CN107222562A - 一种基于互联网用户特征的用户智能推荐*** - Google Patents

Abstract

本发明公开了一种基于互联网用户特征的用户智能推荐***，包括用户信息收集提取阶段、用户数据分析阶段和用户筛选推荐阶段；所述用户信息收集提取阶段将收集用户特征信息和收集用户偏好信息传送至用户数据分析阶段，用户数据分析阶段根据用户特征权重高低，将分析结果传送至用户筛选推荐阶段，用户筛选推荐阶段筛选出符合条件的用户推荐给A用户；通过采用互联网技术手段，根据用户的特征以及偏好等信息，能够实时准确向用户推荐符合其心意的对象，帮助用户更快速找到自己合适的对象，促进用户与用户之间、用户与平台之间的耦合度，从而增强用户与产品之间的粘性，达到一种良性循环。

Description

一种基于互联网用户特征的用户智能推荐***

技术领域

本发明涉及互联网技术领域，具体为一种基于互联网用户特征的用户智能推荐***。

背景技术

近年来，互联网的社交平台已经发展的非常壮大，如何让用户快速找到符合自己心仪的对象，是重点要解决的问题。尤其对于婚恋交友类服务，如何根据用户特征以及个人偏好信息向用户“智能推荐”好友，变得尤为重要。

目前现有的推荐方式是实时的，因此需要实时分析用户特征以及大量目标用户数据，从而筛选出用户偏好的对象，而这个过程比较耗时，在后续过程中需要持续优化。

发明内容

本发明的目的在于提供一种基于互联网用户特征的用户智能推荐***，能够根据用户的特征以及偏好等信息，给用户推荐合适的对象，从而增强用户与产品之间的粘性，达到一种良性循环，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于互联网用户特征的用户智能推荐***，包括用户信息收集提取阶段、用户数据分析阶段和用户筛选推荐阶段；所述用户信息收集提取阶段包括收集用户特征信息和收集用户偏好信息；所述用户信息收集提取阶段将收集用户特征信息和收集用户偏好信息传送至用户数据分析阶段；所述用户数据分析阶段包括分析用户信息，根据用户特征权重高低，计算每个用户相对于A用户的权重值，并将分析结果传送至用户筛选推荐阶段；所述用户筛选推荐阶段根据计算的权重值倒叙排列，筛选出符合条件的用户推荐给A用户。

优选的，所述用户信息收集提取阶段、用户数据分析阶段和用户筛选推荐阶段均在后台服务器和客户端之间往返进行。

优选的，所述收集用户特征信息包括用户的性别、年龄、外貌、身高、城市、家庭背景。

优选的，所述收集用户偏好信息包括用户年龄范围、所在行业、业余爱好。

优选的，所述用户信息收集提取阶段和用户数据分析阶段每周更新一次。

优选的，所述推荐***内置的缓存容量根据用户信息分析以及权重实时计算量的大小，进行定期扩展。

优选的，所述推荐***内置消息机制，在用户信息变动时，通过消息机制异步更新推荐缓存。

优选的，推荐***的工作流程如下：

S1：用户填写个人基本信息、工作生活信息、择偶条件信息；

S2：用户A向服务器发送推荐请求；

S3：服务器根据用户A的特征、择偶信息，计算A用户与其他用户对应的权重值；

S4：服务器按照权重值降序排列，再对排序后的数据做进一步筛选；

S5：将推荐结果放入缓存中，并使用合理的缓存策略更新缓存；

S6：服务器将最终结果返回给客户端，展示给用户，按照匹配度由高到低排序，完成一次推荐服务。

与现有技术相比，本发明的有益效果是：本基于互联网用户特征的用户智能推荐***，采用互联网技术手段，根据用户的特征以及偏好等信息，能够实时准确向用户推荐符合其心意的对象，帮助用户更快速找到自己合适的对象，促进用户与用户之间、用户与平台之间的耦合度，从而增强用户与产品之间的粘性，达到一种良性循环。

附图说明

图1为本发明的整体流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例中：一种基于互联网用户特征的用户智能推荐***，包括用户信息收集提取阶段、用户数据分析阶段和用户筛选推荐阶段，用户信息收集提取阶段、用户数据分析阶段和用户筛选推荐阶段均在后台服务器和客户端之间往返进行，促进用户与用户之间、用户与平台之间的耦合度，帮助用户找到对象；用户信息收集提取阶段包括收集用户特征信息和收集用户偏好信息，收集用户特征信息包括用户的性别、年龄、外貌、身高、城市、家庭背景等，收集用户偏好信息包括用户年龄范围、所在行业、业余爱好等；随后，用户信息收集提取阶段将收集用户特征信息和收集用户偏好信息传送至用户数据分析阶段，用户信息收集提取阶段和用户数据分析阶段每周更新一次，确保用户信息的实时性；用户数据分析阶段包括分析用户信息，根据用户特征权重高低，计算每个用户相对于A用户的权重值，由于用户信息分析以及权重实时计算等操作比较费时，因此需要适当使用缓存，而因信息变动会对缓存中的推荐用户的准确性有些影响，因此，推荐***内置的缓存容量根据用户信息分析以及权重实时计算量的大小，进行定期扩展；随后，用户数据分析阶段再将分析结果传送至用户筛选推荐阶段，用户筛选推荐阶段根据计算的权重值倒叙排列，筛选出符合条件的用户推荐给A用户，推荐***内置消息机制，在用户信息变动时，通过消息机制异步更新推荐缓存，保证信息准确度。

具体实施例一：

请参阅图1，一种基于互联网用户特征的用户智能推荐***，其工作流程如下：

第一步：用户填写个人基本信息、工作生活信息、择偶条件等信息以便于向其精确推荐对象；

第二步：用户A向服务器发送推荐请求；

第三步：服务器根据A的特征、择偶等信息，计算A用户与其他用户对应的权重值，权重值越高，越符合用户A的要求；

第四步：服务器按照权重值降序排列，再对排序后的数据做进一步筛选；

第五步：将推荐结果放入缓存中，并使用合理的缓存策略更新缓存，保证推荐数据的准确性；

第六步：服务器将结果返回给客户端，展示给用户，按照匹配度由高到低排序，至此，一次推荐服务完成。

综上所述：本基于互联网用户特征的用户智能推荐***，采用互联网技术手段，根据用户的特征以及偏好等信息，能够实时准确向用户推荐符合其心意的对象，帮助用户更快速找到自己合适的对象，促进用户与用户之间、用户与平台之间的耦合度，从而增强用户与产品之间的粘性，达到一种良性循环。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于互联网用户特征的用户智能推荐***，其特征在于，包括用户信息收集提取阶段、用户数据分析阶段和用户筛选推荐阶段；所述用户信息收集提取阶段包括收集用户特征信息和收集用户偏好信息；所述用户信息收集提取阶段将收集用户特征信息和收集用户偏好信息传送至用户数据分析阶段；所述用户数据分析阶段包括分析用户信息，根据用户特征权重高低，计算每个用户相对于A用户的权重值，并将分析结果传送至用户筛选推荐阶段；所述用户筛选推荐阶段根据计算的权重值倒叙排列，筛选出符合条件的用户推荐给A用户。

2.根据权利要求1所述的一种基于互联网用户特征的用户智能推荐***，其特征在于，所述用户信息收集提取阶段、用户数据分析阶段和用户筛选推荐阶段均在后台服务器和客户端之间往返进行。

3.根据权利要求1所述的一种基于互联网用户特征的用户智能推荐***，其特征在于，所述收集用户特征信息包括用户的性别、年龄、外貌、身高、城市、家庭背景。

4.根据权利要求1所述的一种基于互联网用户特征的用户智能推荐***，其特征在于，所述收集用户偏好信息包括用户年龄范围、所在行业、业余爱好。

5.根据权利要求1所述的一种基于互联网用户特征的用户智能推荐***，其特征在于，所述用户信息收集提取阶段和用户数据分析阶段每周更新一次。

6.根据权利要求1所述的一种基于互联网用户特征的用户智能推荐***，其特征在于，所述推荐***内置的缓存容量根据用户信息分析以及权重实时计算量的大小，进行定期扩展。

7.根据权利要求1所述的一种基于互联网用户特征的用户智能推荐***，其特征在于，所述推荐***内置消息机制，在用户信息变动时，通过消息机制异步更新推荐缓存。

8.根据权利要求1-7所述的任意一种基于互联网用户特征的用户智能推荐***，其特征在于，推荐***的工作流程如下：

S1：用户填写个人基本信息、工作生活信息、择偶条件信息；

S2：用户A向服务器发送推荐请求；

S3：服务器根据用户A的特征、择偶信息，计算A用户与其他用户对应的权重值；

S4：服务器按照权重值降序排列，再对排序后的数据做进一步筛选；

S5：将推荐结果放入缓存中，并使用合理的缓存策略更新缓存；

S6：服务器将最终结果返回给客户端，展示给用户，按照匹配度由高到低排序，完成一次推荐服务。