一种互动场景下基于深度学习的推荐方法及系统

摘要

本发明属于互联网技术领域，具体公开了一种互动场景下基于深度学习的推荐方法及系统，包括以下步骤：步骤一：获取用户基本信息；步骤二：判断用户有无历史推荐信息，如果有，执行步骤三；否则执行步骤四：步骤三：在行为数据库中获取用户已往推荐的互动场景并将互动场景导入推荐规则场景模型中；步骤四：获取用户的推荐请求并根据用户的推荐请求在内容数据库中识别相对应的互动场景，并将对应的互动场景导入推荐规则场景模型中；步骤五：将满足推荐规则场景模型中的互动场景通过推荐策略形成目标推荐场景；步骤六：向用户输出目标推荐场景；本发明能够有效地为用户推荐满意的互动场景，能够提高用户的体验感。

说明书

技术领域

本发明涉及互联网技术领域，具体为一种互动场景下基于深度学习的推荐方法及系统。

背景技术

随着互联网技术的发展，互联网能够为用户提供越来越多的网络服务，例如：用户可以通过互联网浏览视频、收听音乐、阅读、购物等。

用户在浏览网页的过程中，如何根据用户的信息，针对性推荐互动场景，提高用户的体验感，是一个亟待解决的问题。

发明内容

本发明的目的在于提供一种互动场景下基于深度学习的推荐方法及系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种互动场景下基于深度学习的推荐方法，包括以下步骤：

步骤一：获取用户基本信息；

步骤二：判断用户有无历史推荐信息，如果有，执行步骤三；否则执行步骤四：

步骤三：在行为数据库中获取用户已往推荐的互动场景并将互动场景导入推荐规则场景模型中；

步骤四：获取用户的推荐请求并根据用户的推荐请求在内容数据库中识别相对应的互动场景，并将对应的互动场景导入推荐规则场景模型中；

步骤五：将满足推荐规则场景模型中的互动场景通过推荐策略形成目标推荐场景；

步骤六：向用户输出目标推荐场景。

作为本发明一种优选的技术方案，步骤一所述的用户基本信息包括用户的性别信息、年龄信息、爱好信息、职业信息以及既往使用信息。

作为本发明一种优选的技术方案，步骤三所述的行为数据库包括对用户行为的收集以及对用户行为的定义，保证用户的所有行为全部记录在行为数据库内。

作为本发明一种优选的技术方案，所述推荐规则场景模型用于储存符合用户推荐要求的互动场景，并确定每种储存的互动场景的推荐比例。

作为本发明一种优选的技术方案，步骤五所述推荐策略具体生成步骤：

S1：获取互动场景的推荐比例；

S2：获取推荐比例最高的互动场景；

S3：将S2中获取的互动场景导入目标推荐场景。

本发明还提供了上述一种互动场景下基于深度学习的推荐系统，包括数据库、用户信息判断模块、请求接收模块，请求响应模块，推荐场景获取模块、推荐概率获取模块、推荐场景确定模块以及推荐场景输出模块；

所述数据库用于储存用户的基本信息；

所述用户信息判断模块用于根据用户的基本信息判断用户有无历史场景推荐信息，如果有，转到请求响应模块；否则转到请求接收模块；

所述请求接收模块用于接收用户发送的推荐请求；

所述请求响应模块用于在行为数据库中获取用户已往推荐的互动场景，在内容数据库中识别符合用户推荐请求的互动场景；

所述推荐场景获取模块用于将满足用户请求的互动场景导入推荐规则场景模型；

所述推荐概率获取模块用于获取推荐规则场景模型中每种互动场景的推荐比例；

所述推荐场景确定模块用于将满足推荐策略的互动场景作为目标推荐场景。

所述推荐场景输出模块用于向用户输出所述目标推荐场景。

与现有技术相比，本发明的有益效果是：

本发明通过用户基本信息判断用户有无历史推荐信息，如果有，则在行为数据库中获取用户已往推荐的互动场景并将互动场景导入推荐规则场景模型中；否则在在内容数据库中识别符合用户推荐请求的互动场景，并将对应的互动场景导入推荐规则场景模型中；将满足推荐规则场景模型中的互动场景通过推荐策略形成目标推荐场景，并向用户输出目标推荐场景，本发明能够有效地为用户推荐满意的互动场景，能够提高用户的体验感。

附图说明

图1为申请实施例所提供的一种互动场景下基于深度学习的推荐方法的流程示意图；

图2为本发明提供的一种互动场景下基于深度学习的推荐系统的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：请参阅图1-2，本发明提供一种技术方案：一种互动场景下基于深度学习的推荐方法，包括以下步骤：

步骤一：获取用户基本信息；所述用户基本信息包括用户的性别信息、年龄信息、爱好信息、职业信息以及既往使用信息；

步骤二：判断用户有无历史推荐信息，如果有，执行步骤三；否则执行步骤四：

步骤三：在行为数据库中获取用户已往推荐的互动场景并将互动场景导入推荐规则场景模型中；其中，行为数据库包括对用户行为的收集以及对用户行为的定义，保证用户的所有行为全部记录在行为数据库内；

步骤四：获取用户的推荐请求并根据用户的推荐请求在内容数据库中识别相对应的互动场景，并将对应的互动场景导入推荐规则场景模型中；其中，其中，所述推荐规则场景模型用于储存符合用户推荐要求的互动场景，并确定每种储存的互动场景的推荐比例；

步骤五：将满足推荐规则场景模型中的互动场景通过推荐策略形成目标推荐场景；

步骤六：向用户输出目标推荐场景。

由此可知，通过用户基本信息可以判断用户有无历史推荐信息，如果有，则在行为数据库中获取用户已往推荐的互动场景并将互动场景导入推荐规则场景模型中；否则在在内容数据库中识别符合用户推荐请求的互动场景，并将对应的互动场景导入推荐规则场景模型中；将满足推荐规则场景模型中的互动场景通过推荐策略形成目标推荐场景，并向用户输出目标推荐场景，本发明能够有效地为用户推荐满意的互动场景，能够提高用户的体验感。

本发明还提供了上述一种互动场景下基于深度学习的推荐系统，包括数据库、用户信息判断模块、请求接收模块，请求响应模块，推荐场景获取模块、推荐概率获取模块、推荐场景确定模块以及推荐场景输出模块；

所述数据库用于储存用户的基本信息；

所述用户信息判断模块用于根据用户的基本信息判断用户有无历史场景推荐信息，如果有，转到请求响应模块；否则转到请求接收模块；

所述请求接收模块用于接收用户发送的推荐请求；

所述请求响应模块用于在行为数据库中获取用户已往推荐的互动场景，在内容数据库中识别符合用户推荐请求的互动场景；

所述推荐场景获取模块用于将满足用户请求的互动场景导入推荐规则场景模型；

所述推荐概率获取模块用于获取推荐规则场景模型中每种互动场景的推荐比例；

所述推荐场景确定模块用于将满足推荐策略的互动场景作为目标推荐场景。

实施例2：请参阅图1-2，本实施例是在实施例1的基础上，优选的，步骤五所述推荐策略具体生成步骤：

S1：获取互动场景的推荐比例；

S2：获取推荐比例最高的互动场景；

S3：将S2中获取的互动场景导入目标推荐场景。

由此可知，通过推荐策略能够进一步对推荐规则场景模型中的互动场景进行优化，可以更好的且有效率的为用户推荐互动场景，进一步提高用户的体验感。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。