【技術實現步驟摘要】
本專利技術涉及數據處理，尤其涉及一種融合大數據與ai的智能推薦系統。
技術介紹
1、傳統的營銷推薦方式往往基于經驗判斷、簡單的市場細分或通用的營銷策略，缺乏對每個消費者個體特征和實時需求的深入了解。通過將大數據與ai技術相結合，企業可以構建智能推薦系統，實現對消費者的個性化推薦。
2、中國專利申請號為cn118350891a的專利文獻公開了一種營銷活動推薦方法及裝置，該方法包括：響應于目標用戶進入目標頁面的操作，獲取所述目標用戶的用戶畫像、用戶行為信息和營銷活動信息；將所述目標用戶的用戶畫像、用戶行為信息和營銷活動信息輸入至訓練好的預測模型中，得到所述目標用戶針對各營銷活動的達標概率，所述達標概率為目標用戶達到營銷活動預設目標的概率；向所述目標用戶推薦達標概率滿足預設條件的營銷活動。
3、現有技術中僅以目標用戶針對各營銷活動的達標概率作為推薦依據，且達標概率定義為達到營銷活動預設目標的概率，這種推薦標準相對單一，造成個性化推薦結果不準確的問題。
技術實現思路
1、為此，本專利技術提供一種融合大數據與ai的智能推薦系統，可以解決用戶個性化營銷方案推薦不準確的問題。
2、為實現上述目的，本專利技術提供一種融合大數據與ai的智能推薦系統，該系統包括：
3、方案獲取模塊，用以獲取任一目標產品的若干目標營銷方案；
4、方案分析模塊，與所述方案獲取模塊連接，用以分析若干所述目標營銷方案，獲得若干關鍵詞和若干數據指標，基于若干關鍵詞和若
5、數據獲取模塊，用以基于預設周期采集用戶若干歷史行為數據；
6、數據分析模塊，與所述數據獲取模塊連接，用以分析若干所述歷史行為數據，基于若干購買記錄的分析結果獲得用戶價格敏感度，以及，基于若干評價記錄確定用戶購買傾向程度，基于用戶價格敏感度和用戶購買傾向程度確定用戶特征；
7、關聯確定模塊，與所述方案分析模塊和所述數據分析模塊連接，用以基于初始關聯ai模型分析所述用戶特征與若干所述營銷特征間關聯性，基于關聯性分析結果確定若干目標營銷方案的預測優先級；
8、推薦模塊，與所述關聯確定模塊連接，用以確定營銷方案頁面展示內容，基于預測優先級和頁面展示內容構建用戶推薦頁面，并采集用戶瀏覽推薦頁面時的實時行為數據，基于用戶實時行為數據確定若干目標營銷方案的目標優先級；
9、反饋模塊，與所述推薦模塊連接，用以比較所述預測優先級和所述目標優先級的比較結果調整所述初始關聯ai模型，獲得目標關聯ai模型。
10、進一步地，所述方案分析模塊包括：
11、關鍵詞確定單元，用以將任一所述目標營銷方案進行分詞處理，獲得若干實際分詞，基于若干實際分詞的詞頻統計結果和若干實際分詞與預設營銷詞匯表的匹配結果確定若干關鍵詞；
12、數據指標確定單元，用以提取任一所述目標營銷方案中若干實際數據，判斷若干實際數據對應的數據類型，根據數據類型確定其對應的數據指標，獲得若干數據指標；
13、營銷特征確定單元，與所述關鍵詞確定單元和所述數據指標確定單元連接，用以基于若干所述關鍵詞和若干所述數據指標確定所述營銷特征。
14、進一步地，所述數據指標確定單元包括：
15、類型確定子單元，用以基于任一所述實際數據對應的數據格式和與其連接的連接詞語確定所述數據類型；
16、指標確定子單元，與所述類型確定子單元連接，用以基于所述數據類型與預設指標計算庫中的預設數據類型進行比較，基于比較結果進行計算，獲得數據指標。
17、進一步地，所述數據獲取模塊包括：
18、記錄單元，用以記錄用戶在產品平臺上對應的若干歷史數據；
19、確定單元，與所述記錄單元連接，用以提取預設周期內若干歷史數據中若干購買記錄及若干評價記錄。
20、進一步地，所述數據分析模塊包括：
21、敏感分析單元，用以基于若干所述購買記錄確定用戶購買所述目標產品的購買數量及其對應的購買金額，基于購買數量及其對應的購買金額確定用戶價格敏感度；
22、傾向分析單元，用以基于若干所述評價記錄確定用戶對所述目標產品的若干實際滿意度，基于若干實際滿意度繪制滿意度變化圖，分析滿意度變化圖，以根據分析結果確定用戶購買傾向程度；
23、用戶特征確定單元，與所述敏感分析單元和所述傾向分析單元連接，用以根據所述用戶價格敏感度和所述用戶購買傾向程度確定所述用戶特征。
24、進一步地，所述傾向分析單元包括：
25、評分獲取子單元，用以獲取用戶若干歷史購買評分，基于若干歷史購買評分確定初始滿意度；
26、詞匯分析子單元，與所述評分獲取子單元連接，用以獲取任一所述歷史購買評分對應的評價內容，基于情感分析模型對評價內容進行分析，根據分析結果識別確定評價內容中積極詞匯和消極詞匯，分別計算積極詞匯和消極詞匯在評價內容中的占比，獲得積極占比和消極占比，比較積極占比與消極占比，基于比較結果計算校正系數；
27、校準子單元，與所述詞匯分析子單元連接，用以基于所述校正系數對所述初始滿意度進行校準，獲得實際滿意度；
28、曲線繪制子單元，與所述校準子單元連接，用以基于若干所述實際滿意度繪制所述滿意度變化圖；
29、傾向分析子單元，與所述曲線繪制子單元連接，用以分析所述滿意度變化圖對應的曲線變化趨勢，根據趨勢變化分析結果確定用戶購買傾向程度。
30、進一步地，所述傾向分析子單元包括：
31、傾向分析區塊，用以識別所述曲線變化趨勢，以根據趨勢變化分析結果確定用戶購買傾向；
32、程度分析區塊，與所述傾向分析區塊連接，用以計算所述滿意度變化圖中曲線斜率，以根據斜率計算結果確定傾向程度。
33、進一步地，所述關聯確定模塊包括：
34、模型構建單元，用以基于若干歷史營銷特征信息及其對應的若干歷史用戶特征信息構建初始關聯ai模型；
35、關聯性確定單元，與所述模型構建單元連接，用以基于所述初始關聯ai模型分別確定所述用戶特征與若干所述營銷特征間的關聯度；
36、優先級確定單元，與所述關聯性確定單元連接，用以基于若干所述關聯度的排序結果確定所述預測優先級。
37、進一步地，所述推薦模塊包括：
38、內容確定單元，用以將若干所述目標營銷方案對應的若干所述營銷特征作為一級展示內容，將目標營銷方案全部內容作為二級展示內容；
39、頁面構建單元，與所述內容確定單元連接，用以確定用戶推薦頁面的頁面面積，基于所述預測優先級確定若干所述目標營銷方案的若干目標區域面積及排列順序，基于排列順序和若干目標區域面積將若干所述一級展示內容展示在用戶推薦頁面；
40、實時調整單元，與所述頁面構建單元連接，用以基于用戶一級展示內容的實時點擊次數及對應的二級展示內容的實時瀏覽時本文檔來自技高網...
【技術保護點】
1.一種融合大數據與AI的智能推薦系統，其特征在于，包括：
2.根據權利要求1所述的融合大數據與AI的智能推薦系統，其特征在于，所述方案分析模塊包括：
3.根據權利要求2所述的融合大數據與AI的智能推薦系統，其特征在于，所述數據指標確定單元包括：
4.根據權利要求3所述的融合大數據與AI的智能推薦系統，其特征在于，所述數據獲取模塊包括：
5.根據權利要求4所述的融合大數據與AI的智能推薦系統，其特征在于，所述數據分析模塊包括：
6.根據權利要求5所述的融合大數據與AI的智能推薦系統，其特征在于，所述傾向分析單元包括：
7.根據權利要求6所述的融合大數據與AI的智能推薦系統，其特征在于，所述傾向分析子單元包括：
8.根據權利要求7所述的融合大數據與AI的智能推薦系統，其特征在于，所述關聯確定模塊包括：
9.根據權利要求8所述的融合大數據與AI的智能推薦系統，其特征在于，所述推薦模塊包括：
10.根據權利要求9所述的融合大數據與AI的智能推薦系統，其特征在于，所述反饋模塊包括：
...【技術特征摘要】
1.一種融合大數據與ai的智能推薦系統，其特征在于，包括：
2.根據權利要求1所述的融合大數據與ai的智能推薦系統，其特征在于，所述方案分析模塊包括：
3.根據權利要求2所述的融合大數據與ai的智能推薦系統，其特征在于，所述數據指標確定單元包括：
4.根據權利要求3所述的融合大數據與ai的智能推薦系統，其特征在于，所述數據獲取模塊包括：
5.根據權利要求4所述的融合大數據與ai的智能推薦系統，其特征在于，所述數據分析模塊包括：
6.根...
【專利技術屬性】
技術研發人員：劉允鋒，劉芳，劉云，
申請(專利權)人：北京飛天經緯科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。