CN108921641A - 一种基于双重过滤的推荐认养方法 - Google Patents

一种基于双重过滤的推荐认养方法 Download PDF

Info

Publication number
CN108921641A
CN108921641A CN201810546647.2A CN201810546647A CN108921641A CN 108921641 A CN108921641 A CN 108921641A CN 201810546647 A CN201810546647 A CN 201810546647A CN 108921641 A CN108921641 A CN 108921641A
Authority
CN
China
Prior art keywords
feature
formula
double filtration
user
historical user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810546647.2A
Other languages
English (en)
Inventor
陈艺婷
张捷
程晓武
骆冰清
孙知信
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Yi Yi Ecological Agriculture Technology Co Ltd
Original Assignee
Jiangsu Yi Yi Ecological Agriculture Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Yi Yi Ecological Agriculture Technology Co Ltd filed Critical Jiangsu Yi Yi Ecological Agriculture Technology Co Ltd
Priority to CN201810546647.2A priority Critical patent/CN108921641A/zh
Publication of CN108921641A publication Critical patent/CN108921641A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining

Abstract

本发明公开了一种基于双重过滤的推荐认养方法，包括以下步骤：S1：数据采集：录入用户数据；S2：数据处理：对用户数据的特征信息进行双重过滤，去除无价值信息；S3：数据分类：将历史用户双重过滤之后的信息进行相似度计算，并进行分类；S4：结果推送：根据分类结果向用户推荐认养产品。本发明通过双重过滤能够提高推荐的精确度；通过分类能够提高推荐的速度；使得整个认养操作更加人性化和个性化，提升用户体验感。

Description

一种基于双重过滤的推荐认养方法
技术领域
本发明涉及认养方法，特别是涉及一种基于双重过滤的推荐认养方法。
背景技术
近年来，“认养农业”这一新模式走红全国。不得不承认，实行“农旅结合，共同发展”的模式，能够一举多得，不仅将农业认养开展得如火如荼，又使得环境变得清新宜人。在过去，农产品怎么从田间到达餐桌呢？要经过合作社、再经过经纪人、然后进入批发市场，最后才能进入城市里的农贸市场或者大型超市。但是这种“认养农业”模式，则是城市的消费者和平台直接取得联系，整条产业链由过去的“产供销”变成了“销供产”，滞销卖难的风险被大大降低，同时，消灭了中间环节，大大降低了成本，这就是共享经济在农业领域的生动实践。不过，要想将“认养农业”的发展潜能大力开发，就必须要有完备的规则、流程以及合理的系统模块，因此，高效的农产品认养模块是软件开发的重点。
现阶段完备的认养系统较为缺乏，大部分认养方式都是用户与产品的“一对一”挑选，如何能够让用户从海量产品中快速找到自己心仪的产品种类，使认养操作更加便捷高效，提升用户使用感，完成个性化农产品认养体验是目前该领域急需解决的问题。这就意味着迅速筛选出有价值的数据信息是十分重要的，数据的价值在于其所能够反映的信息，巨大的数据量使得通过单一算法分析出有价值的数据较为困难。
发明内容
发明目的：本发明的目的是提供一种能够让用户从海量产品中快速找到自己心仪的产品种类，使认养操作更加便捷高效，提升用户使用感的基于双重过滤的推荐认养方法。
技术方案：本发明所述的基于双重过滤的推荐认养方法，包括以下步骤：
S1：数据采集：录入用户数据；
S2：数据处理：对用户数据的特征信息进行双重过滤，去除无价值信息；
S3：数据分类：将历史用户双重过滤之后的信息进行相似度计算，并进行分类；
S4：结果推送：根据分类结果向用户推荐认养产品。
进一步，所述步骤S1中，录入的用户数据包括注册会员信息、用户以往的关注行为和认养行为。这样录入的数据很全面。
进一步，所述步骤S2中，双重过滤中的第一次过滤按照式(1)和式(2)进行：
式(1)中，si为第i个历史用户的数据，bj为第i个历史用户的第j个特征，z为第i个历史用户的特征的总数，1≤j≤z，sip(bj)为bj在si中出现的次数，为bj通过第一次处理后得到的值；
如果式(2)成立，则留用此特征；否则，过滤此特征；
式(2)中，F1为第一次过滤的阈值。
进一步，所述步骤S2中，双重过滤中的第二次过滤按照式(3)和式(4)进行：
式(3)中，W(km,bn)为第一次过滤后含有第n个特征bn并且第n个特征bn被分到第m个类别km中的历史用户的数据总数，1≤n≤z，为第一次过滤后不含第n个特征bn并且第n个特征bn不被分到第m个类别km中的历史用户的数据总数，为第一次过滤后不含第n个特征bn并且第n个特征bn被分到第m个类别km中的历史用户的数据总数，为第一次过滤后含有第n个特征bn并且第n个特征bn不被分到第m个类别km中的历史用户的数据总数；
如果式(4)成立，则留用第n个特征bn；否则，则过滤第n个特征bn；
L(km,bn)>L1 (4)
式(4)中，L1为第二次过滤的阈值。
进一步，所述步骤S3中，通过式(5)对历史用户双重过滤之后的信息进行相似度计算：
式(5)中，Bxy为历史用户x和历史用户y的所有有价值信息的集合，rb,x是历史用户x的有价值信息b的设定值，rb,y是历史用户y的有价值信息b的设定值，是rb,x和rb,y的均值。
有益效果：本发明公开了一种基于双重过滤的推荐认养方法，具有如下的有益效果：
1)通过双重过滤能够提高推荐的精确度；
2)通过分类能够提高推荐的速度；
3)使得整个认养操作更加人性化和个性化，提升用户体验感。
附图说明
图1为本发明具体实施方式中方法的流程图；
图2为本发明具体实施方式中系统的框图。
具体实施方式
本具体实施方式公开了一种基于双重过滤的推荐认养方法，如图1所示，包括以下步骤：
S1：数据采集：录入用户数据；录入的用户数据包括注册会员信息、用户以往的关注行为和认养行为；
S2：数据处理：对用户数据的特征信息进行双重过滤，去除无价值信息；
S3：数据分类：将历史用户双重过滤之后的信息进行相似度计算，并进行分类；
S4：结果推送：根据分类结果向用户推荐认养产品。
步骤S2中，双重过滤中的第一次过滤按照式(1)和式(2)进行：
式(1)中，si为第i个历史用户的数据，bj为第i个历史用户的第j个特征，z为第i个历史用户的特征的总数，1≤j≤z，sip(bj)为bj在si中出现的次数，为bj通过第一次处理后得到的值；
如果式(2)成立，则留用此特征；否则，过滤此特征；
式(2)中，F1为第一次过滤的阈值。
步骤S2中，双重过滤中的第二次过滤按照式(3)和式(4)进行：
式(3)中，W(km,bn)为第一次过滤后含有第n个特征bn并且第n个特征bn被分到第m个类别km中的历史用户的数据总数，1≤n≤z，为第一次过滤后不含第n个特征bn并且第n个特征bn不被分到第m个类别km中的历史用户的数据总数，为第一次过滤后不含第n个特征bn并且第n个特征bn被分到第m个类别km中的历史用户的数据总数，为第一次过滤后含有第n个特征bn并且第n个特征bn不被分到第m个类别km中的历史用户的数据总数；
如果式(4)成立，则留用第n个特征bn；否则，则过滤第n个特征bn；
L(km,bn)>L1 (4)
式(4)中，L1为第二次过滤的阈值。
步骤S3中，通过式(5)对历史用户双重过滤之后的信息进行相似度计算：
式(5)中，Bxy为历史用户x和历史用户y的所有有价值信息的集合，rb,x是历史用户x的有价值信息b的设定值，rb,y是历史用户y的有价值信息b的设定值，是rb,x和rb,y的均值。
图2为采用本方法构建的系统的框图。由于各类认养产品的认养规则以及收货规则均不相同。在整个系统的逻辑架构中，本具体实施方式将认养规则流程和认养查看及收货流程根据不同认养产品进行不同的设计与开发。认养系统中以品种进行划分，每个品种分为单独的模块，有水稻、茶叶、黑猪崽等，以图片或动画的方式呈现。每个大类下细分各类产品的不同种类，根据认养品种，单独规划该品种的认养模块与认养后的查看及收货模块。这样保持了不同认养品种之间的独立性。根据用户相似度将所有历史用户精确分到每一个大类中的不同小类(如黑猪种类下的不同猪崽种类)，用户将会在二至三个类别中，根据相似度高低排序，以此进行推荐。因此，当新用户注册会员后在进入系统浏览时将会有非常精准的推荐。
系统会根据类别将用户感兴趣的不同种类认养产品均会推荐，顺序按照相似度高低，推荐的内容包含有：
产品介绍：其中包括产品的养殖环境，养殖设施，养殖方式，饲料选择等具体情况，同时通过视频实时传输技术将农场对应认养产品实时动态传输至认养模块供用户查看。
价格说明：其中包括认养产品的价格以及后期价格波动说明。
认养模式介绍：即该产品的认养具体规则和后期收益预测。
用户根据需求选择认养参数，勾选同意认养协议，确认认养即完成初步认养操作，若用户并未认养该产品，可推荐相似度排名第二的产品，以此类推。
每个用户都能够收到所在大类的相关推文以及农场实时动态。
认养产品视频的实时传输通过嵌入农场的智能监控模块，主要分为：
视频采集：通过摄像头将认养产品的信号进行采集，将信号输入到解码芯片中，解码芯片再将其转成数字信号，再传输至处理器。
视频编码：处理器采用H.264编码技术将数字视频信号进行压缩编码处理，以此实现准确的网络传输。
视频显示：采用基于RTP的网络传输至接收端后解码,解压缩，格式转换，最终把数据发给显示屏外设，让显示屏外设把图像播放出来。

Claims (5)

1.一种基于双重过滤的推荐认养方法，其特征在于：包括以下步骤：
S1：数据采集：录入用户数据；
S2：数据处理：对用户数据的特征信息进行双重过滤，去除无价值信息；
S3：数据分类：将历史用户双重过滤之后的信息进行相似度计算，并进行分类；
S4：结果推送：根据分类结果向用户推荐认养产品。
2.根据权利要求1所述的基于双重过滤的推荐认养方法，其特征在于：所述步骤S1中，录入的用户数据包括注册会员信息、用户以往的关注行为和认养行为。
3.根据权利要求1所述的基于双重过滤的推荐认养方法，其特征在于：所述步骤S2中，双重过滤中的第一次过滤按照式(1)和式(2)进行：
式(1)中，si为第i个历史用户的数据，bj为第i个历史用户的第j个特征，z为第i个历史用户的特征的总数，1≤j≤z，sip(bj)为bj在si中出现的次数，为bj通过第一次处理后得到的值；
如果式(2)成立，则留用此特征；否则，过滤此特征；
式(2)中，F1为第一次过滤的阈值。
4.根据权利要求3所述的基于双重过滤的推荐认养方法，其特征在于：所述步骤S2中，双重过滤中的第二次过滤按照式(3)和式(4)进行：
式(3)中，W(km,bn)为第一次过滤后含有第n个特征bn并且第n个特征bn被分到第m个类别km中的历史用户的数据总数，1≤n≤z，为第一次过滤后不含第n个特征bn并且第n个特征bn不被分到第m个类别km中的历史用户的数据总数，为第一次过滤后不含第n个特征bn并且第n个特征bn被分到第m个类别km中的历史用户的数据总数，为第一次过滤后含有第n个特征bn并且第n个特征bn不被分到第m个类别km中的历史用户的数据总数；
如果式(4)成立，则留用第n个特征bn；否则，则过滤第n个特征bn；
L(km,bn)>L1 (4)
式(4)中，L1为第二次过滤的阈值。
5.根据权利要求1所述的基于双重过滤的推荐认养方法，其特征在于：所述步骤S3中，通过式(5)对历史用户双重过滤之后的信息进行相似度计算：
式(5)中，Bxy为历史用户x和历史用户y的所有有价值信息的集合，rb,x是历史用户x的有价值信息b的设定值，rb,y是历史用户y的有价值信息b的设定值，是rb,x和rb,y的均值。
CN201810546647.2A 2018-05-31 2018-05-31 一种基于双重过滤的推荐认养方法 Pending CN108921641A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810546647.2A CN108921641A (zh) 2018-05-31 2018-05-31 一种基于双重过滤的推荐认养方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810546647.2A CN108921641A (zh) 2018-05-31 2018-05-31 一种基于双重过滤的推荐认养方法

Publications (1)

Publication Number Publication Date
CN108921641A true CN108921641A (zh) 2018-11-30

Family

ID=64419429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810546647.2A Pending CN108921641A (zh) 2018-05-31 2018-05-31 一种基于双重过滤的推荐认养方法

Country Status (1)

Country Link
CN (1) CN108921641A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537027A (zh) * 2014-12-19 2015-04-22 百度在线网络技术（北京）有限公司 信息推荐方法及装置
CN107608988A (zh) * 2016-07-12 2018-01-19 上海视畅信息科技有限公司 一种混合个性化推荐方法
CN108038133A (zh) * 2017-11-20 2018-05-15 青岛鹏海软件有限公司 个性化推荐方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537027A (zh) * 2014-12-19 2015-04-22 百度在线网络技术（北京）有限公司 信息推荐方法及装置
CN107608988A (zh) * 2016-07-12 2018-01-19 上海视畅信息科技有限公司 一种混合个性化推荐方法
CN108038133A (zh) * 2017-11-20 2018-05-15 青岛鹏海软件有限公司 个性化推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗杰: "基于item-user混合协同过滤推荐算法研究", 《中国优秀硕士学位论文全文数据库》 *

Similar Documents

Publication Publication Date Title
CN108171701B (zh) 基于u网络和对抗学习的显著性检测方法
CN107742107A (zh) 人脸图像分类方法、装置及服务器
CN109508584A (zh) 视频分类的方法、信息处理的方法以及服务器
CN108595497B (zh) 数据筛选方法、装置及终端
CN112257661A (zh) 低俗图像的识别方法、装置、设备及计算机可读存储介质
CN107280693A (zh) 基于vr交互电子沙盘的心理分析系统及方法
CN110223106A (zh) 一种基于深度学习的欺诈应用检测方法
CN106897892A (zh) 广告投放方法及装置
CN109241366A (zh) 一种基于多任务深度学习的混合推荐系统及其方法
CN109783749A (zh) 一种设计素材智能推荐方法、装置及终端设备
CN109086814A (zh) 一种数据处理方法、装置及网络设备
CN109284371A (zh) 反欺诈方法、电子装置及计算机可读存储介质
CN109598586A (zh) 一种基于注意力模型的推荐方法
CN115131698B (zh) 视频属性确定方法、装置、设备及存储介质
CN111783712A (zh) 一种视频处理方法、装置、设备及介质
CN112528164B (zh) 一种用户协同过滤召回方法及装置
CN112700012A (zh) 联邦特征选择方法、装置、设备及存储介质
CN111428671A (zh) 人脸结构化信息识别方法、系统、装置及存储介质
CN110852785A (zh) 用户分级方法、装置及计算机可读存储介质
CN114996486A (zh) 一种数据推荐方法、装置、服务器以及存储介质
CN111737473A (zh) 文本分类方法、装置及设备
CN109918162B (zh) 一种可学习的海量信息高维图形交互式展示方法
CN110019827A (zh) 一种语料库生成方法、装置、设备和计算机存储介质
CN112434746B (zh) 基于层次化迁移学习的预标注方法及其相关设备
CN112269943B (zh) 一种信息推荐系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned

Effective date of abandoning: 20220902

AD01 Patent right deemed abandoned