[发明专利]内容数据推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种内容数据推荐方法，其特征在于，包括：

获取用户的用户数据，对所述用户数据进行预处理，得到待推荐数据；所述待推荐数据包括消费属性数据、社会属性数据、访问属性数据和流量服务属性数据；

将与用户对应的所述消费属性数据、所述社会属性数据和所述访问属性数据输入内容偏好模型，同时将所述流量服务属性数据输入场景推荐模型；所述内容偏好模型为基于两步聚类法和决策树的多阶模型；所述内容偏好模型包括一阶人群聚类模型和二阶指标细分模型；

通过所述一阶人群聚类模型对所述消费属性数据和所述社会属性数据进行人群特征提取，得到与所述用户对应的一阶人群分类结果，同时通过所述场景推荐模型对所述流量服务属性数据进行场景适配，得到与所述用户对应的主题场景；

通过所述二阶指标细分模型对所述一阶人群分类结果和所述访问属性数据进行指标分析，确定出与所述用户对应的人群偏好标签；

根据与所述用户对应的所述人群偏好标签和所述主题场景，确定与所述用户对应的内容推荐标签；

从内容数据库中获取与所述内容推荐标签匹配的内容数据，并将获取的所述内容数据推荐给所述用户；

所述通过所述一阶人群聚类模型对所述消费属性数据和所述社会属性数据进行人群特征提取之前，包括：

获取样本数据集；

根据一阶属性，对所述样本数据集进行筛选，筛选出一阶属性数据集；

将所述一阶属性数据集输入两步聚类模型中，通过所述两步聚类模型对所述一阶属性数据进行人群特征探索，得到一阶人群聚类结果；

通过决策树算法，对所述一阶人群聚类结果和所述一阶有效数据集进行分析及路径还原，提炼出与所述一阶人群聚类结果对应的至少一个分类变量；

根据所有所述分类变量、所述一阶人群聚类结果和所述一阶有效数据集进行模型重构，构建出一阶人群聚类模型，以及确定出与所述一阶人群聚类模型对应的一阶人群种类，并给所述一阶有效数据集中的各一阶有效数据标记与其对应的人群类型，得到一阶数据集；所述一阶人群种类包括至少一个所述人群类型；

所述通过所述二阶指标细分模型对所述一阶人群分类结果和所述访问属性数据进行指标分析之前，包括：

根据所述一阶数据集和所述样本数据集中的访问属性样本数据，合并生成二阶属性数据集；

通过偏好行为模型对所述二阶属性数据集进行指标特征提取，得到至少一个综合指标变量；

根据所述一阶人群分类结果和所有所述综合指标变量，对所述二阶属性数据集进行分段分析，并构建出二阶指标细分模型。

2.如权利要求1所述的内容数据推荐方法，其特征在于，所述通过所述两步聚类模型对所述一阶属性数据进行人群特征探索，得到一阶人群聚类结果，包括：

通过所述两步聚类模型对所述一阶属性数据集进行标准化处理，得到一阶待处理属性数据；所述两步聚类模型包括密度聚类模型和K-means聚类模型；

运用DBSCAN算法，通过所述密度聚类模型对所述一阶待处理属性数据进行人群密度聚类，得到过渡聚类数据结果；

运用K-means算法，通过所述K-means聚类模型对所述过渡聚类数据结果进行人群特征聚类，得到所述一阶人群聚类结果。

3.如权利要求1所述的内容数据推荐方法，其特征在于，所述通过决策树算法，对所述一阶人群聚类结果和所述一阶有效数据集进行分析及路径还原，提炼出与所述一阶人群聚类结果对应的至少一个分类变量，包括：

将与相同样本用户对应的一阶人群类型和一阶有效数据进行关联，将关联后的所述一阶有效数据集确定为决策数据集；所述一阶人群聚类结果包括与所述一阶有效数据集中的所述样本用户对应的所述一阶人群类型；所述一阶有效数据集包括与所述样本用户一一对应的所述一阶有效数据；

将所述决策数据集输入含有初始变量参数的决策反推模型中；

运用决策树算法，通过所述决策反推模型对所述决策数据集进行分析，更新所述初始变量参数；

根据更新后的所述初始变量参数进行路径还原，提炼出与所述一阶人群聚类结果对应的所述分类变量。