[发明专利]内容数据推荐方法、装置、计算机设备及存储介质

说明书

本发明涉及数据处理领域，本发明公开了一种内容数据推荐方法、装置、计算机设备及存储介质，所述方法包括：对获取的用户数据进行预处理，得到待推荐数据；将与用户对应的消费属性数据、社会属性数据和访问属性数据输入内容偏好模型，同时将流量服务属性数据输入场景推荐模型；通过一阶人群聚类模型进行人群特征提取，得到一阶人群分类结果，同时通过场景推荐模型进行场景适配，得到主题场景；通过二阶指标细分模型对一阶人群分类结果和访问属性数据进行指标分析，确定出人群偏好标签；根据人群偏好标签和主题场景，确定内容推荐标签；获取内容数据并推荐给用户。本发明实现了对用户数据进行人群特征提取、指标分析和场景适配，向用户精准推荐。

技术领域

本发明涉及大数据的数据处理领域，尤其涉及一种内容数据推荐方法、装置、计算机设备及存储介质。

背景技术

随着移动互联网快速发展，人们越来越普及通过移动终端中的APP从移动互联网上获取自己想要的内容信息，但是随着互联网的迅速发展，信息量也在大幅增长，这会导致用户在面对大量信息时无法很快从APP中获得自己真正需要的信息，从而降低了APP的使用率。解决这一问题较好的办法就是引入推荐方法，它可以在大量的信息中为用户推荐用户真正感兴趣的内容，以便用户从推荐的内容中获取到自己真正偏好的内容信息。

发明内容

本发明提供一种内容数据推荐方法、装置、计算机设备及存储介质，实现了对用户数据进行人群特征提取、指标分析和场景适配，确定用户的内容推荐标签，自动匹配出内容数据，并向用户进行推荐，能够准确地推荐内容数据给用户，提升了用户的体验满意度，并提升了内容数据推荐的有效性。

一种内容数据推荐方法，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。

一种内容数据推荐装置，包括：

获取模块，用于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；

输入模块，用于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；

识别模块，用于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；

分析模块，用于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；