CN109710836A - 一种基于追星族公会的大数据智能推荐系统及方法 - Google Patents
一种基于追星族公会的大数据智能推荐系统及方法 Download PDFInfo
- Publication number
- CN109710836A CN109710836A CN201811445612.6A CN201811445612A CN109710836A CN 109710836 A CN109710836 A CN 109710836A CN 201811445612 A CN201811445612 A CN 201811445612A CN 109710836 A CN109710836 A CN 109710836A
- Authority
- CN
- China
- Prior art keywords
- star
- layer
- trade council
- big data
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000013135 deep learning Methods 0.000 claims abstract description 11
- 238000007619 statistical method Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000007418 data mining Methods 0.000 claims abstract description 9
- 230000001747 exhibiting effect Effects 0.000 claims abstract description 6
- 238000000540 analysis of variance Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于追星族公会的大数据智能推荐系统及方法，包括：数据源层，用于向追星族公会获取成员信息；数据分析层，用于对来自数据源层的成员信息进行统计分析；数据挖掘层，用于对统计分析结果进行兴趣标签化处理；数据展现层，用于为兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。本发明通过大数据分析，深度挖掘出明星艺人追星族的兴趣爱好，并进行标签化处理，同时为各种兴趣标签分配权重，利用大数据和深度学习手段，为明星艺人打造合适的品牌和产品代言、影视剧本作品等，牢牢把握了市场需求，能够带来巨大的经济利益。
Description
技术领域
本发明涉及大数据分析领域，具体涉及一种基于追星族公会的大数据智能推荐系统及方法。
背景技术
中国从2010电影电视、音乐作品等文化、娱乐行业的版权问题日渐成熟，其中电影版权、电视版权可用于抵押贷款，华谊兄弟的上市，经纪人行业的崛起，证明了中国的娱乐文化正在向规范化发展。
港台娱乐文化规范比较早，经纪公司-经纪人-市场客户部-艺人这样的组合，经纪人不仅仅是保姆角色，更多的是结合自身公司平台与市场客户品牌部门来创意打造艺人。一线大牌艺人除了以上的团队，增加了一个艺人策略(智囊团)，专门负责艺人的事件营销、公关危机处理、公共形象、公共关系维护等。
一个明星艺人的追星族，通过微博、微信等众多新闻媒体及社交软件为其建立公会，并支持其事业，我们常称其为追星。
在大数据高速发展的同时，经纪人和智囊团的决策依然依靠人工处理，常常因为没有把握好市场需求，导致巨大的经济损失，迫切需要加以改进。
发明内容
为解决上述问题，本发明提供了一种基于追星族公会的大数据智能推荐系统及方法。本发明通过大数据分析，深度挖掘出明星艺人追星族的兴趣爱好，并进行标签化处理，同时为各种兴趣标签分配权重，利用大数据和深度学习手段，为明星艺人打造合适的品牌和产品代言、影视剧本作品等，牢牢把握了市场需求，能够带来巨大的经济利益。
为实现所述技术目的，本发明的技术方案是：一种基于追星族公会的大数据智能推荐系统，包括：
数据源层，用于向追星族公会获取成员信息；
数据分析层，用于对来自数据源层的成员信息进行统计分析；
数据挖掘层，用于对统计分析结果进行兴趣标签化处理；
数据展现层，用于为兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。
进一步，所述数据源层向追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。
进一步，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。
进一步，所述数据分析层对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；
所述数据挖掘层包括具有输入层、深度卷积层、输出层的深度学习网络模型，其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。
进一步，所述数据展现层根据每个兴趣标签的权重，形成推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。
一种基于追星族公会的大数据智能推荐方法，使用了上述的基于追星族公会的大数据智能推荐系统，包括以下步骤：
S1：向追星族公会获取成员信息；
S2：对来步骤S1的成员信息进行统计分析；
S3：对步骤S2中的统计分析结果进行兴趣标签化处理；
S4：为步骤S3中的兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。
进一步，所述步骤S1中的追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。、
进一步，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。
进一步，所述步骤S2中的统计分析方法为对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；
所述步骤S3中兴趣标签化处理的方法为，采用包括具有输入层、深度卷积层、输出层的深度学习网络模型，且其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。
进一步，所述步骤S4中的可视化报表包括推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。
本发明的有益效果在于：
本发明提供了一种基于追星族公会的大数据智能推荐系统和方法。首先，本发明的大数据模型中数据源层并提过多种数据接口，支持向其他运行商、交换机的数据扩展。其次，本发明利用神经网络学习模型，深度挖掘出明星艺人追星族的兴趣爱好，并进行标签化处理，同时为各种兴趣标签分配权重，结合大数据和深度学习手段，为明星艺人打造合适的品牌和产品代言、影视剧本作品等，牢牢把握了市场需求，能够带来巨大的经济利益。
附图说明
图1是本发明基于追星族公会的大数据智能推荐系统的模块化示意图。
具体实施方式
下面将对本发明的技术方案进行清楚、完整地描述。
一种基于追星族公会的大数据智能推荐系统，如图1所示，包括：
数据源层，用于向追星族公会获取成员信息；
数据分析层，用于对来自数据源层的成员信息进行统计分析；
数据挖掘层，用于对统计分析结果进行兴趣标签化处理；
数据展现层，用于为兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。
进一步，所述数据源层向追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。数据源层并提过多种数据接口，支持向其他运行商、交换机的数据扩展。
进一步，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平等。例如，向微博获取其追星族用户的话题热议榜，向腾讯社交软件获取明星追星族的话题榜，向淘宝等购物软件获取明星追星族的消费趋向、最热单品等；上述信息获取的种类并不限于本发明所列举的用户性别、年龄、学历、行业、经济消费水平。
进一步，所述数据分析层对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；数据分析层利用统计学原理和概率学原理，进行数学计算和统计，方便下述数据挖掘层进行数据挖掘。
所述数据挖掘层包括具有输入层、深度卷积层、输出层的深度学习网络模型，其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。所述深度学习网络模型，结合用户的性别、年龄、学历、行业、经济消费水平，可以进行有监督学习和训练，将统计分析的性别、年龄、学历、行业、经济消费水平排序、数学期望、方差分析结果，表达为服装、饰品等商品兴趣标签、性格兴趣标签等。
进一步，所述数据展现层根据每个兴趣标签的权重，形成推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。例如，根据追星族的商品兴趣标签，推荐给明星代言什么品牌和产品，根据追星族的性格兴趣标签，推荐给明星接什么剧本和影视作品等。
一种基于追星族公会的大数据智能推荐方法，使用了上述的基于追星族公会的大数据智能推荐系统，包括以下步骤：
S1：向追星族公会获取成员信息；
S2：对来步骤S1的成员信息进行统计分析；
S3：对步骤S2中的统计分析结果进行兴趣标签化处理；
S4：为步骤S3中的兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。
进一步，所述步骤S1中的追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。、
进一步，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。
进一步，所述步骤S2中的统计分析方法为对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；
所述步骤S3中兴趣标签化处理的方法为，采用包括具有输入层、深度卷积层、输出层的深度学习网络模型，且其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。
进一步，所述步骤S4中的可视化报表包括推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。例如，根据追星族的商品兴趣标签，推荐给明星代言什么品牌和产品，根据追星族的性格兴趣标签，推荐给明星接什么剧本和影视作品等。
本发明通过大数据分析，深度挖掘出明星艺人追星族的兴趣爱好，并进行标签化处理，同时为各种兴趣标签分配权重，利用大数据和深度学习手段，为明星艺人打造合适的品牌和产品代言、影视剧本作品等，牢牢把握了市场需求，能够带来巨大的经济利益。
对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (9)
1.一种基于追星族公会的大数据智能推荐系统，其特征在于，包括：
数据源层，用于向追星族公会获取成员信息；
数据分析层，用于对来自数据源层的成员信息进行统计分析；
数据挖掘层，用于对统计分析结果进行兴趣标签化处理；
数据展现层，用于为兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。
2.根据权利要求1所述的基于追星族公会的大数据智能推荐系统，其特征在于，所述数据源层向追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。
3.根据权利要求2所述的基于追星族公会的大数据智能推荐系统，其特征在于，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。
4.根据权利要求3所述的基于追星族公会的大数据智能推荐系统，其特征在于，所述数据分析层对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；
所述数据挖掘层包括具有输入层、深度卷积层、输出层的深度学习网络模型，其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。
5.根据权利要求4所述的基于追星族公会的大数据智能推荐系统，其特征在于，所述数据展现层根据每个兴趣标签的权重，形成推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。
6.一种基于追星族公会的大数据智能推荐方法，使用了权利要求1-5所述的基于追星族公会的大数据智能推荐系统，其特征在于，包括以下步骤：
S1：向追星族公会获取成员信息；
S2：对来步骤S1的成员信息进行统计分析；
S3：对步骤S2中的统计分析结果进行兴趣标签化处理；
S4：为步骤S3中的兴趣标签处理结果分配权重，形成推荐给明星艺人的、具有市场导向的可视化报表。
7.根据权利要求6所述的基于追星族公会的大数据智能推荐方法，其特征在于，所述步骤S1中的追星族公会获取成员信息包括向商业、娱乐、视频、媒体软件运营服务器内获取的追星族用户信息，并进行抽取、转换、加载至所述数据分析层。
8.根据权利要求7所述的基于追星族公会的大数据智能推荐方法，其特征在于，所述商业、娱乐、媒体软件运营服务器内获取的追星族用户信息包括：用户性别、年龄、学历、行业、经济消费水平。
9.根据权利要求8所述的基于追星族公会的大数据智能推荐方法，其特征在于，所述步骤S2中的统计分析方法为对用户性别、年龄、学历、行业、经济消费水平进行统计，并进行排序、数学期望、方差分析；
所述步骤S3中兴趣标签化处理的方法为，采用包括具有输入层、深度卷积层、输出层的深度学习网络模型，且其中输入层为排序、数学期望、方差分析结果，输出层为追星族的兴趣标签。
根据权利要求9所述的基于追星族公会的大数据智能推荐方法，其特征在于，所述步骤S4中的可视化报表包括推荐给明星艺人的产品及其品牌报表、影视类型及其风格报表。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811445612.6A CN109710836A (zh) | 2018-11-29 | 2018-11-29 | 一种基于追星族公会的大数据智能推荐系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811445612.6A CN109710836A (zh) | 2018-11-29 | 2018-11-29 | 一种基于追星族公会的大数据智能推荐系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109710836A true CN109710836A (zh) | 2019-05-03 |
Family
ID=66255337
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811445612.6A Pending CN109710836A (zh) | 2018-11-29 | 2018-11-29 | 一种基于追星族公会的大数据智能推荐系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109710836A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103106599A (zh) * | 2011-11-14 | 2013-05-15 | 国际商业机器公司 | 基于社交网络的推荐方法和系统 |
| US20140082007A1 (en) * | 2011-05-19 | 2014-03-20 | Tencent Technology (Shenzhen) Company Limited | Method, system and storage medium for pushing user's personal label dynamically |
| CN104090886A (zh) * | 2013-12-09 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 构建用户实时画像的方法及装置 |
| CN104102675A (zh) * | 2013-04-15 | 2014-10-15 | 中国人民大学 | 基于用户关系的博主兴趣社区发现方法 |
| US20160142503A1 (en) * | 2012-12-02 | 2016-05-19 | At&T Intellectual Property I, L.P. | Methods, Systems, and Products for Personalized Monitoring of Data |
| CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
| CN106599022A (zh) * | 2016-11-01 | 2017-04-26 | 中山大学 | 基于用户访问数据的用户画像形成方法 |
| CN108492200A (zh) * | 2018-02-07 | 2018-09-04 | 中国科学院信息工程研究所 | 一种基于卷积神经网络的用户属性推断方法和装置 |
-
2018
- 2018-11-29 CN CN201811445612.6A patent/CN109710836A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140082007A1 (en) * | 2011-05-19 | 2014-03-20 | Tencent Technology (Shenzhen) Company Limited | Method, system and storage medium for pushing user's personal label dynamically |
| CN103106599A (zh) * | 2011-11-14 | 2013-05-15 | 国际商业机器公司 | 基于社交网络的推荐方法和系统 |
| US20160142503A1 (en) * | 2012-12-02 | 2016-05-19 | At&T Intellectual Property I, L.P. | Methods, Systems, and Products for Personalized Monitoring of Data |
| CN104102675A (zh) * | 2013-04-15 | 2014-10-15 | 中国人民大学 | 基于用户关系的博主兴趣社区发现方法 |
| CN104090886A (zh) * | 2013-12-09 | 2014-10-08 | 深圳市腾讯计算机系统有限公司 | 构建用户实时画像的方法及装置 |
| CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
| CN106599022A (zh) * | 2016-11-01 | 2017-04-26 | 中山大学 | 基于用户访问数据的用户画像形成方法 |
| CN108492200A (zh) * | 2018-02-07 | 2018-09-04 | 中国科学院信息工程研究所 | 一种基于卷积神经网络的用户属性推断方法和装置 |
Non-Patent Citations (4)
| Title |
|---|
| 席岩: ""基于大数据的用户画像方法研究综述"", 《广播电视信息》 * |
| 曾鸿; 吴苏倪: "基于微博的大数据用户画像与精准营销", 《现代经济信息》 * |
| 王洋: ""一种用户画像系统的设计与实现"", 《计算机应用与软件》 * |
| 陈添源: ""高校移动图书馆用户画像构建实证"", 《图书情报工作》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10645055B1 (en) | Trend detection for content targeting using an information distribution system | |
| US9798980B2 (en) | Method for inferring latent user interests based on image metadata | |
| US9286575B2 (en) | Adaptive ranking of news feed in social networking systems | |
| US20130031489A1 (en) | News feed ranking model based on social information of viewer | |
| EP3891654A1 (en) | Customized action based on video item events | |
| US20190155864A1 (en) | Method and apparatus for recommending business object, electronic device, and storage medium | |
| US10503805B2 (en) | Generating feedback for a target content item based on published content items | |
| CN106062730A (zh) | 用于主动构成内容以便在连续社交通信中使用的系统和方法 | |
| Afifah et al. | Viewer behavior on social media: Viral marketing of a movie trailer in Indonesia | |
| CN106469202A (zh) | 一种影视大数据平台的数据分析方法 | |
| Liao et al. | Data mining analytics investigate Facebook Live stream users’ behaviors and business models: The evidence from Thailand | |
| El Afi et al. | The rise of video-game live streaming: motivations and forms of viewer engagement | |
| WO2023125460A1 (zh) | 排序模型训练方法和排序方法 | |
| CN111259245A (zh) | 作品推送方法、装置及存储介质 | |
| US20200175058A1 (en) | Methods and systems generating curated playlists | |
| CN115687745A (zh) | 多媒体数据推荐方法、装置、存储介质及计算机设备 | |
| Smyth | People who liked this also liked... A publication analysis of three decades of recommender systems research | |
| Liu | The impact of social media on communication and popularity in the fashion industry | |
| CN115379266B (zh) | 弹幕展示方法及装置 | |
| CN109710836A (zh) | 一种基于追星族公会的大数据智能推荐系统及方法 | |
| Pandey et al. | Role of Gamification in Influencer Marketing: Studying the Mediating Role of Utilitarian, Hedonic, and Attitude on eWOM | |
| US20230005026A1 (en) | Conversational Targeted Content | |
| Yuan et al. | High-quality activity-level video advertising | |
| CN116932880B (zh) | 信息推荐方法、装置、计算机设备、存储介质及程序产品 | |
| CHOI et al. | Advertising attributes of one-person media distribution in purchase intent |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |