一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種智能推薦方法及系統(tǒng)，屬于信息處理領(lǐng)域，具體涉及一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法及系統(tǒng)。本發(fā)明通過從互聯(lián)網(wǎng)搜集與第三方數(shù)據(jù)收集獲取數(shù)據(jù)來建立工業(yè)設(shè)計(jì)行業(yè)相關(guān)信息元數(shù)據(jù)庫(kù)及獲取用戶數(shù)據(jù)，然后在工業(yè)設(shè)計(jì)行業(yè)相關(guān)信息元數(shù)據(jù)庫(kù)和用戶數(shù)據(jù)庫(kù)的基礎(chǔ)上根據(jù)用戶的社交圖和興趣圖推薦出與用戶興趣、身份、個(gè)性化需求相匹配的工業(yè)設(shè)計(jì)行業(yè)相關(guān)信息列表，最后在應(yīng)用程序界面上顯示推薦的信息以供用戶選擇，實(shí)現(xiàn)了工業(yè)設(shè)計(jì)行業(yè)信息的智能推薦，極大地提高了用戶對(duì)于工業(yè)設(shè)計(jì)行業(yè)專業(yè)信息獲取的精準(zhǔn)度。
【專利說明】
一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及一種智能推薦方法及系統(tǒng)，屬于信息處理領(lǐng)域，具體涉及一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法及系統(tǒng)。
【背景技術(shù)】
[0002]對(duì)于普通的互聯(lián)網(wǎng)用戶來說，要付出更多的精力來通過搜索引擎篩選出對(duì)自己有效的信息和自己感興趣的內(nèi)容。對(duì)于一些專業(yè)領(lǐng)域的人士，想要通過搜索引擎獲得一些純粹的行業(yè)內(nèi)的有效信息，目前來看，還有一定的困難。
[0003]推薦技術(shù)的出現(xiàn)，使得互聯(lián)網(wǎng)用戶獲取信息的方式從簡(jiǎn)單的目標(biāo)明確的信息搜索逐漸轉(zhuǎn)換到更高級(jí)的符合用戶習(xí)慣的信息發(fā)現(xiàn)。隨著推薦技術(shù)發(fā)展到智能推薦級(jí)別，推薦給用戶的內(nèi)容也由符合大眾行為的信息推薦過渡到了個(gè)性化信息推薦。
[0004]在互聯(lián)網(wǎng)發(fā)展到了海量信息與海量數(shù)據(jù)的時(shí)代背景下，對(duì)于一些專業(yè)領(lǐng)域的人士，行業(yè)內(nèi)信息的個(gè)性化推薦是必不可少的。具體到工業(yè)設(shè)計(jì)領(lǐng)域的個(gè)性化推薦，需要針對(duì)不同的用戶，根據(jù)他們的口味、喜好、身份、需求給出更加精確的推薦信息。這時(shí)，推薦系統(tǒng)需要了解需推薦內(nèi)容和用戶的特質(zhì)，或者基于社會(huì)化網(wǎng)絡(luò)，通過找到與當(dāng)前用戶相同喜好的用戶，實(shí)現(xiàn)推薦。

【發(fā)明內(nèi)容】

[0005]本發(fā)明主要是解決現(xiàn)有技術(shù)所存在的專業(yè)信息獲取精準(zhǔn)度低，并且難以針對(duì)工業(yè)設(shè)計(jì)領(lǐng)域的進(jìn)行個(gè)性化推薦等的技術(shù)問題，提供了一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法及系統(tǒng)。該方法及系統(tǒng)實(shí)現(xiàn)了工業(yè)設(shè)計(jì)行業(yè)信息的智能推薦，提高了專業(yè)人士獲取專業(yè)信息的精準(zhǔn)度。
[0006]本發(fā)明的上述技術(shù)問題主要是通過下述技術(shù)方案得以解決的:
[0007]—種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，包括以下步驟:
[0008]工業(yè)數(shù)據(jù)庫(kù)建立步驟，用于搜集與工業(yè)設(shè)計(jì)相關(guān)的行業(yè)信息，并將搜索集的信息存儲(chǔ)于工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中；
[0009]用戶數(shù)據(jù)庫(kù)建立步驟，用于獲取包括所屬行業(yè)及興趣特征在內(nèi)的用戶信息，并將所述用戶信息存儲(chǔ)于用戶數(shù)據(jù)庫(kù)中；
[0010]行業(yè)信息推薦步驟，用于從用戶數(shù)據(jù)庫(kù)獲取用戶的興趣特征，在所述工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中獲取與興趣特征相匹配的工業(yè)設(shè)計(jì)信息并推薦給用戶。
[0011]優(yōu)化的，上述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，所述工業(yè)數(shù)據(jù)庫(kù)建立步驟中:
[0012]從互聯(lián)網(wǎng)或第三方數(shù)據(jù)提供商獲取行業(yè)相關(guān)信息，并將獲取的行業(yè)相關(guān)信息存入臨時(shí)聚合數(shù)據(jù)庫(kù)中；
[0013]對(duì)臨時(shí)聚合數(shù)據(jù)庫(kù)中的行業(yè)相關(guān)信息進(jìn)行內(nèi)容元數(shù)據(jù)、標(biāo)簽數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)解析加工;對(duì)解析加工后的數(shù)據(jù)進(jìn)行規(guī)范化處理及審核以形成工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)。
[0014]優(yōu)化的，上述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，所述工業(yè)元數(shù)據(jù)庫(kù)建立步驟中:
[0015]通過爬蟲和數(shù)據(jù)挖掘技術(shù)從社交網(wǎng)絡(luò)、工業(yè)設(shè)計(jì)網(wǎng)站、專業(yè)論壇和搜索引擎網(wǎng)站獲取數(shù)據(jù)并分析得到互聯(lián)網(wǎng)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù);對(duì)所述工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)進(jìn)行過濾、匹配后得到深度匹配數(shù)據(jù);導(dǎo)入第三方深度合作數(shù)據(jù);對(duì)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)、深度匹配數(shù)據(jù)、第三方深度合作數(shù)據(jù)進(jìn)行匹配組合建立統(tǒng)一的聚合庫(kù)和標(biāo)簽庫(kù)，最終形成工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)。
[0016]優(yōu)化的，上述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，所述行業(yè)信息推薦步驟中選擇執(zhí)行以下子步驟:
[0017]興趣圖推薦子步驟:從用戶數(shù)據(jù)庫(kù)獲取用戶歷史信息，基于所述歷史信息分析并發(fā)掘用戶在當(dāng)前情景信息下的興趣特征，基于所述興趣特征來進(jìn)行信息內(nèi)容的推薦;其中，所述用戶歷史信息包括用戶行為喜好及評(píng)價(jià)、用戶所處歷史情景信息;所述情景信息包括:用戶所處的區(qū)域位置、查找時(shí)間段中的一種或多種；
[0018]社交圖推薦子步驟，從用戶數(shù)據(jù)庫(kù)獲取用戶好友信息；基于所述好友信息在工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中查找好友關(guān)聯(lián)內(nèi)容，將所述好友關(guān)聯(lián)內(nèi)容推薦給用戶;其中，所述好友關(guān)聯(lián)內(nèi)容包括:好友推薦內(nèi)容、好友已看內(nèi)容、好友評(píng)論或發(fā)表過觀點(diǎn)的內(nèi)容中的一種或多種。
[0019]優(yōu)化的，上述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，所述行業(yè)信息推薦步驟中選擇執(zhí)行以下子步驟:
[0020]內(nèi)容重組子步驟:用于根據(jù)不同排序和展現(xiàn)策略對(duì)獲取到的推薦內(nèi)容進(jìn)行重組或排序；
[0021 ]內(nèi)容關(guān)聯(lián)子步驟:用于根據(jù)預(yù)設(shè)策略對(duì)推薦內(nèi)容進(jìn)行自動(dòng)關(guān)聯(lián)；
[0022]分詞管理子步驟，用于對(duì)推薦內(nèi)容進(jìn)行分析處理，將推薦內(nèi)容的文本序列切分成單獨(dú)的詞條。
[0023]—種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，包括以下模塊:
[0024]工業(yè)數(shù)據(jù)庫(kù)建立模塊，用于搜集與工業(yè)設(shè)計(jì)相關(guān)的行業(yè)信息，并將搜索集的信息存儲(chǔ)于工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中；
[0025]用戶數(shù)據(jù)庫(kù)建立模塊，用于獲取包括所屬行業(yè)及興趣特征在內(nèi)的用戶信息，并將所述用戶信息存儲(chǔ)于用戶數(shù)據(jù)庫(kù)中；
[0026]行業(yè)信息推薦模塊，用于從用戶數(shù)據(jù)庫(kù)獲取用戶的興趣特征，在所述工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中獲取與興趣特征相匹配的工業(yè)設(shè)計(jì)信息并推薦給用戶。
[0027]優(yōu)化的，上述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，所述工業(yè)數(shù)據(jù)庫(kù)建立模塊中:
[0028]從互聯(lián)網(wǎng)或第三方數(shù)據(jù)提供商獲取行業(yè)相關(guān)信息，并將獲取的行業(yè)相關(guān)信息存入臨時(shí)聚合數(shù)據(jù)庫(kù)中；
[0029]對(duì)臨時(shí)聚合數(shù)據(jù)庫(kù)中的行業(yè)相關(guān)信息進(jìn)行內(nèi)容元數(shù)據(jù)、標(biāo)簽數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)解析加工;對(duì)解析加工后的數(shù)據(jù)進(jìn)行規(guī)范化處理及審核以形成工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)。
[0030]優(yōu)化的，上述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，所述工業(yè)元數(shù)據(jù)庫(kù)建立模塊中:
[0031]通過爬蟲和數(shù)據(jù)挖掘技術(shù)從社交網(wǎng)絡(luò)、工業(yè)設(shè)計(jì)網(wǎng)站、專業(yè)論壇和搜索引擎網(wǎng)站獲取數(shù)據(jù)并分析得到互聯(lián)網(wǎng)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù);對(duì)所述工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)進(jìn)行過濾、匹配后得到深度匹配數(shù)據(jù);導(dǎo)入第三方深度合作數(shù)據(jù);對(duì)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)、深度匹配數(shù)據(jù)、第三方深度合作數(shù)據(jù)進(jìn)行匹配組合建立統(tǒng)一的聚合庫(kù)和標(biāo)簽庫(kù)，最終形成工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)。
[0032]優(yōu)化的，上述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，所述行業(yè)信息推薦模塊選擇調(diào)用以下單元:
[0033]興趣圖推薦子單元:從用戶數(shù)據(jù)庫(kù)獲取用戶歷史信息，基于所述歷史信息分析并發(fā)掘用戶在當(dāng)前情景信息下的興趣特征，基于所述興趣特征來進(jìn)行信息內(nèi)容的推薦;其中，所述用戶歷史信息包括用戶行為喜好及評(píng)價(jià)、用戶所處歷史情景信息;所述情景信息包括:用戶所處的區(qū)域位置、查找時(shí)間段中的一種或多種；
[0034]社交圖推薦子單元，從用戶數(shù)據(jù)庫(kù)獲取用戶好友信息；基于所述好友信息在工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中查找好友關(guān)聯(lián)內(nèi)容，將所述好友關(guān)聯(lián)內(nèi)容推薦給用戶;其中，所述好友關(guān)聯(lián)內(nèi)容包括:好友推薦內(nèi)容、好友已看內(nèi)容、好友評(píng)論或發(fā)表過觀點(diǎn)的內(nèi)容中的一種或多種。
[0035]優(yōu)化的，上述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，所述行業(yè)信息推薦模塊選擇調(diào)用以下單元:
[0036]內(nèi)容重組子單元:用于根據(jù)不同排序和展現(xiàn)策略對(duì)獲取到的推薦內(nèi)容進(jìn)行重組或排序；
[0037]內(nèi)容關(guān)聯(lián)子單元:用于根據(jù)預(yù)設(shè)策略對(duì)推薦內(nèi)容進(jìn)行自動(dòng)關(guān)聯(lián)；
[0038]分詞管理子單元，用于對(duì)推薦內(nèi)容進(jìn)行分析處理，將推薦內(nèi)容的文本序列切分成單獨(dú)的詞條。
[0039]因此，本發(fā)明具有如下優(yōu)點(diǎn):本發(fā)明所述工業(yè)設(shè)計(jì)領(lǐng)域行業(yè)信息智能推薦的方法通過從互聯(lián)網(wǎng)搜集與第三方數(shù)據(jù)收集獲取數(shù)據(jù)來建立工業(yè)設(shè)計(jì)行業(yè)相關(guān)信息元數(shù)據(jù)庫(kù)及獲取用戶數(shù)據(jù)，然后在工業(yè)設(shè)計(jì)行業(yè)相關(guān)信息元數(shù)據(jù)庫(kù)和用戶數(shù)據(jù)庫(kù)的基礎(chǔ)上根據(jù)用戶的社交圖和興趣圖推薦出與用戶興趣、身份、個(gè)性化需求相匹配的工業(yè)設(shè)計(jì)行業(yè)相關(guān)信息列表，最后在應(yīng)用程序界面上顯示推薦的信息以供用戶選擇，實(shí)現(xiàn)了工業(yè)設(shè)計(jì)行業(yè)信息的智能推薦，極大地提高了用戶對(duì)于工業(yè)設(shè)計(jì)行業(yè)專業(yè)信息獲取的精準(zhǔn)度。
【附圖說明】
[0040]圖1為本發(fā)明實(shí)施例工業(yè)設(shè)計(jì)領(lǐng)域行業(yè)信息智能推薦的方法的框圖；
[0041 ]圖2為本發(fā)明實(shí)施例工業(yè)設(shè)計(jì)領(lǐng)域行業(yè)信息智能推薦的方法的流程圖。
[0042]圖3為本發(fā)明實(shí)施例工業(yè)設(shè)計(jì)領(lǐng)域行業(yè)信息智能推薦的興趣圖模型示意圖；
[0043]圖4為本發(fā)明實(shí)施例工業(yè)設(shè)計(jì)領(lǐng)域行業(yè)信息智能推薦的方法的社交模型圖；
[0044]圖5為本發(fā)明實(shí)施例基于興趣圖和社交圖確定內(nèi)容關(guān)注度示意圖。
【具體實(shí)施方式】
[0045]下面通過實(shí)施例，并結(jié)合附圖，對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步具體的說明。
[0046]實(shí)施例:
[0047]步驟1:通過互聯(lián)網(wǎng)搜集與第三方數(shù)據(jù)收集，建立工業(yè)設(shè)計(jì)行業(yè)相關(guān)信息元數(shù)據(jù)庫(kù)。
[0048]所述步驟I從互聯(lián)網(wǎng)上獲取數(shù)據(jù)來建立工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)的【具體實(shí)施方式】可為:獲取互聯(lián)網(wǎng)數(shù)據(jù)或接入第三方數(shù)據(jù)提供商，形成統(tǒng)一的聚合庫(kù)和標(biāo)簽庫(kù)來建立工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)。
[0049]其中，形成統(tǒng)一的聚合庫(kù)和標(biāo)簽庫(kù)來建立工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)的具體實(shí)現(xiàn)步驟可為:
[0050]從不同數(shù)據(jù)源獲得的數(shù)據(jù)進(jìn)入臨時(shí)聚合數(shù)據(jù)庫(kù)；
[0051 ]進(jìn)行內(nèi)容元數(shù)據(jù)、標(biāo)簽數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)解析加工；
[0052]對(duì)解析加工后的數(shù)據(jù)進(jìn)行規(guī)范化處理及審核以形成工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)；
[0053]其內(nèi)容來源主要包括互聯(lián)網(wǎng)、手機(jī)、用戶自定義內(nèi)容以及第三方合作商內(nèi)容；
[0054]而在實(shí)際應(yīng)用中，通過爬蟲和數(shù)據(jù)挖掘技術(shù)從主流的社交網(wǎng)絡(luò)、工業(yè)設(shè)計(jì)網(wǎng)站、專業(yè)論壇和搜索引擎網(wǎng)站獲取、分析數(shù)據(jù)，從而得到了豐富的互聯(lián)網(wǎng)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)，進(jìn)行過濾、匹配后得到深度匹配數(shù)據(jù)，再導(dǎo)入第三方深度合作數(shù)據(jù)，三者進(jìn)行匹配組合來建立統(tǒng)一的聚合庫(kù)和標(biāo)簽庫(kù)，最終形成工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)。
[0055]步驟2:獲取用戶信息數(shù)據(jù)建立用戶數(shù)據(jù)庫(kù)。
[0056]所述步驟2獲取用戶數(shù)據(jù)建立用戶數(shù)據(jù)庫(kù)的【具體實(shí)施方式】為:對(duì)用戶基本數(shù)據(jù)進(jìn)行導(dǎo)入，所述基本數(shù)據(jù)包括性別、年齡、地域/地理位置、行業(yè)、職位、從業(yè)年限等信息，但不僅僅限于這些信息;對(duì)用戶行為數(shù)據(jù)進(jìn)行導(dǎo)入，所述行為數(shù)據(jù)包括用戶的工作經(jīng)歷、社交圈子、興趣愛好、項(xiàng)目經(jīng)驗(yàn)等信息，但不僅僅限于這些信息。
[0057]收集用戶進(jìn)入應(yīng)用程序的時(shí)間習(xí)慣；收集用戶進(jìn)入應(yīng)用程序的地點(diǎn)習(xí)慣；收集用戶進(jìn)入應(yīng)用程序內(nèi)各板塊的名稱、次數(shù)、瀏覽歷史、通過應(yīng)用程序內(nèi)搜索引擎搜索的關(guān)鍵詞；
[0058]分析并得出用戶進(jìn)入應(yīng)用程序的時(shí)間習(xí)慣的分布列表、分析并得出用戶進(jìn)入應(yīng)用程序的地點(diǎn)習(xí)慣的分布列表、分析用戶進(jìn)入應(yīng)用程序內(nèi)各板塊的名稱、次數(shù)、瀏覽歷史、通過應(yīng)用程序內(nèi)搜索引擎搜索的關(guān)鍵詞并得出用戶興趣點(diǎn)綜合習(xí)慣的分布列表，并以這三種分布列表信息建立用戶數(shù)據(jù)庫(kù)；
[0059]步驟3:在工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)和用戶數(shù)據(jù)庫(kù)的基礎(chǔ)上根據(jù)用戶的社交圖和興趣圖推薦出與用戶興趣相匹配的行業(yè)信息列表等。
[0060]所述步驟3在工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)和用戶數(shù)據(jù)庫(kù)的基礎(chǔ)上根據(jù)用戶的社交圖和興趣圖推薦出與用戶興趣相匹配的工業(yè)設(shè)計(jì)行業(yè)信息列表的【具體實(shí)施方式】為:通過采集用戶對(duì)行業(yè)信息等的行為喜好及評(píng)價(jià)、實(shí)時(shí)收集相關(guān)的情景信息以及過往用戶的歷史信息、分析并發(fā)掘用戶在當(dāng)前所處的情景條件下的需求特征來進(jìn)行信息內(nèi)容的推薦?；谟脩魵v史數(shù)據(jù)生成推薦數(shù)據(jù)，提取興趣特征，推薦出與用戶興趣匹配的信息列表。
[0061]在實(shí)際應(yīng)用中，每一個(gè)用戶都有一個(gè)自己的數(shù)據(jù)庫(kù)，包括用戶的“興趣圖”數(shù)據(jù)(一個(gè)用戶可能看過相關(guān)行業(yè)信息)和“社交圖”數(shù)據(jù)(一個(gè)用戶可能有幾十、上百個(gè)好友及其活動(dòng)的網(wǎng)絡(luò)虛擬社區(qū))以及數(shù)據(jù)標(biāo)簽關(guān)聯(lián)數(shù)據(jù)等。
[0062]其中根據(jù)社交圖進(jìn)行推薦可以包括以下幾種:好友推薦，好友推薦給我的內(nèi)容;好友已看，好友已經(jīng)看過的內(nèi)容;進(jìn)一步擴(kuò)展到社交網(wǎng)絡(luò)上好友評(píng)論過的或者贊過的內(nèi)容等等。
[0063]根據(jù)興趣圖進(jìn)行推薦具體實(shí)施可以包括:根據(jù)用戶的區(qū)域位置、查找時(shí)間段、使用習(xí)慣等信息定制個(gè)性化的推薦信息并推薦指定的內(nèi)容給用戶。
[0064]根據(jù)工業(yè)設(shè)計(jì)行業(yè)相關(guān)信息元數(shù)據(jù)庫(kù)內(nèi)容的標(biāo)簽屬性關(guān)聯(lián)點(diǎn)形成符合用戶興趣、身份、個(gè)性化需求的列表。
[0065]對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行加工;對(duì)推薦內(nèi)容進(jìn)行重組;對(duì)內(nèi)容進(jìn)行關(guān)聯(lián)管理;對(duì)信息進(jìn)行分詞管理;進(jìn)行標(biāo)簽管理。
[0066]所述對(duì)結(jié)構(gòu)化數(shù)據(jù)進(jìn)行加工具體為:獲取推薦內(nèi)容數(shù)據(jù)以后，可根據(jù)不同排序和展現(xiàn)策略進(jìn)行內(nèi)容重組。
[0067]所述對(duì)內(nèi)容進(jìn)行關(guān)聯(lián)管理具體為:完成標(biāo)簽化處理后系統(tǒng)根據(jù)預(yù)設(shè)策略進(jìn)行自動(dòng)關(guān)聯(lián)。
[0068]所述對(duì)信息進(jìn)行分詞管理具體為:對(duì)信息元數(shù)據(jù)的文本進(jìn)行分析處理，提供將文本序列切分成單獨(dú)的詞條。
[0069]步驟4:在推薦界面上顯示最終推薦(經(jīng)過步驟3分析)的工業(yè)設(shè)計(jì)行業(yè)信息列表以供用戶選擇。
[0070]在實(shí)際應(yīng)用中，還可根據(jù)實(shí)際變化過程自動(dòng)執(zhí)行步驟:對(duì)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)進(jìn)行更新、補(bǔ)充和增強(qiáng)。
[0071]本文中所描述的具體實(shí)施例僅僅是對(duì)本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對(duì)所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，但并不會(huì)偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。
【主權(quán)項(xiàng)】
1.一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，其特征在于，包括以下步驟: 工業(yè)數(shù)據(jù)庫(kù)建立步驟，用于搜集與工業(yè)設(shè)計(jì)相關(guān)的行業(yè)信息，并將搜索集的信息存儲(chǔ)于工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中； 用戶數(shù)據(jù)庫(kù)建立步驟，用于獲取包括所屬行業(yè)及興趣特征在內(nèi)的用戶信息，并將所述用戶信息存儲(chǔ)于用戶數(shù)據(jù)庫(kù)中； 行業(yè)信息推薦步驟，用于從用戶數(shù)據(jù)庫(kù)獲取用戶的興趣特征，在所述工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中獲取與興趣特征相匹配的工業(yè)設(shè)計(jì)信息并推薦給用戶。2.根據(jù)權(quán)利要求1所述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，其特征在于，所述工業(yè)數(shù)據(jù)庫(kù)建立步驟中: 從互聯(lián)網(wǎng)或第三方數(shù)據(jù)提供商獲取行業(yè)相關(guān)信息，并將獲取的行業(yè)相關(guān)信息存入臨時(shí)聚合數(shù)據(jù)庫(kù)中； 對(duì)臨時(shí)聚合數(shù)據(jù)庫(kù)中的行業(yè)相關(guān)信息進(jìn)行內(nèi)容元數(shù)據(jù)、標(biāo)簽數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)解析加工;對(duì)解析加工后的數(shù)據(jù)進(jìn)行規(guī)范化處理及審核以形成工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)。3.根據(jù)權(quán)利要求1所述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，其特征在于，所述工業(yè)元數(shù)據(jù)庫(kù)建立步驟中: 通過爬蟲和數(shù)據(jù)挖掘技術(shù)從社交網(wǎng)絡(luò)、工業(yè)設(shè)計(jì)網(wǎng)站、專業(yè)論壇和搜索引擎網(wǎng)站獲取數(shù)據(jù)并分析得到互聯(lián)網(wǎng)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù);對(duì)所述工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)進(jìn)行過濾、匹配后得到深度匹配數(shù)據(jù)；導(dǎo)入第三方深度合作數(shù)據(jù);對(duì)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)、深度匹配數(shù)據(jù)、第三方深度合作數(shù)據(jù)進(jìn)行匹配組合建立統(tǒng)一的聚合庫(kù)和標(biāo)簽庫(kù)，最終形成工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)。4.根據(jù)權(quán)利要求1所述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，其特征在于，所述行業(yè)信息推薦步驟中選擇執(zhí)行以下子步驟: 興趣圖推薦子步驟:從用戶數(shù)據(jù)庫(kù)獲取用戶歷史信息，基于所述歷史信息分析并發(fā)掘用戶在當(dāng)前情景信息下的興趣特征，基于所述興趣特征來進(jìn)行信息內(nèi)容的推薦;其中，所述用戶歷史信息包括用戶行為喜好及評(píng)價(jià)、用戶所處歷史情景信息;所述情景信息包括:用戶所處的區(qū)域位置、查找時(shí)間段中的一種或多種； 社交圖推薦子步驟，從用戶數(shù)據(jù)庫(kù)獲取用戶好友信息；基于所述好友信息在工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中查找好友關(guān)聯(lián)內(nèi)容，將所述好友關(guān)聯(lián)內(nèi)容推薦給用戶；其中，所述好友關(guān)聯(lián)內(nèi)容包括:好友推薦內(nèi)容、好友已看內(nèi)容、好友評(píng)論或發(fā)表過觀點(diǎn)的內(nèi)容中的一種或多種。5.根據(jù)權(quán)利要求1所述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦方法，其特征在于，所述行業(yè)信息推薦步驟中選擇執(zhí)行以下子步驟: 內(nèi)容重組子步驟:用于根據(jù)不同排序和展現(xiàn)策略對(duì)獲取到的推薦內(nèi)容進(jìn)行重組或排序; 內(nèi)容關(guān)聯(lián)子步驟:用于根據(jù)預(yù)設(shè)策略對(duì)推薦內(nèi)容進(jìn)行自動(dòng)關(guān)聯(lián)； 分詞管理子步驟，用于對(duì)推薦內(nèi)容進(jìn)行分析處理，將推薦內(nèi)容的文本序列切分成單獨(dú)的詞條。6.—種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，其特征在于，包括以下模塊: 工業(yè)數(shù)據(jù)庫(kù)建立模塊，用于搜集與工業(yè)設(shè)計(jì)相關(guān)的行業(yè)信息，并將搜索集的信息存儲(chǔ)于工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中； 用戶數(shù)據(jù)庫(kù)建立模塊，用于獲取包括所屬行業(yè)及興趣特征在內(nèi)的用戶信息，并將所述用戶信息存儲(chǔ)于用戶數(shù)據(jù)庫(kù)中； 行業(yè)信息推薦模塊，用于從用戶數(shù)據(jù)庫(kù)獲取用戶的興趣特征，在所述工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中獲取與興趣特征相匹配的工業(yè)設(shè)計(jì)信息并推薦給用戶。7.根據(jù)權(quán)利要求6所述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，其特征在于，所述工業(yè)數(shù)據(jù)庫(kù)建立模塊中: 從互聯(lián)網(wǎng)或第三方數(shù)據(jù)提供商獲取行業(yè)相關(guān)信息，并將獲取的行業(yè)相關(guān)信息存入臨時(shí)聚合數(shù)據(jù)庫(kù)中； 對(duì)臨時(shí)聚合數(shù)據(jù)庫(kù)中的行業(yè)相關(guān)信息進(jìn)行內(nèi)容元數(shù)據(jù)、標(biāo)簽數(shù)據(jù)的結(jié)構(gòu)化數(shù)據(jù)解析加工;對(duì)解析加工后的數(shù)據(jù)進(jìn)行規(guī)范化處理及審核以形成工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)。8.根據(jù)權(quán)利要求6所述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，其特征在于，所述工業(yè)元數(shù)據(jù)庫(kù)建立模塊中: 通過爬蟲和數(shù)據(jù)挖掘技術(shù)從社交網(wǎng)絡(luò)、工業(yè)設(shè)計(jì)網(wǎng)站、專業(yè)論壇和搜索引擎網(wǎng)站獲取數(shù)據(jù)并分析得到互聯(lián)網(wǎng)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù);對(duì)所述工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)進(jìn)行過濾、匹配后得到深度匹配數(shù)據(jù)；導(dǎo)入第三方深度合作數(shù)據(jù);對(duì)工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)、深度匹配數(shù)據(jù)、第三方深度合作數(shù)據(jù)進(jìn)行匹配組合建立統(tǒng)一的聚合庫(kù)和標(biāo)簽庫(kù)，最終形成工業(yè)設(shè)計(jì)行業(yè)元數(shù)據(jù)庫(kù)。9.根據(jù)權(quán)利要求6所述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，其特征在于，所述行業(yè)信息推薦模塊選擇調(diào)用以下單元: 興趣圖推薦子單元:從用戶數(shù)據(jù)庫(kù)獲取用戶歷史信息，基于所述歷史信息分析并發(fā)掘用戶在當(dāng)前情景信息下的興趣特征，基于所述興趣特征來進(jìn)行信息內(nèi)容的推薦;其中，所述用戶歷史信息包括用戶行為喜好及評(píng)價(jià)、用戶所處歷史情景信息;所述情景信息包括:用戶所處的區(qū)域位置、查找時(shí)間段中的一種或多種； 社交圖推薦子單元，從用戶數(shù)據(jù)庫(kù)獲取用戶好友信息；基于所述好友信息在工業(yè)設(shè)計(jì)元數(shù)據(jù)庫(kù)中查找好友關(guān)聯(lián)內(nèi)容，將所述好友關(guān)聯(lián)內(nèi)容推薦給用戶；其中，所述好友關(guān)聯(lián)內(nèi)容包括:好友推薦內(nèi)容、好友已看內(nèi)容、好友評(píng)論或發(fā)表過觀點(diǎn)的內(nèi)容中的一種或多種。10.根據(jù)權(quán)利要求6所述的一種工業(yè)設(shè)計(jì)產(chǎn)品智能推薦裝置，其特征在于，所述行業(yè)信息推薦模塊選擇調(diào)用以下單元: 內(nèi)容重組子單元:用于根據(jù)不同排序和展現(xiàn)策略對(duì)獲取到的推薦內(nèi)容進(jìn)行重組或排序; 內(nèi)容關(guān)聯(lián)子單元:用于根據(jù)預(yù)設(shè)策略對(duì)推薦內(nèi)容進(jìn)行自動(dòng)關(guān)聯(lián)； 分詞管理子單元，用于對(duì)推薦內(nèi)容進(jìn)行分析處理，將推薦內(nèi)容的文本序列切分成單獨(dú)的詞條。
【文檔編號(hào)】G06F17/30GK105975609SQ201610329184
【公開日】2016年9月28日
【申請(qǐng)日】2016年5月18日
【發(fā)明人】劉玉琴, 馬牧原, 王金秋, 李軍, 柳岸, 李韋, 朱東華, 李維
【申請(qǐng)人】德稻全球創(chuàng)新網(wǎng)絡(luò)（北京）有限公司