CN117648471A - 一种三维工业设计素材ai智能推荐管理系统 - Google Patents
一种三维工业设计素材ai智能推荐管理系统 Download PDFInfo
- Publication number
- CN117648471A CN117648471A CN202410124458.1A CN202410124458A CN117648471A CN 117648471 A CN117648471 A CN 117648471A CN 202410124458 A CN202410124458 A CN 202410124458A CN 117648471 A CN117648471 A CN 117648471A
- Authority
- CN
- China
- Prior art keywords
- search
- recommendation
- access
- materials
- recommended
- 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.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 243
- 238000013461 design Methods 0.000 title claims abstract description 22
- 230000006978 adaptation Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 8
- 238000013075 data extraction Methods 0.000 claims abstract description 7
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 239000013077 target material Substances 0.000 claims abstract description 6
- 238000012163 sequencing technique Methods 0.000 claims description 17
- 239000000470 constituent Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 239000012925 reference material Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 12
- 230000007547 defect Effects 0.000 abstract description 6
- 230000006399 behavior Effects 0.000 description 9
- 238000007792 addition Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于素材推荐管理技术领域,具体公开提供的一种三维工业设计素材AI智能推荐管理系统,该系统包括:检索数据提取模块、检索数据分析模块、推荐规则更新模块和素材推荐管理终端。本发明通过对用户在目标素材推荐平台中各次检索时的检索记录数据进行深度分析,据此分析目标用户的推荐规则适配度和确认适配素材推荐分配规则,有效解决了当前推荐多样性存在的欠缺问题,打破了当前素材推荐范围的局限性,满足了用户的个性化调用需求,同时也为用户发现和探索新的、有潜力的素材资源提供了便利,进而确保了推荐素材的新颖性和创造性,并且还进一步提升了后续用户素材检索效率、检索推荐精准性和检索推荐有效性。
Description
技术领域
本发明属于素材推荐管理技术领域,涉及一种三维工业设计素材AI智能推荐管理系统。
背景技术
随着工业设计行业的发展,对于高质量、多样化的三维工业设计素材的需求不断增加,传统的搜索方式可能无法高效地满足用户的需求。在此背景下,AI设计素材推荐应运而生。为了确保推荐的合理性和针对性,需要对其推荐进行管理。
AI推荐管理涉及数据分类管理、推荐管理和素材管理等多种管理,对于推荐管理而言,当前偏好于热门和常见素材的倾向,即根据用户导入的需求,从热门以及常见素材中进行推荐选取,很显然,当前推荐模式还存在以下几个方面的不足:1、推荐的多样性存在一定的欠缺,使得推荐范围较为局限,无法满足用户的个性化调用需求,同时也无法保障推荐素材的新颖性和创造性,使得用户难以发现和探索新的、有潜力的素材资源。
2、对用户个人检索行为分析深度不足,当前主要根据用户的选用素材偏好进行推荐,没有对其具体行为进行深度追踪解析,使得素材推荐效果优化不足,无法保障后续用户素材选用效率,同时也无法提升用户的检索体验。
3、推荐素材设置的合理性存在一定的欠缺,当前未根据用户的检索行为进行不同类型素材推荐设置,增加了用户的无效和重复检索次数,使得推荐结果的准确性和适配性均难以保障。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种三维工业设计素材AI智能推荐管理系统。
本发明的目的可以通过以下技术方案实现:本发明提供一种三维工业设计素材AI智能推荐管理系统,该系统包括:检索数据提取模块,用于提取目标用户在目标素材推荐平台中各次检索时的检索记录数据和当前设定推荐规则。
检索数据分析模块,用于根据各次检索时的检索记录数据,分析目标用户的推荐规则适配度。
推荐规则更新模块,用于当目标用户的推荐规则适配度小于设定适配度时,确认目标用户的更新推荐规则,包括:S1、确认各类别标签的更新推荐素材占比,作为推荐规则组成要素a1。
S2、确认素材推荐页面的适宜推荐排序方式,作为推荐规则组成要素a2。
S3、进行属性推荐规则增加需求判断,输出判断结果。
S4、当判断结果为需求,确认增加推荐属性标签,作为推荐规则组成要素a3。
S5、当S3判断结果为需求时,将推荐规则组成要素a1、a2和a3组成目标用户的更新推荐规则,当S3判断结果为无需时,将推荐规则组成要素a1和a2组成目标用户的更新推荐规则。
素材推荐管理终端,用于将目标用户的更新推荐规则替换其当前设定推荐规则。
优选地,所述分析目标用户的推荐规则适配度,包括:从各次检索时的检索记录数据中提取检索时长、标定延伸检索次数/>,同时提取各次标定延伸检索的跟踪数据,同时提取选用素材的标定延伸检索次序以及所属推荐排序位置,分析各次检索时对应推荐状态吻合度/>,/>表示检索次序编号,/>。
若某次检索时对应推荐状态吻合度小于设定参照基准推荐状态吻合度,则将该次检索记为偏差检索。
统计偏差检索次数,若,将/>作为目标用户的推荐规则适配度。
若,将各次偏差检索时对应推荐状态吻合度进行均值计算,得到平均推荐状态吻合度/>。
将各次检索按照检索先后顺序进行排序,得到各次偏差检索的排序位置,将排序位置为中间位置的检索次序为界定检索次序,设定偏差检索的位置权重因子,并将作为目标用户的推荐规则适配度,并记为/>,以此得到目标用户的推荐规则适配度/>,/>取值为/>或者/>,/>。
优选地,所述分析各次检索时对应推荐状态吻合度,包括:从各次检索时各次标定延伸检索的跟踪数据中定位出展示推荐素材数目、访问推荐素材数目以及各访问推荐素材的访问排序和展示推荐排序。
将访问排序为首位的访问推荐素材记为首位访问素材,统计各次检索时的素材推荐采纳度。
统计各次检索时对应推荐状态吻合度,/>,/>分别为设定的基准检索效率对应评定检索时长、检索次数,/>为设定的参照素材推荐采纳度。
优选地,所述统计各次检索时的素材推荐采纳度,包括:基于各次检索时的标定延伸检索次数以及选用素材的标定延伸检索次序,统计位于选用素材对应标定延伸检索次序之前的标定延伸检索次数。
基于各次检索时选用素材对应推荐排序位置,提取位于选用素材对应排序位置之前的展示推荐素材数目。
提取各次检索时各次标定延伸检索对应首位访问素材的访问排序和展示推荐排序之间的展示推荐排序位数,进而通过均值计算得到各次检索时对应首位访问素材的平均间隔展示推荐排序位数。
统计首位访问素材对应访问排序和展示推荐排序之间对应间隔排序位数目为0的标定延伸检索次数,作为标定采纳次数。
统计各次检索时的素材推荐采纳度,/>。
优选地,所述设定偏差检索的位置权重因子,包括:若各次偏差检索的排序位置均位于界定检索次序之前,将作为偏差检索的位置权重因子。
若部分偏差检索的排序位置位于界定检索次序之前且部分位于界定检索次序之后,从各次检索中过滤出各次偏差检索,将过滤后剩余的各次检索记为各次吻合检索,提取各次偏差检索之间的间隔吻合检索次数。
以偏差检索次序为横坐标,以间隔吻合检索次数为纵坐标,构建间隔吻合检索次数变化曲线,并从所述变化曲线中进行幅值和波动点数目/>提取,将/>作为偏差检索的位置权重因子,并记为/>,/>分别为设定参照间隔幅值、间隔波动点数目。
若各次偏差检索的排序位置均位于界定检索次序之后,将作为偏差检索的位置权重因子,以此得到偏差检索的位置权重因子/>,/>取值为/>或者/>或者/>,。
优选地,所述确认各类别标签的更新推荐素材占比,包括:从所述跟踪数据中定位出各访问推荐素材的类别标签,类别标签由Ⅰ类标签、Ⅱ类标签和Ⅲ类标签组成。
将类别标签为Ⅰ类标签、Ⅱ类标签和Ⅲ类标签的访问推荐素材分别记为Ⅰ类访问素材、Ⅱ类访问素材和Ⅲ类访问素材。
统计各次检索时各次标定延伸检索对应Ⅰ类访问素材、Ⅱ类访问素材和Ⅲ类访问素材的数目,分别记为、/>和/>,/>表示标定延伸检索次序编号,/>。
将作为各次检索时各次标定延伸检索的Ⅰ类标签的推荐素材占比,记为/>,据此统计Ⅰ类标签的更新推荐素材占比,记为/>。
按照的统计方式以此统计得到Ⅱ类标签和Ⅲ类标签的更新推荐素材占比。
优选地,所述统计Ⅰ类标签的更新推荐素材占比,包括:以标定延伸检索次序为横坐标,以推荐素材占比为纵坐标,构建各次检索时的Ⅰ类标签推荐素材占比变化曲线,并从中定位出波动点数目和斜率,分别记为和/>。
对进行均值计算,将计算结果记为/>,统计Ⅰ类标签的更新推荐素材占比/>,,/>为设定参照波动点数目,/>为设定的单位推荐素材占比吻合因子对应补偿推荐占比值,/>为检索次数。
优选地,所述确认素材推荐页面的适宜推荐排序方式,包括:从各次检索时各次标定延伸检索对应各访问推荐素材的访问排序中筛选出各次检索时各次标定延伸检索对应各Ⅰ类访问素材、各Ⅱ类访问素材和各Ⅲ类访问素材的访问排序。
统计各次检索时各次标定延伸检索对应访问排序为前位的Ⅰ类访问素材数目、Ⅱ类访问素材数目和Ⅲ类访问素材数目,/>为向上取整符号,进而通过推荐排序评定规则评定得到素材推荐页面的适宜推荐排序方式。
优选地,所述进行属性推荐规则增加需求判断,包括:从各次检索时各次标定延伸检索的跟踪数据中定位出各访问推荐素材的属性标签。
将各访问素材的属性标签进行对比,将同一属性标签记为综合属性标签,统计各次检索时各次标定延伸检索对应综合属性标签数目以及各综合属性标签的访问素材数目。
以标定延伸检索次序为横坐标,以综合属性标签数目为纵坐标,构建各次检索时的属性标签变化曲线,并进行斜率提取,记为。
将作为各综合属性标签的访问素材比,同理构建各次检索时各综合属性标签的访问素材比变化曲线,并进行斜率提取,记为/>,/>表示综合属性标签编号,/>。
统计各次检索时对应素材属性单一趋向度,,/>为设定参照属性标签变化率,/>为设定的参照访问变化率,/>为设定参照访问变化率差,/>为综合属性标签数目,/>为向下取整符号。
统计素材属性单一趋向度大于0的检索次数,若/>或者/>,将无需作为属性推荐规则增加需求判断结果。
若,将需求作为属性推荐规则增加需求判断结果。
优选地,所述确认增加推荐属性标签,包括:将各次检索时各综合属性标签的访问素材比变化曲线的斜率记为访问需求增长率,并将访问需求增长率最大的综合属性标签记为特征访问属性标签。
将各次检索时的特征访问属性标签进行相互对比,得到各特征访问属性标签对应的检索次数,将检索次数最多的特征访问属性标签作为增加推荐属性标签。
相较于现有技术,本发明的有益效果如下:(1)本发明通过对用户在目标素材推荐平台中各次检索时的检索记录数据进行深度分析,据此分析目标用户的推荐规则适配度和确认适配素材推荐分配规则,有效解决了当前推荐多样性存在的欠缺问题,打破了当前素材推荐范围的局限性,满足了用户的个性化调用需求,同时也为用户发现和探索新的、有潜力的素材资源提供了便利,进而确保了推荐素材的新颖性和创造性。
(2)本发明通过对用户各次检索时的检索记录数据进行动态规律性分析,深度挖掘用户实际选用与推荐之间的偏差情况,从而确认目标用户的推荐规则适配度,解决了当前对用户个人检索行为分析深度不足的问题,实现了用户检索行为的深度追踪解析,提高了三维工业设计素材的推荐优化效果,并且还进一步提升了后续用户素材检索以及素材选用效率,从而确保了用户的检索体验和检索推荐精准性。
(3)本发明在确认目标用户的更新推荐规则时,通过从各类别标签的更新推荐素材占比、素材推荐页面的适宜推荐排序方式以及增加推荐属性标签三个方面进行确认,弥补了当前推荐素材设置合理性层面存在的欠缺,实现了不同用户检索行为的个性化素材推荐设置,减少了用户无效和重复检索次数,确保了检索素材推荐结果的准确性和适配性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明系统各模块连接示意图。
图2为本发明目标用户更新推荐规则确认流程示意简图。
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。
请参阅图1所示,本发明提供了一种三维工业设计素材AI智能推荐管理系统,该系统包括:检索数据提取模块、检索数据分析模块、推荐规则更新模块和素材推荐管理终端。
上述中,检索数据分析模块分别与检索数据提取模块和推荐规则更新模块连接,推荐规则更新模块还分别与检索数据提取模块和素材推荐管理终端连接。
所述检索数据提取模块,用于提取目标用户在目标素材推荐平台中各次检索时的检索记录数据和当前设定推荐规则。
具体地,检索记录数据包括但不限于检索时长、标定延伸检索次数和各次标定延伸检索的跟踪数据,其中,跟踪数据包括但不限于展示推荐素材数目、访问推荐素材数目以及各访问推荐素材的访问排序、展示推荐排序、类别标签和属性标签。
需要补充的是,在信息检索领域,通常将多次检索的情况视为一个逐级检索的过程,如果在一级检索中未找到目标,而需要再次进行检索,那么这次再次检索可以看作是上一级检索的延伸或补充。即本发明所述标定延伸检索即理解为各次检索的延伸和补充检索。
所述检索数据分析模块,用于根据各次检索时的检索记录数据,分析目标用户的推荐规则适配度。
示例性地,分析目标用户的推荐规则适配度,包括:H1、从各次检索时的检索记录数据中提取检索时长、标定延伸检索次数/>,同时提取各次标定延伸检索的跟踪数据,同时提取选用素材的标定延伸检索次序以及所属推荐排序位置,分析各次检索时对应推荐状态吻合度/>,/>表示检索次序编号,/>。
可理解地,分析各次检索时对应推荐状态吻合度,包括:H11、从各次检索时各次标定延伸检索的跟踪数据中定位出展示推荐素材数目、访问推荐素材数目以及各访问推荐素材的访问排序和展示推荐排序。
H12、将访问排序为首位的访问推荐素材记为首位访问素材,统计各次检索时的素材推荐采纳度。
进一步地,统计各次检索时的素材推荐采纳度,包括:Z1、基于各次检索时的标定延伸检索次数以及选用素材的标定延伸检索次序,统计位于选用素材对应标定延伸检索次序之前的标定延伸检索次数。
Z2、基于各次检索时选用素材对应推荐排序位置,提取位于选用素材对应排序位置之前的展示推荐素材数目。
Z3、提取各次检索时各次标定延伸检索对应首位访问素材的访问排序和展示推荐排序之间的展示推荐排序位数,进而通过均值计算得到各次检索时对应首位访问素材的平均间隔展示推荐排序位数。
Z4、统计首位访问素材对应访问排序和展示推荐排序之间对应间隔排序位数目为0的标定延伸检索次数,作为标定采纳次数。
Z5、统计各次检索时的素材推荐采纳度,。
H13、统计各次检索时对应推荐状态吻合度,/>,/>分别为设定的基准检索效率对应评定检索时长、检索次数,/>为设定的参照素材推荐采纳度。
H2、若某次检索时对应推荐状态吻合度小于设定参照基准推荐状态吻合度,则将该次检索记为偏差检索。
H3、统计偏差检索次数,若,将/>作为目标用户的推荐规则适配度。
H4、若,将各次偏差检索时对应推荐状态吻合度进行均值计算,得到平均推荐状态吻合度/>。
H5、将各次检索按照检索先后顺序进行排序,得到各次偏差检索的排序位置,将排序位置为中间位置的检索次序为界定检索次序,设定偏差检索的位置权重因子,并将作为目标用户的推荐规则适配度,并记为/>,以此得到目标用户的推荐规则适配度/>,/>取值为/>或者/>,/>。
在一个具体实施例中,取值可以为1。
进一步地,设定偏差检索的位置权重因子,包括:H51、若各次偏差检索的排序位置均位于界定检索次序之前,将作为偏差检索的位置权重因子。
H52、若部分偏差检索的排序位置位于界定检索次序之前且部分位于界定检索次序之后,从各次检索中过滤出各次偏差检索,将过滤后剩余的各次检索记为各次吻合检索,提取各次偏差检索之间的间隔吻合检索次数。
H53、以偏差检索次序为横坐标,以间隔吻合检索次数为纵坐标,构建间隔吻合检索次数变化曲线,并从所述变化曲线中进行幅值和波动点数目/>提取,将作为偏差检索的位置权重因子,并记为/>,/>分别为设定参照间隔幅值、间隔波动点数目。
在一个具体实施例中,取值可以为/>,/>表示偏差检索次数,/>表示向上取整符号。
H54、若各次偏差检索的排序位置均位于界定检索次序之后,将作为偏差检索的位置权重因子,以此得到偏差检索的位置权重因子/>,/>取值为/>或者/>或者/>,。
在一个具体实施例中,取值可以为0.1,/>取值为大于1的实数,为了便于分析具体取值可以为1.5。
本发明实施例通过对用户各次检索时的检索记录数据进行动态规律性分析,深度挖掘用户实际选用与推荐之间的偏差情况,从而确认目标用户的推荐规则适配度,解决了当前对用户个人检索行为分析深度不足的问题,实现了用户检索行为的深度追踪解析,提高了三维工业设计素材的推荐优化效果,并且还进一步提升了后续用户素材检索以及素材选用效率,确保了用户的检索体验和检索推荐精准性。
所述推荐规则更新模块,用于当目标用户的推荐规则适配度小于设定适配度时,确认目标用户的更新推荐规则,包括:S1、确认各类别标签的更新推荐素材占比,作为推荐规则组成要素a1。
示例性地,请参阅图2所示,确认各类别标签的更新推荐素材占比,包括:S11、从所述跟踪数据中定位出各访问推荐素材的类别标签,类别标签由Ⅰ类标签、Ⅱ类标签和Ⅲ类标签组成。
需要补充的是,图2中所示的Y表示判断结果为需求,N表示判断结果为无需。
在一个具体实施例中,为了便于理解Ⅰ类标签可以理解为热门标签,Ⅱ类标签可以理解为个性匹配标签,Ⅲ类标签可以理解为相似标签,其中,个性匹配标签指根据用户输入的关键词,通过关键词匹配得到的素材的类别标签,即当推荐素材为关键词检索得到且不位于热门素材集合内,则将该推荐素材的类别标签记为Ⅱ类。
S12、将类别标签为Ⅰ类标签、Ⅱ类标签和Ⅲ类标签的访问推荐素材分别记为Ⅰ类访问素材、Ⅱ类访问素材和Ⅲ类访问素材。
S13、统计各次检索时各次标定延伸检索对应Ⅰ类访问素材、Ⅱ类访问素材和Ⅲ类访问素材的数目,分别记为、/>和/>,/>表示标定延伸检索次序编号,/>。
S14、将作为各次检索时各次标定延伸检索的Ⅰ类标签的推荐素材占比,记为/>,据此统计Ⅰ类标签的更新推荐素材占比,记为/>。
可理解地,统计Ⅰ类标签的更新推荐素材占比,包括:步骤1、以标定延伸检索次序为横坐标,以推荐素材占比为纵坐标,构建各次检索时的Ⅰ类标签推荐素材占比变化曲线,并从中定位出波动点数目和斜率,分别记为和/>。
步骤2、对进行均值计算,将计算结果记为/>,统计Ⅰ类标签的更新推荐素材占比/>,/>,/>为设定参照波动点数目,/>为设定的单位推荐素材占比吻合因子对应补偿推荐占比值,/>为检索次数。
S15、按照的统计方式以此统计得到Ⅱ类标签和Ⅲ类标签的更新推荐素材占比。
S2、确认素材推荐页面的适宜推荐排序方式,作为推荐规则组成要素a2。
示例性地,确认素材推荐页面的适宜推荐排序方式,包括:S21、从各次检索时各次标定延伸检索对应各访问推荐素材的访问排序中筛选出各次检索时各次标定延伸检索对应各Ⅰ类访问素材、各Ⅱ类访问素材和各Ⅲ类访问素材的访问排序。
S22、统计各次检索时各次标定延伸检索对应访问排序为前位的Ⅰ类访问素材数目、Ⅱ类访问素材数目和Ⅲ类访问素材数目,进而通过推荐排序评定规则评定得到素材推荐页面的适宜推荐排序方式。
在一个具体实施例中,推荐排序评定规则的具体评估过程如下:W1、将访问排序为前位的Ⅰ类访问素材数目、Ⅱ类访问素材数目和Ⅲ类访问素材数目分别标记为/>、/>和/>。
W2、若,将Ⅰ类标签作为第一推荐排序标签,将Ⅱ类标签作为第二推荐排序标签,将Ⅲ类标签作为第三推荐排序标签,并记为推荐排序方式V1。
W3、若,将Ⅰ类标签作为第一推荐排序标签,将Ⅲ类标签作为第二推荐排序标签,将Ⅱ类标签作为第三推荐排序标签,并记为推荐排序方式V2。
W4、若,将Ⅱ类标签作为第一推荐排序标签,将Ⅰ类标签作为第二推荐排序标签,将Ⅲ类标签作为第三推荐排序标签,并记为推荐排序方式V3。
W5、若,将Ⅱ类标签作为第一推荐排序标签,将Ⅲ类标签作为第二推荐排序标签,将Ⅰ类标签作为第三推荐排序标签,并记为推荐排序方式V4。
W6、若,将Ⅲ类标签作为第一推荐排序标签,将Ⅰ类标签作为第二推荐排序标签,将Ⅱ类标签作为第三推荐排序标签,并记为推荐排序方式V5。
W7、若,将Ⅲ类标签作为第一推荐排序标签,将Ⅱ类标签作为第二推荐排序标签,将Ⅰ类标签作为第三推荐排序标签,并记为推荐排序方式V6,以此得到各次检索时各次标定延伸检索的推荐排序方式。
W8、将各次检索时各次标定延伸检索的推荐排序方式进行相互对比,统计各次检索时各推荐排序方式的标定检索次数,标定检索次数最多的推荐排序方式作为各次检索时的倾向推荐排序方式。
W9、将各次检索时的倾向推荐排序方式同理进行相互对比,筛选出各倾向推荐排序方式的检索次数,将检索次数最多的倾向推荐排序方式作为素材推荐页面的适宜推荐排序方式。
S3、进行属性推荐规则增加需求判断。
示例性地,进行属性推荐规则增加需求判断,包括:S31、从各次检索时各次标定延伸检索的跟踪数据中定位出各访问推荐素材的属性标签。
在一个具体实施例中,属性标签包括但不限于材质属性标签、功能属性标签和风格属性标签,其中,材质属性标签包括但不限于金属、塑料、玻璃和木材,功能属性标签包括但不限于按钮、开关、连接器和机械零件,风格属性标签包括但不限于现代风格、传统风格、简约风格和复古风格。
S32、将各访问素材的属性标签进行对比,将同一属性标签记为综合属性标签,统计各次检索时各次标定延伸检索对应综合属性标签数目以及各综合属性标签的访问素材数目。
S33、以标定延伸检索次序为横坐标,以综合属性标签数目为纵坐标,构建各次检索时的属性标签变化曲线,并进行斜率提取,记为。
S34、将作为各综合属性标签的访问素材比,同理构建各次检索时各综合属性标签的访问素材比变化曲线,并进行斜率提取,记为/>,/>表示综合属性标签编号,/>。
S35、统计各次检索时对应素材属性单一趋向度,,/>为设定参照属性标签变化率,/>为设定的参照访问变化率,/>为设定参照访问变化率差,/>为综合属性标签数目,/>为向下取整符号。
S36、统计素材属性单一趋向度大于0的检索次数,若/>或者/>,将无需作为属性推荐规则增加需求判断结果。
S37、若,将需求作为属性推荐规则增加需求判断结果。
S4、当判断结果为需求,确认增加推荐属性标签,作为推荐规则组成要素a3。
具体地,确认增加推荐属性标签,包括:将各次检索时各综合属性标签的访问素材比变化曲线的斜率记为访问需求增长率,并将访问需求增长率最大的综合属性标签记为特征访问属性标签。
将各次检索时的特征访问属性标签进行相互对比,得到各特征访问属性标签对应的检索次数,将检索次数最多的特征访问属性标签作为增加推荐属性标签。
S5、当S3判断结果为需求时,将推荐规则组成要素a1、a2和a3组成目标用户的更新推荐规则,当S3判断结果为无需时,将推荐规则组成要素a1和a2组成目标用户的更新推荐规则。
本发明实施例在确认目标用户的更新推荐规则时,通过从各类别标签的更新推荐素材占比、素材推荐页面的适宜推荐排序方式以及增加推荐属性标签三个方面进行确认,弥补了当前推荐素材设置合理性层面存在的欠缺,实现了不同用户检索行为的个性化素材推荐设置,减少了用户无效和重复检索次数,确保了检索素材推荐结果的准确性和适配性。
所述素材推荐管理终端,用于将目标用户的更新推荐规则替换其当前设定推荐规则。
本发明实施例通过对用户在目标素材推荐平台中各次检索时的检索记录数据进行深度分析,据此分析目标用户的推荐规则适配度和确认适配素材推荐分配规则,有效解决了当前推荐多样性存在的欠缺问题,打破了当前素材推荐范围的局限性,满足了用户的个性化调用需求,同时也为用户发现和探索新的、有潜力的素材资源提供了便利,进而确保了推荐素材的新颖性和创造性。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种三维工业设计素材AI智能推荐管理系统,其特征在于:该系统包括:
检索数据提取模块,用于提取目标用户在目标素材推荐平台中各次检索时的检索记录数据和当前设定推荐规则;
检索数据分析模块,用于根据各次检索时的检索记录数据,分析目标用户的推荐规则适配度;
推荐规则更新模块,用于当目标用户的推荐规则适配度小于设定适配度时,确认目标用户的更新推荐规则,包括:
S1、确认各类别标签的更新推荐素材占比,作为推荐规则组成要素a1;
S2、确认素材推荐页面的适宜推荐排序方式,作为推荐规则组成要素a2;
S3、进行属性推荐规则增加需求判断,输出判断结果;
S4、当判断结果为需求,确认增加推荐属性标签,作为推荐规则组成要素a3;
S5、当S3判断结果为需求时,将推荐规则组成要素a1、a2和a3组成目标用户的更新推荐规则,当S3判断结果为无需时,将推荐规则组成要素a1和a2组成目标用户的更新推荐规则;
素材推荐管理终端,用于将目标用户的更新推荐规则替换其当前设定推荐规则。
2.如权利要求1所述的一种三维工业设计素材AI智能推荐管理系统,其特征在于:所述分析目标用户的推荐规则适配度,包括:
从各次检索时的检索记录数据中提取检索时长、标定延伸检索次数/>,同时提取各次标定延伸检索的跟踪数据,同时提取选用素材的标定延伸检索次序以及所属推荐排序位置,分析各次检索时对应推荐状态吻合度/>,/>表示检索次序编号,/>;
若某次检索时对应推荐状态吻合度小于设定参照基准推荐状态吻合度,则将该次检索记为偏差检索;
统计偏差检索次数,若,将/>作为目标用户的推荐规则适配度;
若,将各次偏差检索时对应推荐状态吻合度进行均值计算,得到平均推荐状态吻合度/>;
将各次检索按照检索先后顺序进行排序,得到各次偏差检索的排序位置,将排序位置为中间位置的检索次序为界定检索次序,设定偏差检索的位置权重因子,并将作为目标用户的推荐规则适配度,并记为/>,以此得到目标用户的推荐规则适配度/>,/>取值为/>或者/>,/>。
3.如权利要求2所述的一种三维工业设计素材AI智能推荐管理系统,其特征在于:所述分析各次检索时对应推荐状态吻合度,包括:
从各次检索时各次标定延伸检索的跟踪数据中定位出展示推荐素材数目、访问推荐素材数目以及各访问推荐素材的访问排序和展示推荐排序;
将访问排序为首位的访问推荐素材记为首位访问素材,统计各次检索时的素材推荐采纳度;
统计各次检索时对应推荐状态吻合度,/>,/>分别为设定的基准检索效率对应评定检索时长、检索次数,/>为设定的参照素材推荐采纳度。
4.如权利要求3所述的一种三维工业设计素材AI智能推荐管理系统,其特征在于:所述统计各次检索时的素材推荐采纳度,包括:
基于各次检索时的标定延伸检索次数以及选用素材的标定延伸检索次序,统计各次检索时位于选用素材对应标定延伸检索次序之前的标定延伸检索次数;
基于各次检索时选用素材对应推荐排序位置,提取位于选用素材对应排序位置之前的展示推荐素材数目;
提取各次检索时各次标定延伸检索对应首位访问素材的访问排序和展示推荐排序之间的展示推荐排序位数,进而通过均值计算得到各次检索时对应首位访问素材的平均间隔展示推荐排序位数;
统计首位访问素材对应访问排序和展示推荐排序之间对应间隔排序位数目为0的标定延伸检索次数,作为标定采纳次数;
统计各次检索时的素材推荐采纳度,/>。
5.如权利要求2所述的一种三维工业设计素材AI智能推荐管理系统,其特征在于:所述设定偏差检索的位置权重因子,包括:
若各次偏差检索的排序位置均位于界定检索次序之前,将作为偏差检索的位置权重因子;
若部分偏差检索的排序位置位于界定检索次序之前且部分位于界定检索次序之后,从各次检索中过滤出各次偏差检索,将过滤后剩余的各次检索记为各次吻合检索,提取各次偏差检索之间的间隔吻合检索次数;
以偏差检索次序为横坐标,以间隔吻合检索次数为纵坐标,构建间隔吻合检索次数变化曲线,并从所述变化曲线中进行幅值和波动点数目/>提取,将/>作为偏差检索的位置权重因子,并记为/>,/>分别为设定参照间隔幅值、间隔波动点数目;
若各次偏差检索的排序位置均位于界定检索次序之后,将作为偏差检索的位置权重因子,以此得到偏差检索的位置权重因子/>,/>取值为/>或者/>或者/>,/>。
6.如权利要求3所述的一种三维工业设计素材AI智能推荐管理系统,其特征在于:所述确认各类别标签的更新推荐素材占比,包括:
从所述跟踪数据中定位出各访问推荐素材的类别标签,类别标签由Ⅰ类标签、Ⅱ类标签和Ⅲ类标签组成;
将类别标签为Ⅰ类标签、Ⅱ类标签和Ⅲ类标签的访问推荐素材分别记为Ⅰ类访问素材、Ⅱ类访问素材和Ⅲ类访问素材;
统计各次检索时各次标定延伸检索对应Ⅰ类访问素材、Ⅱ类访问素材和Ⅲ类访问素材的数目,分别记为、/>和/>,/>表示标定延伸检索次序编号,/>;
将作为各次检索时各次标定延伸检索的Ⅰ类标签的推荐素材占比,记为/>,据此统计Ⅰ类标签的更新推荐素材占比,记为/>;
按照的统计方式以此统计得到Ⅱ类标签和Ⅲ类标签的更新推荐素材占比。
7.如权利要求6所述的一种三维工业设计素材AI智能推荐管理系统,其特征在于:所述统计Ⅰ类标签的更新推荐素材占比,包括:
以标定延伸检索次序为横坐标,以推荐素材占比为纵坐标,构建各次检索时的Ⅰ类标签推荐素材占比变化曲线,并从中定位出波动点数目和斜率,分别记为和/>;
对进行均值计算,将计算结果记为/>,统计Ⅰ类标签的更新推荐素材占比/>,,/>为设定参照波动点数目,/>为设定的单位推荐素材占比吻合因子对应补偿推荐占比值,/>为检索次数。
8.如权利要求3所述的一种三维工业设计素材AI智能推荐管理系统,其特征在于:所述确认素材推荐页面的适宜推荐排序方式,包括:
从各次检索时各次标定延伸检索对应各访问推荐素材的访问排序中筛选出各次检索时各次标定延伸检索对应各Ⅰ类访问素材、各Ⅱ类访问素材和各Ⅲ类访问素材的访问排序;
统计各次检索时各次标定延伸检索对应访问排序为前位的Ⅰ类访问素材数目、Ⅱ类访问素材数目和Ⅲ类访问素材数目,/>为向上取整符号,进而通过推荐排序评定规则评定得到素材推荐页面的适宜推荐排序方式。
9.如权利要求7所述的一种三维工业设计素材AI智能推荐管理系统,其特征在于:所述进行属性推荐规则增加需求判断,包括:
从各次检索时各次标定延伸检索的跟踪数据中定位出各访问推荐素材的属性标签;
将各访问素材的属性标签进行对比,将同一属性标签记为综合属性标签,统计各次检索时各次标定延伸检索对应综合属性标签数目以及各综合属性标签的访问素材数目;
以标定延伸检索次序为横坐标,以综合属性标签数目为纵坐标,构建各次检索时的属性标签变化曲线,并进行斜率提取,记为;
将作为各综合属性标签的访问素材比,同理构建各次检索时各综合属性标签的访问素材比变化曲线,并进行斜率提取,记为/>,/>表示综合属性标签编号,/>;
统计各次检索时对应素材属性单一趋向度,/>,为设定参照属性标签变化率,/>为设定的参照访问变化率,/>为设定参照访问变化率差,/>为综合属性标签数目,/>为向下取整符号;
统计素材属性单一趋向度大于0的检索次数,若/>或者/>,将无需作为属性推荐规则增加需求判断结果;
若,将需求作为属性推荐规则增加需求判断结果。
10.如权利要求9所述的一种三维工业设计素材AI智能推荐管理系统,其特征在于:所述确认增加推荐属性标签,包括:
将各次检索时各综合属性标签的访问素材比变化曲线的斜率记为访问需求增长率,并将访问需求增长率最大的综合属性标签记为特征访问属性标签;
将各次检索时的特征访问属性标签进行相互对比,得到各特征访问属性标签对应的检索次数,将检索次数最多的特征访问属性标签作为增加推荐属性标签。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410124458.1A CN117648471B (zh) | 2024-01-30 | 2024-01-30 | 一种三维工业设计素材ai智能推荐管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410124458.1A CN117648471B (zh) | 2024-01-30 | 2024-01-30 | 一种三维工业设计素材ai智能推荐管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117648471A true CN117648471A (zh) | 2024-03-05 |
CN117648471B CN117648471B (zh) | 2024-04-09 |
Family
ID=90046420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410124458.1A Active CN117648471B (zh) | 2024-01-30 | 2024-01-30 | 一种三维工业设计素材ai智能推荐管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117648471B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117929701A (zh) * | 2024-03-14 | 2024-04-26 | 天津市蓝航医疗科技有限公司 | 一种血糖仪智能化控制分析系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409928A (zh) * | 2018-09-14 | 2019-03-01 | 上海晶赞融宣科技有限公司 | 一种素材推荐方法、装置、存储介质、终端 |
CN111209486A (zh) * | 2019-12-19 | 2020-05-29 | 杭州安恒信息技术股份有限公司 | 一种混合推荐规则的管理平台数据推荐方法 |
CN113837793A (zh) * | 2021-08-25 | 2021-12-24 | 杭州杰牌传动科技有限公司 | 一种供应商推荐方法、装置、存储介质及终端 |
CN115982434A (zh) * | 2023-01-05 | 2023-04-18 | 深圳市动能无线传媒有限公司 | 一种基于人工智能的素材信息分类管理方法及系统 |
CN116233495A (zh) * | 2021-12-06 | 2023-06-06 | 深圳市酷开网络科技股份有限公司 | 节目资源的推荐方法、装置、节目管理引擎以及存储介质 |
-
2024
- 2024-01-30 CN CN202410124458.1A patent/CN117648471B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409928A (zh) * | 2018-09-14 | 2019-03-01 | 上海晶赞融宣科技有限公司 | 一种素材推荐方法、装置、存储介质、终端 |
CN111209486A (zh) * | 2019-12-19 | 2020-05-29 | 杭州安恒信息技术股份有限公司 | 一种混合推荐规则的管理平台数据推荐方法 |
CN113837793A (zh) * | 2021-08-25 | 2021-12-24 | 杭州杰牌传动科技有限公司 | 一种供应商推荐方法、装置、存储介质及终端 |
CN116233495A (zh) * | 2021-12-06 | 2023-06-06 | 深圳市酷开网络科技股份有限公司 | 节目资源的推荐方法、装置、节目管理引擎以及存储介质 |
CN115982434A (zh) * | 2023-01-05 | 2023-04-18 | 深圳市动能无线传媒有限公司 | 一种基于人工智能的素材信息分类管理方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117929701A (zh) * | 2024-03-14 | 2024-04-26 | 天津市蓝航医疗科技有限公司 | 一种血糖仪智能化控制分析系统 |
CN117929701B (zh) * | 2024-03-14 | 2024-05-31 | 天津市蓝航医疗科技有限公司 | 一种血糖仪智能化控制分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117648471B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117648471B (zh) | 一种三维工业设计素材ai智能推荐管理系统 | |
CN104537115A (zh) | 用户兴趣的探索方法和装置 | |
CN108509499A (zh) | 一种搜索方法及装置,电子设备 | |
CN104750839B (zh) | 一种数据推荐方法、终端及服务器 | |
CN107194430A (zh) | 一种样本筛选方法及装置,电子设备 | |
CN109753601A (zh) | 推荐信息点击率确定方法、装置及电子设备 | |
CN111079009A (zh) | 一种用于政务地图服务的用户兴趣检测方法及系统 | |
CN107622004A (zh) | 耗电提醒方法及装置 | |
CN111611496A (zh) | 产品推荐方法及其装置 | |
CN107239964A (zh) | 用户价值评分方法和系统 | |
CN105354721A (zh) | 一种识别机器操作行为的方法及装置 | |
CN112508638A (zh) | 数据处理的方法、装置及计算机设备 | |
CN107318140A (zh) | 网络切换方法、移动终端及计算机可读存储介质 | |
CN109033241A (zh) | 新闻推荐方法、装置及电子设备 | |
CN116010700B (zh) | 一种基于知识图谱的用户画像方法 | |
CN108197288A (zh) | 根据用户特征偏好的房源推送方法、装置、设备及介质 | |
CN113342762B (zh) | 针对商户好友的共享消息的智能处理方法及相关装置 | |
CN115408527A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN106445934A (zh) | 一种数据处理方法和装置 | |
CN108710620A (zh) | 一种基于用户的k-最近邻算法的图书推荐方法与系统 | |
CN112148866A (zh) | 一种线上智慧项目申报资源匹配推送系统及其方法 | |
CN112069390A (zh) | 一种基于时空维度用户图书借阅行为分析及兴趣预测方法 | |
CN110162545A (zh) | 基于大数据的信息推送方法、设备、存储介质及装置 | |
CN111445304B (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
CN117891898B (zh) | 一种基于gpt大模型的分类检索方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |