一种基于大数据分析的推荐模型建立系统及方法

技术领域

本发明涉及智能化建模技术，具体是一种基于大数据分析的推荐模型建立系统及方法。

背景技术

推荐系统是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。

在现有的实体设备推荐的过程中，普遍的客户对于设备的认知多数是从推荐销售的口中，或者现场的实地考察中对设备进行了解，这样的了解并不深刻，不能达到全面了解设备并顺利完成合作的目的。

为此，提出一种基于大数据分析的推荐模型建立系统及方法。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于大数据分析的推荐模型建立系统，该一种基于大数据分析的推荐模型建立系统从设备的厂家、出厂时间、用户评价以及设备的精度四个维度出发，建立智能推荐模型，以便用户更好更全面的了解设备，达到促进交易达成的目的。

为实现上述目的，根据本发明的第一方面的实施例提出一种基于大数据分析的推荐模型建立系统，包括数据采集模块、数据清洗模块、数据分析模块、模型建立模块以及智能推荐模块；

所述数据采集模块用于采集医疗设备的参数信息和评价信息，并将采集的参数信息和评价信息发送至数据清洗模块；

所述数据清洗模块对评价信息进行清洗并获取有效评价的评价条数YT以及对应的有效评价内容，并发送至数据分析模块；

所述数据分析模块结合数据清洗模块分析获取中性有效评价、差评有效评价、好评有效评价以及优质有效评价的条数，并分别发送至模型建立模块；

所述模型建立模块用于建立智能推荐模型，计算医疗设备的推荐评价指数ZTP、推荐时间指数ZTS、推荐出产指数ZTC以及推荐精度指数ZTJ；

当用户有医疗设备需求时，智能推荐模块将用户选取的医疗设备导入模型建立模块，模型建立模块将医疗设备的推荐评价指数ZTP、推荐时间指数ZTS、推荐出产指数ZTC以及推荐精度指数ZTJ发送至智能推荐模块，智能推荐模块以图形的方式进行展示，并将计算出的智能推荐系数ZTT给用户进行展示。

进一步地，所述参数信息包括设备出厂时间、设备制造厂家以及设备的精度；所述评价信息包括评价条数以及评价用户，以及每条评价对应的评价内容。

进一步地，所述数据清洗模块对评价信息进行清洗的过程包括以下步骤：

步骤一：数据采集模块将获取的评价条数以及评价用户发送至数据清洗模块，所述数据清洗模块分别将评价条数标记为M，将评价用户按照不同的用户名分别编号为i，其中M为正整数，且

步骤二：数据清洗模块分别将属于同一用户名的评价条数进行标记，标记为Ti；数据清洗模块获取同一用户名的每条评价的评价内容；

步骤三：数据清洗模块对每条评价的评价内容进行获取字符数以及评价内容，当存在字符数以及评价内容相同时，数据清洗模块将该评价标记为疑似刷单评价，数据清洗模块获取疑似刷单评价的评价条数STi；

步骤四：数据清洗模块从评价条数M中去除疑似刷单评价的评价条数STi，将剩余的评价标记为有效评价，同时，获取有效评价的评价条数YT，计算公式为

步骤五：数据清洗模块将有效评价的评价条数YT以及对应的有效评价发送至数据分析模块。

进一步地，所述数据分析模块对有效评价进行分析的过程包括以下步骤：

步骤A1：数据分析模块接收有效评价，数据分析模块将每条有效评价进行关键字拆分；将有效评价拆分为单个关键字的评价单元；

步骤A2：数据分析模块发送提取信号至数据存储模块，所述数据存储模块内部存储有好评关键字以及差评关键字；

步骤A3：数据分析模块分别将拆分的评价单元分别与好评关键字以及差评关键字进行对比，获取好评关键字以及差评关键字对应的频次，数据分析模块将好评关键字出现的频次标记为Ph，将差评关键字出现的频次标记为Hc；

步骤A4：当有效评价内没有出现好评关键字以及差评关键字时，将有效评价标记为中性有效评价；

当有效评价内出现的差评关键字频次Hc大于差评关键字频次阈值时，将该有效评价标记为差评有效评价；

当好评关键字出现的频次Ph大于等于二倍的差评关键字出现的频次时，将该有效评价标记为好评有效评价；

当有效评价内仅仅出现好评关键字时，将该有效评价标记为优质有效评价；

其余情况均标记为中性有效评价；

步骤A5：数据分析模块将中性有效评价、差评有效评价、好评有效评价以及优质有效评价的条数分别发送至模型建立模块。

进一步地，当好评关键字前出现否定性的词语或者差评关键字前出现否定性的词语时，均进行相应的好评关键字以及差评关键字身份转换。

进一步地，所述模型建立模块建立智能推荐模型的过程包括以下步骤：

步骤P1：模型建立模块获取中性有效评价、差评有效评价、好评有效评价以及优质有效评价的条数，分别标记为ZP、XP、HP、YP；

步骤P2：模型建立模块根据计算公式计算出推荐评价指数ZTP，计算公式为

步骤P3：模型建立模块获取设备出厂时间，并实时获取当前的时间，计算时间差值CS，其中时间差值的单位为月，即利用当前月与设备出厂时间对应的月份进行时间差计算；模型建立模块设定折旧时间ZS，单位也为月；利用计算公式计算推荐时间指数ZTS，计算公式为

步骤P4：模型建立模块获取设备制造厂家，并与数据存储模块内部存储的制造厂家标准推荐出产指数ZTC进行对比，选取评价推荐出产指数ZTC；

步骤P5：模型建立模块获取设备的精度，并与数据存储模块内部存储的设备精度标准推荐精度指数ZTJ进行对比，选取推荐精度指数ZTJ；

步骤六：模型建立模块建立智能推荐模型，并计算出智能推荐系数ZTT，计算公式为

进一步地，在数据存储模块内部存储若干设备制造厂家，且每个设备制造厂家内均有一个固定的推荐出产指数ZTC；

在数据存储模块内部存储设备精度标准，且每个设备精度标准均有一个固定的推荐精度指数ZTJ。

根据本发明的第二方面的实施例提出一种基于大数据分析的推荐模型的推荐方法，包括以下步骤：

当用户进行医疗设备选取时，智能推荐模块将用户选取的医疗设备导入模型建立模块，模型建立模块将医疗设备的推荐评价指数ZTP、推荐时间指数ZTS、推荐出产指数ZTC以及推荐精度指数ZTJ发送至智能推荐模块，智能推荐模块以图形的方式进行展示，并将计算出的智能推荐系数ZTT一并给用户进行展示。

与现有技术相比，本发明的有益效果是：

该一种基于大数据分析的推荐模型建立系统从设备的厂家、出厂时间、用户评价以及设备的精度四个维度出发，建立智能推荐模型，以便用户更好更全面的了解设备，达到促进交易达成的目的。

在从用户评价的维度进行出发时，首先进行了数据清洗，避免因为某些原因的刷单造成评价信息不准确进而误导客户的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于大数据分析的推荐模型建立系统的原理图；

图2为本发明一种基于大数据分析的推荐模型建立系统的推荐方法的流程图。

具体实施方式

下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。

如图1-2所示，一种基于大数据分析的推荐模型建立系统，包括数据采集模块、数据清洗模块、数据分析模块、模型建立模块、智能推荐模块以及数据存储模块；

所述数据采集模块用于采集医疗设备的参数信息，所述参数信息包括设备出厂时间、设备制造厂家以及设备的精度；所述数据采集模块采集医疗设备的参数信息时可通过医疗设备的设备铭牌直接获取；

其中，所述数据采集模块与互联网通信连接，在互联网上获取医疗设备的评价信息，所述评价信息包括评价条数以及评价用户，以及每条评价对应的评价内容；

所述数据采集模块将获取的参数信息以及评价信息发送数据清洗模块进行数据清洗；

所述数据清洗模块用于对数据采集模块发送的参数信息以及评价信息进行数据清洗，具体的，所述数据清洗模块对评价信息进行清洗的过程包括以下步骤：

步骤一：数据采集模块将获取的评价条数以及评价用户发送至数据清洗模块，所述数据清洗模块分别将评价条数标记为M，将评价用户按照不同的用户名分别编号为i，其中M为正整数，且

步骤二：数据清洗模块分别将属于同一用户名的评价条数进行标记，标记为Ti；数据清洗模块获取同一用户名的每条评价的评价内容；

步骤三：数据清洗模块对每条评价的评价内容进行获取字符数以及评价内容，当存在字符数以及评价内容相同时，数据清洗模块将该评价标记为疑似刷单评价，数据清洗模块获取疑似刷单评价的评价条数STi；

步骤四：数据清洗模块从评价条数M中去除疑似刷单评价的评价条数STi，将剩余的评价标记为有效评价，同时，获取有效评价的评价条数YT，计算公式为

步骤五：数据清洗模块将有效评价的评价条数YT以及对应的有效评价发送至数据分析模块。

其中，所述数据分析模块用于对数据清洗模块发送的有效评价进行数据分析，具体的，所述数据分析模块对有效评价进行分析的过程包括以下步骤：

步骤A1：数据分析模块接收有效评价，数据分析模块将每条有效评价进行关键字拆分；将有效评价拆分为单个关键字的评价单元；

步骤A2：数据分析模块发送提取信号至数据存储模块，所述数据存储模块内部存储有好评关键字以及差评关键字；

步骤A3：数据分析模块分别将拆分的评价单元分别与好评关键字以及差评关键字进行对比，获取好评关键字以及差评关键字对应的频次，数据分析模块将好评关键字出现的频次标记为Ph，将差评关键字出现的频次标记为Hc；

需要进行说明的是，每条有效评价内部不仅包含好评关键字以及差评关键字还包含许多描述性的用语，本申请仅仅进行与评价好坏的关键字进行评判标准，且当好评关键字前出现否定性的词语或者差评关键字前出现否定性的词语，均进行相应的好评关键字以及差评关键字身份转换；

步骤A4：当有效评价内没有出现好评关键字以及差评关键字时，将有效评价标记为中性有效评价；

当有效评价内出现的差评关键字频次Hc大于差评关键字频次阈值时，将该有效评价标记为差评有效评价；

当好评关键字出现的频次Ph大于等于二倍的差评关键字出现的频次时，将该有效评价标记为好评有效评价；

当有效评价内仅仅出现好评关键字时，将该有效评价标记为优质有效评价；

其余情况均标记为中性有效评价；

步骤A5：数据分析模块将中性有效评价、差评有效评价、好评有效评价以及优质有效评价的条数分别发送至模型建立模块。

其中，模型建立模块用于建立智能推荐模型，具体的，所述模型建立模块建立智能推荐模型的过程包括以下步骤：

步骤P1：模型建立模块获取中性有效评价、差评有效评价、好评有效评价以及优质有效评价的条数，分别标记为ZP、XP、HP、YP；

步骤P2：模型建立模块根据计算公式计算出推荐评价指数ZTP，计算公式为

步骤P3：模型建立模块获取设备出厂时间，并实时获取当前的时间，计算时间差值CS，其中时间差值的单位为月，即利用当前月与设备出厂时间对应的月份进行时间差计算；模型建立模块设定折旧时间ZS，单位也为月；利用计算公式计算推荐时间指数ZTS，计算公式为

步骤P4：模型建立模块获取设备制造厂家，并与数据存储模块内部存储的制造厂家标准推荐出产指数ZTC进行对比，选取评价推荐出产指数ZTC；

需要进行说明的是，在数据存储模块内部存储若干设备制造厂家，且每个设备制造厂家内均有一个固定的推荐出产指数ZTC；

步骤P5：模型建立模块获取设备的精度，并与数据存储模块内部存储的设备精度标准推荐精度指数ZTJ进行对比，选取推荐精度指数ZTJ；

需要进行说明的是，在数据存储模块内部存储设备精度标准，且每个设备精度标准均有一个固定的推荐精度指数ZTJ；

步骤六：模型建立模块建立智能推荐模型，并计算出智能推荐系数ZTT，计算公式为

其中的

其中，所述智能推荐模块用于对医疗设备进行智能推荐，具体的推荐方法包括以下步骤：

当用户进行医疗设备选取时，智能推荐模块将用户选取的医疗设备导入模型建立模块，模型建立模块将医疗设备的推荐评价指数ZTP、推荐时间指数ZTS、推荐出产指数ZTC以及推荐精度指数ZTJ发送至智能推荐模块，智能推荐模块以图形的方式进行展示，并将计算出的智能推荐系数ZTT一并给用户进行展示。

其中，图形包括雷达图。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。