CN116561291A - 基于自然语言智能转化模型的智能推荐方法和系统 - Google Patents
基于自然语言智能转化模型的智能推荐方法和系统 Download PDFInfo
- Publication number
- CN116561291A CN116561291A CN202310547210.1A CN202310547210A CN116561291A CN 116561291 A CN116561291 A CN 116561291A CN 202310547210 A CN202310547210 A CN 202310547210A CN 116561291 A CN116561291 A CN 116561291A
- Authority
- CN
- China
- Prior art keywords
- natural language
- user
- intelligent
- data
- conversion model
- 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
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 230000008520 organization Effects 0.000 claims abstract description 11
- 230000006399 behavior Effects 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 8
- 238000003058 natural language processing Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000012552 review Methods 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 4
- 241000220225 Malus Species 0.000 description 14
- 235000021016 apples Nutrition 0.000 description 7
- 230000036541 health Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000005118 dietary health Nutrition 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 235000013402 health food Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 235000019592 roughness Nutrition 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于自然语言智能转化模型的智能推荐方法和系统，根据用户在网站上的操作组织形成自然语言，基于该自然语言充分利用自然语言智能转化模型的智能分析功能，同时对智能分析之后的分析内容进行精准处理和匹配，极大提高了商品推荐的精准度。
Description
技术领域
本发明涉及一种基于自然语言智能转化模型的智能推荐方法和系统。
背景技术
当今世界正处于信息爆炸的时代，用户个体面对飞速发展的移动互联网，如同一叶孤舟置于汪洋大海之中。多少人试图从互联网获得符合自身需求的信息，面对大海的浩瀚却茫然不知所措。
面对此种困境，各种搜索引擎应运而生，例如谷歌、百度。利用搜索引擎，人们试图采用对应的关键字搜索，从而获得搜索结果来逼近自身需求。然而，此类搜索引擎存在巨大缺陷。受到用户自身的语言表达能力所限，也受到搜索引擎检索功能所限，很难保证所选择的关键字与自身需求能够完美匹配，也很难保证依据关键字就能精准搜索到所需要的内容。
为此，市场上诸多信息推荐系统也应运而生。相比于搜索引擎，在迎合用户需求上，这些信息推荐系统确实有所进步。但现有的信息推荐系统仍然局限于将用户历史行为数据和用户行为内容与相应需求进行强行匹配。这种匹配仍然很粗放，基于此形成的推荐结果极其不稳定，推荐质量无法得到保证。
发明内容
本发明创造性地将自然语言智能转化模型结合进入推荐系统，由此使推荐系统更加智能，其推荐过程也更加有的放矢，有效地解决了现有技术存在的上述技术缺陷。
具体而言，本发明提供一种基于自然语言智能转化模型的智能推荐系统，该系统包括：数据收集模块，用于收集网站上的用户行为数据，并将收集到的用户行为数据存储到数据库中；自然语言组织模块，用于将所收集到的用户行为数据依据预定格式组织成自然语言；自然语言处理模块，用于接收自然语言组织模块所组织成的自然语言，并将该自然语言输入自然语言转化模型，自然语言转化模型针对所述自然语言提供分析评论；用户画像生成模块，用于接收所述分析评论，然后，在该用户画像生成模块中，首先对所述分析评论进行内容处理，去除无效内容并将所述分析评论去除无效内容后的内容数据格式化存入数据库中，随后，对去除无效内容后的内容数据进行特征提取，形成特征提取内容；随后，针对特征提取内容利用机器学习模型进行训练，得到针对所述用户的用户画像模型；使用所述用户画像模型生成用户画像，该用户画像存储到所述数据库中；推荐算法模块，对所述网站上的多种物品或服务分别提取关键特征，将所述关键特征与所述用户画像进行匹配，评估所述用户与所述物品或服务之间的关联度，对所述多种物品或服务进行关联度排序，并基于关联度排序的结果向所述用户推荐物品或服务。
优选地，所述用户行为数据包括用户在所述网站上点击操作、预览操作、购买操作所形成的后台数据。
优选地，所述用户行为数据分类为多种属性数据。
更优选地，所述多种属性数据包括姓名数据、年龄数据、频率数据、操作数据、商品服务数据。
更优选地，所述自然语言组织模块包括多个语言结构块，所述多种属性数据与所述多个语言结构块形成映射关系，由此，所述属性数据按照该映射关系填入对应的语言结构块中，由此组织成自然语言。
优选地，所述自然语言处理模型为ChatGPT或者百度推出的文心一言。
优选地，所述用户画像生成模块基于所述分析评论结合决策树和神经网络来生成用户画像。
优选地，在用户画像生成模块中，在得到针对所述用户的用户画像模型之后，进行模型评估，评估所述用户画像模型的准确性和精度。
另外，本发明还提供一种基于自然语言智能转化模型的智能推荐方法，所述方法采用如上文所述的基于自然语言智能转化模型的智能推荐系统。
本发明另辟蹊径，充分利用了自然语言智能转化模型的智能分析功能，同时对智能分析之后的分析内容进行精准处理和匹配，极大提高了商品推荐的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，以下将对实施例或现有技术描述中所需要使用的附图进行论述，显然，在结合附图进行描述的技术方案仅仅是本发明的一些实施例，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图所示实施例得到其它的实施例及其附图。
图1示出了根据本发明的智能推荐系统的流程图；
具体实施方式
以下将结合附图对本发明各实施例的技术方案进行清楚完整描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部实施例。基于本发明中所述的实施例，本领域普通技术人员在不需要创造性劳动的前提下所得到的所有其它实施例，都在本发明所保护的范围内。
根据本发明的基于自然语言智能转化模型的智能推荐方法和系统有效地突破了现有技术中推荐系统的局限性，由此提供更加精准且个性化的推荐服务。
概括而言，本发明的智能推荐系统包括数据收集模块、自然语言组织模块、自然语言处理模块、用户画像生成模块、推荐算法模块、结果生成模块，如图1所示。图1示出了根据本发明的智能推荐系统的流程图。
所述数据收集模块用于收集用户行为数据。用户行为数据，可以通过检测并爬取用户在网站、APP等平台上的行为数据获得，例如，用户在网站、APP上点击、预览、购买等操作所形成的后台数据，均可通过爬虫等方式获得。推荐内容数据则可通过采集外部网站获取。数据收集模块可将收集到的用户行为数据存储到数据库中，为后续各模块的运行提供数据支持。
用户行为数据还可以进一步分类成多种属性数据，例如，姓名数据、年龄数据、频率数据、操作数据、商品服务数据。举例而言，用户小明（30岁）在某购物网站上一个月5次购买了苹果，则数据库中记录下“姓名数据=小明”，“年龄数据=30岁”、“频率数据=1月5次”、“操作数据=购买”、“商品服务数据=苹果”。
所述自然语言组织模块则负责将所收集的用户行为数据依据预定格式组织成自然语言。所述自然语言组织模块可包含多个语言结构块，所述多种属性数据与所述多个语言结构块形成映射关系，由此，所述属性数据按照映射关系填入对应的语言结构块中，由此组织成自然语言。
承接上例，所述多个语言结构块可包括主语块、谓语块、宾语块、定语块、状语块。在映射关系下，“姓名数据”对应于主语块、“年龄数据”对应于定语块、“操作数据”对应于谓语块、“商品服务数据”对应于宾语块、“频率数据”对应于状语块。由此，基于映射关系将相应的属性数据填入对应的语言结构块后，组织成的自然语言为：“30岁的小明1月5次地购买苹果”。
在自然语言组织模块中生成的自然语言将被输入到自然语言处理模块。该模块对接自然语言智能转化模型。市面上比较典型的智能语言转化模型，例如为ChatGPT或者百度推出的文心一言。此类智能语言转化模型是人工智能技术驱动的自然语言处理工具，能够通过理解和学习人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流。
由于自然语言处理模块与自然语言智能转化模型的对接，使得所生成的自然语言也被输入至自然语言智能转化模型。由此，根据自然语言的语言内容，自然语言转化模型将给出具体的分析评论。
承接上例，将“30岁的小明1月5次地购买苹果”这一自然语言输入至自然语言智能转化模型，随即就能生成相应的评论：
30岁的小明最近一个月网购了五次苹果，说明他很可能注重保持健康，并且喜欢通过饮食来达到健康的目的。另外，他可能是在准备某种特殊的食谱，需要使用苹果作为一部分材料。
此外，还有可能是因为他生活的地方周围的商店苹果种类比较单一，而他所购买的苹果品种在当地是比较难寻找的，只能通过网购来购买，
总之，虽然仅仅从购买苹果这一点上很难了解这个人的全部情况，但可以得出的是，他比较注重生活质量和健康问题。
上述分析评论被输入到用户画像生成模块。在用户画像生成模块，可以利用机器学习或深度学习技术，结合决策树和神经网络，针对上述分析评论进行用户画像的生成。
在该模块中，首先进行内容处理，在采集到的分析评论中去除无效内容，将去除无效内容后的内容数据进行数据格式化存入数据库中。
例如，承接上例，将上述分析评论去除无效内容后进行内容精炼。在上例中，“说明”、“另外”、“此外”、“总之”、“并且”这些词汇并没有实质性内容表达，仅仅是语言行文的需要，此类词汇通过内容处理直接删除，只留下有实质性含义的词汇。
接下来进行特征提取，即，对于分析评论经内容处理之后余下的内容进行特征提取。内容处理相当于粗筛，而特征提取则将内容精炼化。
承接上例，在特征提取阶段进行内容精炼后可以得到如下内容数据：
小明，30岁，一月5次，网购，苹果，喜欢饮食健康，食谱材料，苹果在当地难找寻、注重生活质量和健康。
需要注意的是，在进行机器深度学习之后，这些词汇很容易被提取出来，因为对于食品的评价而言，“饮食健康”“产地分布”、“食谱材料”、“生活质量”都将是针对食品评价的常见方面，很容易在深度学习之后去粗取精得以提取。
接下来进行数据建模，针对特征提取之后的内容，利用机器学习模型进行训练，对特征提取之后的内容进行建模和训练（例如采用随机森林方式），由此得到最佳的模型参数，并基于此得到针对特定用户的用户画像模型。
优选地，在数据建模之后，还可以进行模型评估，针对数据建模所建立的模型，评估模型的准确性、精度等指标，从而确定模型的合适度。
在数据建模之后，就迎来了用户画像生成，使用已经训练好的用户画像模型，对每个用户进行用户画像生成，所生成的用户画像存储到数据库中。
承接上例，最终可生成的用户画像如下：
姓名：小明
年龄：30岁
偏好：注重健康饮食
行为：网购，偏好寻找健康食品
消费能力：至少买了5袋苹果
在用户画像生成模块完成用户画像的生成之后，就进入推荐算法模块。
在推荐算法模块中，首先对网站上的物品或服务进行关键特征提取，例如商品的品牌、类型、价格等。
接着进行相似度计算，即，将所提取的物品或服务的关键特征与用户画像中所体现的用户特征进行匹配，评估用户与物品或服务之间的关联度。
接着进行推荐物品排序，针对多种物品或服务的关联度进行综合排序，依据综合排序的结果向该用户推荐特定物品或服务。
承接上例，网站上的物品例如为柑橘，该柑橘在网站售卖时主打的广告即为促进身体健康，且通常价格也在小明这样的消费者的消费能力之内，于是，通过柑橘这一物品的特点与小明的用户画像的匹配分析可以看出，匹配度极高，因此，该网站就可以向小明推荐柑橘这类物品，由此做到物品和消费者之间的精准匹配，既满足了小明的消费需求，又拓展了柑橘的销路。
本文为了描述方便，例示的都是苹果、柑橘这类实物型案例，但实际中网站所推销的物品或服务，其特点往往要比苹果柑橘这类实物要复杂得多，要采用目前市面上的搜索引擎或者推荐系统实现精准匹配往往力有不逮。然而本发明却另辟蹊径，充分利用了自然语言智能转化模型的智能分析功能，同时对智能分析之后的分析内容进行精准处理和匹配，极大提高了商品推荐的精准度。
以上所述仅为本发明的示例性实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (9)
1.一种基于自然语言智能转化模型的智能推荐系统，其特征在于，该系统包括：
数据收集模块，用于收集网站上的用户行为数据，并将收集到的用户行为数据存储到数据库中；
自然语言组织模块，用于将所收集到的用户行为数据依据预定格式组织成自然语言；
自然语言处理模块，用于接收自然语言组织模块所组织成的自然语言，并将该自然语言输入自然语言转化模型，自然语言转化模型针对所述自然语言提供分析评论；
用户画像生成模块，用于接收所述分析评论，然后，在该用户画像生成模块中，
首先对所述分析评论进行内容处理，去除无效内容并将所述分析评论去除无效内容后的内容数据格式化存入数据库中，
随后，对去除无效内容后的内容数据进行特征提取，形成特征提取内容；
随后，针对特征提取内容利用机器学习模型进行训练，得到针对所述用户的用户画像模型；
使用所述用户画像模型生成用户画像，该用户画像存储到所述数据库中；
推荐算法模块，对所述网站上的多种物品或服务分别提取关键特征，将所述关键特征与所述用户画像进行匹配，评估所述用户与所述物品或服务之间的关联度，对所述多种物品或服务进行关联度排序，并基于关联度排序的结果向所述用户推荐物品或服务。
2.根据权利要求1所述的基于自然语言智能转化模型的智能推荐系统，其特征在于，所述用户行为数据包括用户在所述网站上点击操作、预览操作、购买操作所形成的后台数据。
3.根据权利要求1所述的基于自然语言智能转化模型的智能推荐系统，其特征在于，所述用户行为数据分类为多种属性数据。
4.根据权利要求3所述的基于自然语言智能转化模型的智能推荐系统，其特征在于，所述多种属性数据包括姓名数据、年龄数据、频率数据、操作数据、商品服务数据。
5.根据权利要求3或4所述的基于自然语言智能转化模型的智能推荐系统，其特征在于，所述自然语言组织模块包括多个语言结构块，所述多种属性数据与所述多个语言结构块形成映射关系，由此，所述属性数据按照该映射关系填入对应的语言结构块中，由此组织成自然语言。
6.根据权利要求1所述的基于自然语言智能转化模型的智能推荐系统，其特征在于，所述自然语言处理模型为ChatGPT或者百度推出的文心一言。
7.根据权利要求1所述的基于自然语言智能转化模型的智能推荐系统，其特征在于，所述用户画像生成模块基于所述分析评论结合决策树和神经网络来生成用户画像。
8.根据权利要求1所述的基于自然语言智能转化模型的智能推荐系统，其特征在于，在用户画像生成模块中，在得到针对所述用户的用户画像模型之后，进行模型评估，评估所述用户画像模型的准确性和精度。
9.一种基于自然语言智能转化模型的智能推荐方法，所述方法使用根据权利要求1-8中任一项所述的基于自然语言智能转化模型的智能推荐系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310547210.1A CN116561291A (zh) | 2023-05-16 | 2023-05-16 | 基于自然语言智能转化模型的智能推荐方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310547210.1A CN116561291A (zh) | 2023-05-16 | 2023-05-16 | 基于自然语言智能转化模型的智能推荐方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116561291A true CN116561291A (zh) | 2023-08-08 |
Family
ID=87487568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310547210.1A Pending CN116561291A (zh) | 2023-05-16 | 2023-05-16 | 基于自然语言智能转化模型的智能推荐方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116561291A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117235321A (zh) * | 2023-09-04 | 2023-12-15 | 之江实验室 | 一种展览点位推荐方法、装置、电子装置和存储介质 |
-
2023
- 2023-05-16 CN CN202310547210.1A patent/CN116561291A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117235321A (zh) * | 2023-09-04 | 2023-12-15 | 之江实验室 | 一种展览点位推荐方法、装置、电子装置和存储介质 |
| CN117235321B (zh) * | 2023-09-04 | 2024-04-16 | 之江实验室 | 一种展览点位推荐方法、装置、电子装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107861972B (zh) | 一种用户录入商品信息后显示商品全结果的方法及设备 | |
| CN110633373B (zh) | 一种基于知识图谱和深度学习的汽车舆情分析方法 | |
| US8386482B2 (en) | Method for personalizing information retrieval in a communication network | |
| US9864803B2 (en) | Method and system for multimodal clue based personalized app function recommendation | |
| KR101419504B1 (ko) | 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법 | |
| CN106909663B (zh) | 基于标签用户品牌偏好行为预测方法及其装置 | |
| CN110175325A (zh) | 基于词向量和句法特征的评论分析方法及可视化交互界面 | |
| KR20190108838A (ko) | 미술 작품 추천 큐레이션 방법 및 시스템 | |
| CN106339502A (zh) | 一种基于用户行为数据分片聚类的建模推荐方法 | |
| CN105183727A (zh) | 一种图书推荐方法及其系统 | |
| CN109522562B (zh) | 一种基于文本图像融合识别的网页知识抽取方法 | |
| CN112966091B (zh) | 一种融合实体信息与热度的知识图谱推荐系统 | |
| CN103886081A (zh) | 一种信息发送方法及系统 | |
| CN110298029A (zh) | 基于用户语料的好友推荐方法、装置、设备及介质 | |
| CN107527303A (zh) | 一种乡村旅游可视化推荐方法及系统 | |
| CN109101553B (zh) | 用于购买方非受益方的行业的采购用户评价方法和系统 | |
| CN111949887A (zh) | 物品推荐方法、装置及计算机可读存储介质 | |
| CN102955837A (zh) | 一种基于中文词对关系相似度的类比检索控制方法 | |
| CN112380457A (zh) | 一种基于采购信息的精准个性化推荐方法 | |
| CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
| US8121970B1 (en) | Method for identifying primary product objects | |
| CN112669113A (zh) | 产品的推荐方法和装置、存储介质、电子装置 | |
| US20190384812A1 (en) | Portfolio-based text analytics tool | |
| CN116561291A (zh) | 基于自然语言智能转化模型的智能推荐方法和系统 | |
| CN116796027A (zh) | 商品图片标签生成方法及其装置、设备、介质、产品 |
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 |