CN109710836A - 一种基于追星族公会的大数据智能推荐系统及方法 - Google Patents

Abstract

本发明提供了一种基于追星族公会的大数据智能推荐系统及方法，包括：数据源层，用于向追星族公会获取成员信息；数据分析层，用于对来自数据源层的成员信息进行统计分析；数据挖掘层，用于对统计分析结果进行兴趣标签化处理；数据展现层，用于为兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。本发明通过大数据分析，深度挖掘出明星艺人追星族的兴趣爱好，并进行标签化处理，同时为各种兴趣标签分配权重，利用大数据和深度学习手段，为明星艺人打造合适的品牌和产品代言、影视剧本作品等，牢牢把握了市场需求，能够带来巨大的经济利益。

Description

一种基于追星族公会的大数据智能推荐系统及方法

技术领域

本发明涉及大数据分析领域，具体涉及一种基于追星族公会的大数据智能推荐系统及方法。

背景技术

中国从2010电影电视、音乐作品等文化、娱乐行业的版权问题日渐成熟，其中电影版权、电视版权可用于抵押贷款，华谊兄弟的上市，经纪人行业的崛起，证明了中国的娱乐文化正在向规范化发展。

港台娱乐文化规范比较早，经纪公司-经纪人-市场客户部-艺人这样的组合，经纪人不仅仅是保姆角色，更多的是结合自身公司平台与市场客户品牌部门来创意打造艺人。一线大牌艺人除了以上的团队，增加了一个艺人策略(智囊团)，专门负责艺人的事件营销、公关危机处理、公共形象、公共关系维护等。

一个明星艺人的追星族，通过微博、微信等众多新闻媒体及社交软件为其建立公会，并支持其事业，我们常称其为追星。

在大数据高速发展的同时，经纪人和智囊团的决策依然依靠人工处理，常常因为没有把握好市场需求，导致巨大的经济损失，迫切需要加以改进。

发明内容

为解决上述问题，本发明提供了一种基于追星族公会的大数据智能推荐系统及方法。本发明通过大数据分析，深度挖掘出明星艺人追星族的兴趣爱好，并进行标签化处理，同时为各种兴趣标签分配权重，利用大数据和深度学习手段，为明星艺人打造合适的品牌和产品代言、影视剧本作品等，牢牢把握了市场需求，能够带来巨大的经济利益。

为实现所述技术目的，本发明的技术方案是：一种基于追星族公会的大数据智能推荐系统，包括：

数据源层，用于向追星族公会获取成员信息；

数据分析层，用于对来自数据源层的成员信息进行统计分析；

数据挖掘层，用于对统计分析结果进行兴趣标签化处理；

数据展现层，用于为兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。

进一步，所述数据源层向追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。

进一步，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。

进一步，所述数据分析层对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；

所述数据挖掘层包括具有输入层、深度卷积层、输出层的深度学习网络模型，其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。

进一步，所述数据展现层根据每个兴趣标签的权重，形成推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。

一种基于追星族公会的大数据智能推荐方法，使用了上述的基于追星族公会的大数据智能推荐系统，包括以下步骤：

S1：向追星族公会获取成员信息；

S2：对来步骤S1的成员信息进行统计分析；

S3：对步骤S2中的统计分析结果进行兴趣标签化处理；

S4：为步骤S3中的兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。

进一步，所述步骤S1中的追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。、

进一步，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。

进一步，所述步骤S2中的统计分析方法为对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；

所述步骤S3中兴趣标签化处理的方法为，采用包括具有输入层、深度卷积层、输出层的深度学习网络模型，且其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。

进一步，所述步骤S4中的可视化报表包括推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。

本发明的有益效果在于：

本发明提供了一种基于追星族公会的大数据智能推荐系统和方法。首先，本发明的大数据模型中数据源层并提过多种数据接口，支持向其他运行商、交换机的数据扩展。其次，本发明利用神经网络学习模型，深度挖掘出明星艺人追星族的兴趣爱好，并进行标签化处理，同时为各种兴趣标签分配权重，结合大数据和深度学习手段，为明星艺人打造合适的品牌和产品代言、影视剧本作品等，牢牢把握了市场需求，能够带来巨大的经济利益。

附图说明

图1是本发明基于追星族公会的大数据智能推荐系统的模块化示意图。

具体实施方式

下面将对本发明的技术方案进行清楚、完整地描述。

一种基于追星族公会的大数据智能推荐系统，如图1所示，包括：

数据源层，用于向追星族公会获取成员信息；

数据分析层，用于对来自数据源层的成员信息进行统计分析；

数据挖掘层，用于对统计分析结果进行兴趣标签化处理；

数据展现层，用于为兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。

进一步，所述数据源层向追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。数据源层并提过多种数据接口，支持向其他运行商、交换机的数据扩展。

进一步，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平等。例如，向微博获取其追星族用户的话题热议榜，向腾讯社交软件获取明星追星族的话题榜，向淘宝等购物软件获取明星追星族的消费趋向、最热单品等；上述信息获取的种类并不限于本发明所列举的用户性别、年龄、学历、行业、经济消费水平。

进一步，所述数据分析层对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；数据分析层利用统计学原理和概率学原理，进行数学计算和统计，方便下述数据挖掘层进行数据挖掘。

所述数据挖掘层包括具有输入层、深度卷积层、输出层的深度学习网络模型，其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。所述深度学习网络模型，结合用户的性别、年龄、学历、行业、经济消费水平，可以进行有监督学习和训练，将统计分析的性别、年龄、学历、行业、经济消费水平排序、数学期望、方差分析结果，表达为服装、饰品等商品兴趣标签、性格兴趣标签等。

进一步，所述数据展现层根据每个兴趣标签的权重，形成推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。例如，根据追星族的商品兴趣标签，推荐给明星代言什么品牌和产品，根据追星族的性格兴趣标签，推荐给明星接什么剧本和影视作品等。

一种基于追星族公会的大数据智能推荐方法，使用了上述的基于追星族公会的大数据智能推荐系统，包括以下步骤：

S1：向追星族公会获取成员信息；

S2：对来步骤S1的成员信息进行统计分析；

S3：对步骤S2中的统计分析结果进行兴趣标签化处理；

S4：为步骤S3中的兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。

进一步，所述步骤S1中的追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。、

进一步，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。

进一步，所述步骤S2中的统计分析方法为对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；

所述步骤S3中兴趣标签化处理的方法为，采用包括具有输入层、深度卷积层、输出层的深度学习网络模型，且其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。

进一步，所述步骤S4中的可视化报表包括推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。例如，根据追星族的商品兴趣标签，推荐给明星代言什么品牌和产品，根据追星族的性格兴趣标签，推荐给明星接什么剧本和影视作品等。

本发明通过大数据分析，深度挖掘出明星艺人追星族的兴趣爱好，并进行标签化处理，同时为各种兴趣标签分配权重，利用大数据和深度学习手段，为明星艺人打造合适的品牌和产品代言、影视剧本作品等，牢牢把握了市场需求，能够带来巨大的经济利益。

对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (9)

1.一种基于追星族公会的大数据智能推荐系统，其特征在于，包括：

数据源层，用于向追星族公会获取成员信息；

数据分析层，用于对来自数据源层的成员信息进行统计分析；

数据挖掘层，用于对统计分析结果进行兴趣标签化处理；

数据展现层，用于为兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。

2.根据权利要求1所述的基于追星族公会的大数据智能推荐系统，其特征在于，所述数据源层向追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。

3.根据权利要求2所述的基于追星族公会的大数据智能推荐系统，其特征在于，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。

4.根据权利要求3所述的基于追星族公会的大数据智能推荐系统，其特征在于，所述数据分析层对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；

所述数据挖掘层包括具有输入层、深度卷积层、输出层的深度学习网络模型，其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。

5.根据权利要求4所述的基于追星族公会的大数据智能推荐系统，其特征在于，所述数据展现层根据每个兴趣标签的权重，形成推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。

6.一种基于追星族公会的大数据智能推荐方法，使用了权利要求1-5所述的基于追星族公会的大数据智能推荐系统，其特征在于，包括以下步骤：

S1：向追星族公会获取成员信息；

S2：对来步骤S1的成员信息进行统计分析；

S3：对步骤S2中的统计分析结果进行兴趣标签化处理；

S4：为步骤S3中的兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。

7.根据权利要求6所述的基于追星族公会的大数据智能推荐方法，其特征在于，所述步骤S1中的追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。

8.根据权利要求7所述的基于追星族公会的大数据智能推荐方法，其特征在于，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。

9.根据权利要求8所述的基于追星族公会的大数据智能推荐方法，其特征在于，所述步骤S2中的统计分析方法为对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；

所述步骤S3中兴趣标签化处理的方法为，采用包括具有输入层、深度卷积层、输出层的深度学习网络模型，且其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。

根据权利要求9所述的基于追星族公会的大数据智能推荐方法，其特征在于，所述步骤S4中的可视化报表包括推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。