(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211341243.2 (22)申请日 2022.10.31 (71)申请人 江西渊薮信息科技有限公司 地址 330000 江西省南昌市西湖区桃花路 399号 申请人 上海沉煜 软件科技有限公司 (72)发明人 毛春雷　余江燕　蒲希贵　蒲维君　 谢勇波　李龙涛　 (74)专利代理 机构 南昌金轩知识产权代理有限 公司 36129 专利代理师 陈梅 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/2458(2019.01) (54)发明名称 一种智能推荐方法、 装置、 电子设备 (57)摘要 本发明涉及数据处理技术， 揭露了一种智能 推荐方法、 装置、 电子设备， 所述方法包括： 获取 用户数据， 根据用户数据生 成用户标签并构建用 户画像； 获取后台历史购买记录数据并生成历史 用户画像， 与用户画像进行匹配， 得到参考用户 画像； 获取参考历史购买产品并与网购产品的匹 配度进行计算， 得到第一偏好分析值； 从用户数 据中提取用户行为特征， 根据用户行为特征进行 分类统计， 利用得到的特征统计类目表进行权重 计算， 得到第二偏好分析值； 根据第一偏好分析 值及第二偏好分析值确定网购产品偏好结果并 计算网购产品的推荐指数， 根据推荐指数对网购 产品进行推荐。 本发明可以提高分析网购产品个 性化智能推荐的准确性。 权利要求书3页 说明书12页 附图3页 CN 115391669 A 2022.11.25 CN 115391669 A 1.一种智能推荐方法， 其特 征在于， 所述方法包括： 获取用户数据， 根据所述用户数据生成用户标签， 根据所述用户标签构建用户画像； 获取后台历史购买记录数据， 并根据所述后台历史购买记录数据生成历史用户画像， 将所述历史用户画像与所述用户画像进行匹配， 得到参 考用户画像； 获取所述参考用户画像的参考历史购买产品， 根据 预设的网购产品与 所述参考历史购 买产品的匹配度进行计算， 得到第一偏好分析值； 从所述用户数据中提取用户行为特征， 根据所述用户行为特征进行分类统计， 得到特 征统计类目表； 根据所述特 征统计类目表进行权 重计算， 得到第二偏好分析值； 根据所述第 一偏好分析值及所述第 二偏好分析值确定网购产品偏好结果， 并根据 所述 网购产品偏好结果计算所述网购产品的推荐指数， 根据所述推荐指数对所述网购产品进 行 推荐。 2.如权利要求1所述的智能推荐方法， 其特征在于， 根据所述用户数据生成用户标签， 包括： 将所述用户数据进行关键 字提取， 得到关键 字； 将所述关键 字与预设标签的关键 字进行匹配， 判断是否相同； 当所述关键 字与预设标签的关键 字相同， 将所述预设标签设置为用户标签。 3.如权利要求1所述的智能推荐方法， 其特征在于， 根据所述用户标签构建用户画像， 包括： 将所述用户标签输入预设的转 化器中， 得到用户标签对应的标签字符； 通过预设的关联算法对所述标签字符进行分析， 得到多个所述用户标签之间的关联关 系； 根据所述关联关系， 将多个所述用户标签按照树形结构进行连接， 得到以所述树形结 构表示的用户画像。 4.如权利要求3所述的智能推荐方法， 其特征在于， 所述通过预设的关联算法对所述标 签字符进行分析， 得到多个所述用户标签之间的关联关系， 包括： 将所述标签字符进行分类， 得到基础标签及行为标签； 利用所述关联算法将所述用户标签与所述基础标签及行为标签进行关联， 得到多个所 述用户标签之间的关联关系值； 所述关联算法表示 为： 其中， 表示多个所述用户标签之间的关联关系值， 表示所述用户标签对应的 基础标签， 表示所述用户标签对应的行为标签， 表示所述用户标签， 表示所述 基础标签对应的标签数， 表示所述行为标签对应的标签数， 表示所述用户标签总 数；权　利　要　求　书 1/3 页 2 CN 115391669 A 2根据所述多个所述用户标签之间的关联关系值， 确定所述多个所述用户标签之间的关 联关系。 5.如权利要求1所述的智能推荐方法， 其特征在于， 根据 预设的网购产品与 所述参考历 史购买产品的匹配度进行计算， 得到第一偏好分析值， 包括： 根据预设的产品类别数据库及所述网购产品进行多级类别匹配， 得到多级 网购相关产 品； 将所述参考历史购买产品与所述多 级网购相关产品进行匹配， 得到网购参 考产品； 根据所述多 级网购相关产品对所述网购参 考产品进行程度赋值， 得到产品匹配度； 对所述产品匹配度及所述 参考用户画像的数量进行比例计算， 得到第一偏好分析值。 6.如权利要求1所述的智能推荐方法， 其特征在于， 根据 所述用户行为特征进行分类统 计， 得到特 征统计类目表， 包括： 将所述用户行为特征与预设的行为特征类型库进行匹配， 得到多个行为类目标签及行 为类目标签对应的用户行为特 征； 根据所述行为类目标签对应的用户行为特 征划分所述行为类目标签对应的数据范围； 根据所述数据范围及所述行为类目标签生成特 征统计类目表。 7.如权利要求1所述的智能推荐方法， 其特征在于， 根据 所述特征统计类目表进行权重 计算， 得到第二偏好分析值， 包括： 从所述特征统计类目表中提取行为类目标签， 根据 预设的权重标签库对所述行为类目 标签进行权 重赋值， 得到每 个行为类目标签对应的权 重； 根据所述特征统计类目表中数据范围及预设的特征范围赋值表确定行为类目标签对 应的特征值； 根据所述行为类目标签对应的权重以及所述特征值进行偏好计算， 得到第 二偏好分析 值； 利用下述公式进行偏好计算， 得到第二偏好分析值： 其中， 表示所述第二偏好分析值， 表示第 个行为类目标签对应的权重， 表示 第 个特征值， 表示预设的计算 参数。 8.如权利要求1所述的智能推荐方法， 其特征在于， 根据 所述网购产品偏好结果计算所 述网购产品的推荐指数， 根据所述推荐指数对所述网购产品进行推荐， 包括： 根据所述网购产品偏好结果获取所述网购产品对应的浏 览次数、 好评次数以及喜欢人 数； 根据所述浏览次数、 所述好评次数及所述喜欢人数进行计算， 得到所述网购产品的推 荐指数； 利用下述公式进行计算， 得到所述网购产品的推荐指数：权　利　要　求　书 2/3 页 3 CN 115391669 A 3