有事务节点形成所述社交用户历史执行的行为事件列表，根据行为事件列表中各个行为事件产生的业务数据对应的业务实体和每个业务实体之间的关联关系形成所述社交用户的第三社交特征数据，其中，所述行为事件列表包括若干按序排列的行为事件，所述行为事件包括社交用户产生的行为、所述行为产生的业务数据、所述行为的开始时间和行为结束时间。

4.根据权利要求3所述的方法，其特征在于，基于第一社交特征数据与第二社交特征数据之间的第一关联数据和第二社交特征数据与第三社交特征数据之间的第二关联数据对第一社交特征数据、第二社交特征数据和第三社交特征数据进行关联建模以得到社交用户的用户数据模型包括：

基于社交用户产生的每个行为事件的开始时间和结束时间形成第一社交特征数据和第二社交特征数据之间的第一关联数据，将第二社交特征数据中各个行为事件的行为特征、开始时间和结束时间进行比较，以从同一时间段产生的所有行为事件中定位每个行为事件的关联实体信息并将其作为第二社交特征数据与第三社交特征数据之间的第二关联数据；

基于所述第二关联数据为第二社交特征数据中的各个行为事件与第三社交特征数据中的各个业务实体形成相应的共享链，对第三社交特征数据中各个行为事件对应的业务实体进行分词处理以将各个业务实体分解为最小业务实体，并对语义特征相似的所有最小业务实体进行融合处理；

为融合处理后的来自同一业务实体的所有最小业务实体生成相应的实体链，基于所述第一关联数据、共享链和实体链对第一社交特征数据、第二社交特征数据和第三社交特征数据进行内外部关系的关联建模以得到社交用户的用户数据模型。