本发明涉及智能推荐方法，尤其涉及一种基于人工智能的智能推荐方法。
背景技术：
1、人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能，人工智能可用在智能推荐方法中，智能推荐是基于大批量数据模式进行智能推荐服务，需要从数据源采集数据集，采用单一模型对采集的数据集进行运算、验证数据结果，最后得出模型结论，进行一些数据的智能或非智能的推荐以及客户行为引导。
2、现有的智能推荐方法不能对客户的采纳度进行采集，无法得到推荐满意度，因此我们提出了一种基于人工智能的智能推荐方法，用来解决上述问题。
技术实现思路
1、本发明的目的是为了解决现有技术中存在智能推荐方法不能对客户的采纳度进行采集，无法得到推荐满意度的缺点，而提出的一种基于人工智能的智能推荐方法。
2、为了实现上述目的，本发明采用了如下技术方案：
3、一种基于人工智能的智能推荐方法，包括以下步骤：
4、s1、对数据进行采集，识别，处理，存储，并进行关键词提取；
5、s2、对提取的关键词进行分类，并计算出各关键词占有比例；
6、s3、根据占有比例从高至低对关键词进行排序；
7、s4、根据关键词匹配推荐数据，对推荐数据进行进行查重处理，查重通过后，对数据进行推荐；
8、s5、数据推荐后，采集反馈数据，了解数据采纳度；
9、s6、根据采纳度，优化推荐方案，完成智能推荐。
10、优选的，所述s1中，在进行数据采集时，对采集的数据进行初步处理，剔除无用重复数据，并对采集的数据进行整理。
11、优选的，所述s1中在，在对数据进行存储时，将预存储的数据与存储器中已经存储的数据进行匹配，匹配不成功，则说明数据未重复，即可进行存储。
12、优选的，所述s1中，在进行关键词提取时，对关键词的类型进行判断，并对判断的关键词进行类型标记。
13、优选的，所述s2中，对提取的关键词进行分类，并对提取的关键词总量及各类关键词的量进行计算，将单类关键词的量除以关键词总量，即可得到该类关键词的占有比例。
14、优选的，所述s4中，根据关键词匹配推荐数据，对推荐数据进行进行查重处理，查重时，将匹配的推荐数据与历史推荐数据进行比对，比对没有重复时，进行数据推荐。
15、优选的，所述s5中，数据推荐后，受推荐人员进行满意度评判，评判等级分为：差、一般、优、极度满意。
16、优选的，所述s6中，根据采纳度，优化推荐方案，当采纳度一直处于优以上，则无需进行优化，当采纳度低于优，则进行优化。
17、与现有技术相比，本发明的有益效果在于：
18、本方案对数据进行采集，识别，处理，存储，并进行关键词提取，对提取的关键词进行分类，并计算出各关键词占有比例，根据占有比例从高至低对关键词进行排序；
19、本方案根据关键词匹配推荐数据，对推荐数据进行进行查重处理，查重通过后，对数据进行推荐，数据推荐后，采集反馈数据，了解数据采纳度，根据采纳度，优化推荐方案；
20、本发明可以在推荐后采集反馈数据，了解数据满意度，根据采纳度，优化推荐方案。
1.一种基于人工智能的智能推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的智能推荐方法，其特征在于，所述s1中，在进行数据采集时，对采集的数据进行初步处理，剔除无用重复数据，并对采集的数据进行整理。
3.根据权利要求1所述的一种基于人工智能的智能推荐方法，其特征在于，所述s1中在，在对数据进行存储时，将预存储的数据与存储器中已经存储的数据进行匹配，匹配不成功，则说明数据未重复，即可进行存储。
4.根据权利要求1所述的一种基于人工智能的智能推荐方法，其特征在于，所述s1中，在进行关键词提取时，对关键词的类型进行判断，并对判断的关键词进行类型标记。
5.根据权利要求1所述的一种基于人工智能的智能推荐方法，其特征在于，所述s2中，对提取的关键词进行分类，并对提取的关键词总量及各类关键词的量进行计算，将单类关键词的量除以关键词总量，即可得到该类关键词的占有比例。
6.根据权利要求1所述的一种基于人工智能的智能推荐方法，其特征在于，所述s4中，根据关键词匹配推荐数据，对推荐数据进行进行查重处理，查重时，将匹配的推荐数据与历史推荐数据进行比对，比对没有重复时，进行数据推荐。
7.根据权利要求1所述的一种基于人工智能的智能推荐方法，其特征在于，所述s5中，数据推荐后，受推荐人员进行满意度评判，评判等级分为：差、一般、优、极度满意。
8.根据权利要求1所述的一种基于人工智能的智能推荐方法，其特征在于，所述s6中，根据采纳度，优化推荐方案，当采纳度一直处于优以上，则无需进行优化，当采纳度低于优，则进行优化。