一种AI智能推荐算法的制作方法

本发明涉及一种推荐算法，具体为ai智能推荐算法，大数据和ai算法。

背景技术：

1、在海量新闻资讯内容中，用户容易受到“信息过载”和“信息迷航”问题的困扰；不同的推荐算法都有其优缺点，基于混合算法的智能推荐引擎系统可以通过多种算法模型，综合相似度排序，将最优的用户感兴趣的内容资讯推荐给用户，并过滤用户不感兴趣的内容。用户行为习惯模型融合多种内容过滤方法和协同过滤方法的优点，通过大数据复合算法实现内容和用户偏好匹配优化，用户在观看节目或新闻时可以获得相应的个性化资讯内容推荐。在有大量数据的前提下，混合模型的推荐结果更好。目前，本技术领域亟需解决如何实现内容和用户偏好更好的匹配优化，将最优的用户感兴趣的内容资讯推荐给用户，并过滤用户不感兴趣内容的技术问题。

2、然而目前主流的推荐系统在面对新用户时，由于没有历史数据作为推荐依据而带来的“冷启动”问题也让用户体验比较差，而且用户的阅读兴趣或学习偏好的数据也是随时间而不断变化，如何比较好的解决推荐系统的冷启动问题并且随时根据用户的偏好变化而调整推荐结果也是一个研究和应用的热点话题。

3、随着互联网的进一步普及，基于大数据处理分析得到的数据在教育领域也得到了一定的延伸，给予ai(人工智能)的“智慧教育”也同样成为了教育信息化发展的最新愿景。在大数据时代，数据即是财富，如何充分挖掘学习者的行为记录并向用户进行推荐成为关键，建立推荐系统，通过分析历史数据来对学习者可能感兴趣或者需求的方面进行预测，主动提供适合用户的信息，帮助用户在海量的学习资料中快速定位自己的需求，为此，提出一种ai智能推荐算法。

技术实现思路

1、有鉴于此，本发明希望提供一种ai智能推荐算法，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择。

2、本发明实施例的技术方案是这样实现的：一种ai智能推荐算法，包括以下步骤：

3、s1、基于用户操作行为，建立用户的推荐内容列表；

4、s2、推荐内容列表展示预先构建的兴趣词，所述兴趣词是指各分类下的搜索频率最高的检索词；

5、s3、在所述推荐算法的搜索日志中查找各分类下的搜索频率最高的检索词，形成检索词集合；

6、s4、利用一个用户过去喜欢或不喜欢的内容的特征数据，来学习出此用户的喜好特征；通过比较得到的用户的喜好特征与候选内容的特征；

7、s5、在各网络云服务器中根据关键词筛选出相关性数据；并采用k-means聚类算法或者基于层次的聚类分析算法，对筛选出的相关性数据进行检索分类；

8、s6、按照检索分类对所述各个用户的所述检索词进行降序排列，为此用户智能推荐一组相关性最大的内容。

9、进一步优选的：所述步骤s1中，操作行为获取所述兴趣词对应的相关数据信息，根据对所述相关数据信息的操作行为更新推荐模型，并通过更新后的所述推荐模型提供推荐数据。

10、进一步优选的：所述步骤s2中，根据对所述兴趣词的操作行为获取所述兴趣词对应的相关数据信息。

11、进一步优选的：所述步骤s3中，将筛选后的所述检索词作为兴趣词存储在所述用户的兴趣词数据中。

12、进一步优选的：所述步骤s4中，还包括对于视频内容，通过向量空间模型表示，将内容表示成一个关键词向量，关键字包括标签、导演、演员、类型、时长；

13、对于文本内容，通过自然语言技术抽取关键词；首先对文本进行分词，将字流变成词流，然后从词流中检测出命名实体，这些实体和其他重要的词组成关键词集合，最后对关键词进行排名，计算每个关键词的权重，从而生成关键词向量。

14、进一步优选的：所述步骤s5中，采用k-means聚类算法或者基于层次的聚类分析算法，对筛选出的教育数据进行分类。

15、进一步优选的：所述算法还包括对内容d，内容特征表示成一个关键词向量如下：

16、d＝{(e1,w1),(ej,wi),...,l}其中，ej就是关键词，wi是关键词对应的权重；l表示对应于内容d的类型，l＝1表示文本，l＝0表示视频。

17、进一步优选的：所述如果内容是文本，用下式计算每个关键词的权重，如果内容是视频，根据关键词在剧中的重要程度赋予他们权重。

18、进一步优选的：在步骤s6中，为了进行降序排列，需要对时间t和浏览量r进行标准化处理，将值规范到一个范围内，此处采用对数函数log进行处理，时间权重值tw，浏览量权重lw，内容排序权重cw，则：

19、tw＝log(t)/log(2)

20、lw＝log(r)/log(4)

21、cw＝tw+lw。

22、本发明实施例由于采用以上技术方案，其具有以下优点：

23、一、本发明通过在推荐系统的推荐页面上直接展示预先构建的兴趣词，进而使得用于不依赖于主动使用探索功能获取推荐内容；

24、二、本发明通过运用tf-idf、相似度算法，构建起推荐系统的核心流程，算法设计符合逻辑，可推导性强。推荐方法基于用户自身的浏览记录进行推荐，在用户量较少的内容系统中具有较好的推荐表现。创新的利用对数函数对时间和浏览量进行标准化处理，利用时间维度，在新闻等及时性要求较高的内容推荐系统中，提高推荐内容的有效性；

25、三、本发明通过利用一个用户过去喜欢或不喜欢的内容的特征数据，来学习出此用户的喜好特征；通过比较得到的用户的喜好特征与候选内容的特征，具有高度的资源收集的准确性。

26、上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

技术特征：

1.一种ai智能推荐算法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种ai智能推荐算法，其特征在于：所述步骤s1中，操作行为获取所述兴趣词对应的相关数据信息，根据对所述相关数据信息的操作行为更新推荐模型，并通过更新后的所述推荐模型提供推荐数据。

3.根据权利要求1所述的一种ai智能推荐算法，其特征在于：所述步骤s2中，根据对所述兴趣词的操作行为获取所述兴趣词对应的相关数据信息。

4.根据权利要求1所述的一种ai智能推荐算法，其特征在于：所述步骤s3中，将筛选后的所述检索词作为兴趣词存储在所述用户的兴趣词数据中。

5.根据权利要求1所述的一种ai智能推荐算法，其特征在于：所述步骤s4中，还包括对于视频内容，通过向量空间模型表示，将内容表示成一个关键词向量，关键字包括标签、导演、演员、类型、时长；

6.根据权利要求1所述的一种ai智能推荐算法，其特征在于：所述步骤s5中，采用k-means聚类算法或者基于层次的聚类分析算法，对筛选出的教育数据进行分类。

7.根据权利要求1所述的一种ai智能推荐算法，其特征在于：所述算法还包括对内容d，内容特征表示成一个关键词向量如下：

8.根据权利要求7所述的一种ai智能推荐算法，其特征在于：所述如果内容是文本，用下式计算每个关键词的权重，如果内容是视频，根据关键词在剧中的重要程度赋予他们权重。

9.根据权利要求1所述的一种ai智能推荐算法，其特征在于：在步骤s6中，为了进行降序排列，需要对时间t和浏览量r进行标准化处理，将值规范到一个范围内，此处采用对数函数log进行处理，时间权重值tw，浏览量权重lw，内容排序权重cw，则：

技术总结
本发明提供了一种AI智能推荐算法，包括以下步骤：S1、基于用户操作行为，建立用户的推荐内容列表；S2、推荐内容列表展示预先构建的兴趣词，所述兴趣词是指各分类下的搜索频率最高的检索词；S3、在所述推荐算法的搜索日志中查找各分类下的搜索频率最高的检索词，形成检索词集合；通过运用tf‑idf、相似度算法，构建起推荐系统的核心流程，算法设计符合逻辑，可推导性强。推荐方法基于用户自身的浏览记录进行推荐，在用户量较少的内容系统中具有较好的推荐表现。创新的利用对数函数对时间和浏览量进行标准化处理，利用时间维度，在新闻等及时性要求较高的内容推荐系统中，提高推荐内容的有效性。

技术研发人员：齐威然
受保护的技术使用者：江苏万家美居网络科技有限公司
技术研发日：
技术公布日：2024/1/12