一種基于app平臺和數(shù)據(jù)挖掘的分析推薦方法
【技術領域】
[0001]本發(fā)明屬于互聯(lián)網(wǎng)技術領域，具體涉及一種基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法。
【背景技術】
[0002]隨著移動互聯(lián)網(wǎng)技術的發(fā)展與普及，APP產(chǎn)品也大量涌現(xiàn)。APP產(chǎn)品的使用由于不受時間和空間限制，所以具有用戶規(guī)模大的特點，由于目前的APP主要用于拓展公司主營業(yè)務，缺乏與用戶的互動，附加服務較少，所以產(chǎn)品體驗度不夠高，不能發(fā)現(xiàn)用戶的潛在需求，無法挖掘出真正客戶所需的推薦內(nèi)容。

【發(fā)明內(nèi)容】

[0003]為了克服上述技術問題，本發(fā)明的目的為了提供一種互動性強、推薦結果可靠并基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法。
[0004]本發(fā)明采用的技術方案是:
一種基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法，包括以下步驟:A)用戶選擇APP平臺所提供的內(nèi)容進行測試，系統(tǒng)取得測試結果；B)判斷結果是否合格，合格則結束流程，否則進入下一步；C)判斷用戶是否有學習興趣，是則進入下一步，否則執(zhí)行挖掘分析流程以輸出推薦內(nèi)容給用戶；D)將提高練習的內(nèi)容推送給用戶，并再次進行測試；E)判斷用戶是否滿意，如果否返回D，如果是進入下一步；F)結束流程。
[0005]進一步，所述步驟C)的挖掘分析流程包括Cl)采集用戶在APP平臺使用時的興趣愛好與學習情況數(shù)據(jù)，并進行篩選與截取處理取得數(shù)據(jù)源；C2)針對Cl處理好的數(shù)據(jù)，通過算法建模分析得到高頻興趣愛好與學習情況數(shù)據(jù)的結果；C3)將C2的分析結果與預存的推薦內(nèi)容映射，存儲于數(shù)據(jù)存儲模塊中；C4)將推薦結果推送給用戶，執(zhí)行F。
[0006]進一步，所述步驟C2中算法包括以下步驟:C21)從η個數(shù)據(jù)實例中隨機選取k個觀測點，作為聚類中心，然后遍歷其他n-k個觀測點，并分別找到距離其最近的聚類中心點，加入該聚類中；C22)求出新的k個聚類中心點，再遍歷其他n-k個觀測點，再找到距離其最近的聚類中心點，加入該聚類中，如此迭代循環(huán)；C23)直到前后兩次聚類中心點保持不變，循環(huán)結束，得到k個聚類中心點以及k個聚類。
[0007]進一步，所述步驟A中用戶根據(jù)自身學習情況選擇具體難度等級的內(nèi)容進行測試，且根據(jù)預先劃分的測試結果等級進行評估。
[0008]進一步，所述測試結果等級包括多個等級，且其中一個中間等級為合格等級。
[0009]本發(fā)明的有益效果是:
本發(fā)明基于APP平臺，運用數(shù)據(jù)挖掘分析方法，通過采集一定時間段內(nèi)的用戶數(shù)據(jù)，分析用戶習慣，與之互動，發(fā)現(xiàn)用戶的潛在需求，發(fā)出適當?shù)耐扑]內(nèi)容，可以增加用戶的產(chǎn)品體驗度，增強用戶黏性。
【附圖說明】
[0010]下面結合附圖對本發(fā)明的【具體實施方式】做進一步的說明。
[0011]圖1是本發(fā)明分析推薦方法的流程圖。
【具體實施方式】
[0012]參考圖1所示，為本發(fā)明的一種基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法，包括以下步驟:
A)用戶根據(jù)自身學習情況選擇測試難度，系統(tǒng)取得相應測試結果并根據(jù)事先劃分的等級(比如:A, B, C，D, E五個等級)進行評估;
B)用戶自己設定合格等級(A，B,C均可，但不能低于C)，判斷結果是否合格，合格則結束流程，否則進入下一步；
C)判斷用戶是否有學習興趣，是則進入下一步，否則執(zhí)行挖掘分析流程以輸出推薦內(nèi)容給用戶；其中，挖掘分析流程包括:
Cl)采集用戶在APP平臺使用時的興趣愛好與學習情況數(shù)據(jù)，并進行篩選與截取處理取得數(shù)據(jù)源；
C2)針對Cl處理好的數(shù)據(jù)，通過算法建模分析得到高頻興趣愛好與學習情況數(shù)據(jù)的結果;
該算法包括以下步驟:C21)從η個數(shù)據(jù)實例中隨機選取k個觀測點，作為聚類中心，然后遍歷其他n-k個觀測點，并分別找到距離其最近的聚類中心點，加入該聚類中；C22)求出新的k個聚類中心點，再遍歷其他n-k個觀測點，再找到距離其最近的聚類中心點，加入該聚類中，如此迭代循環(huán)；C23)直到前后兩次聚類中心點保持不變，循環(huán)結束，得到k個聚類中心點以及k個聚類。
[0013]C3)將C2的分析結果與預存的推薦內(nèi)容映射，存儲于數(shù)據(jù)存儲模塊中；C4)將推薦結果推送給用戶，執(zhí)行F。
[0014]D)將提高練習的內(nèi)容推送給用戶，并再次進行測試；
E)判斷用戶是否滿意，如果否返回D，如果是進入下一步；
F)結束流程。
[0015]可以看出，本系統(tǒng)與用戶的互動性強，兼具趣味性，指標明確，推薦結果可靠，用戶體驗好。
[0016]以上所述僅為本發(fā)明的優(yōu)先實施方式，本發(fā)明并不限定于上述實施方式，只要以基本相同手段實現(xiàn)本發(fā)明目的的技術方案都屬于本發(fā)明的保護范圍之內(nèi)。
【主權項】
1.一種基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法，其特征在于:包括以下步驟:A)用戶選擇APP平臺所提供的內(nèi)容進行測試，系統(tǒng)取得測試結果；B)判斷結果是否合格，合格則結束流程，否則進入下一步；C)判斷用戶是否有學習興趣，是則進入下一步，否則執(zhí)行挖掘分析流程以輸出推薦內(nèi)容給用戶；D)將提高練習的內(nèi)容推送給用戶，并再次進行測試；E)判斷用戶是否滿意，如果否返回D，如果是進入下一步；F)結束流程。2.根據(jù)權利要求1所述的一種基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法，其特征在于:所述步驟C)的挖掘分析流程包括Cl)采集用戶在APP平臺使用時的興趣愛好與學習情況數(shù)據(jù)，并進行篩選與截取處理取得數(shù)據(jù)源；C2)針對Cl處理好的數(shù)據(jù)，通過算法建模分析得到高頻興趣愛好與學習情況數(shù)據(jù)的結果；C3)將C2的分析結果與預存的推薦內(nèi)容映射，存儲于數(shù)據(jù)存儲模塊中；C4)將推薦結果推送給用戶，執(zhí)行F。3.根據(jù)權利要求2所述的一種基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法，其特征在于:所述步驟C2中算法包括以下步驟:C21)從η個數(shù)據(jù)實例中隨機選取k個觀測點，作為聚類中心，然后遍歷其他n-k個觀測點，并分別找到距離其最近的聚類中心點，加入該聚類中；C22)求出新的k個聚類中心點，再遍歷其他n-k個觀測點，再找到距離其最近的聚類中心點，加入該聚類中，如此迭代循環(huán)；C23)直到前后兩次聚類中心點保持不變，循環(huán)結束，得到k個聚類中心點以及k個聚類。4.根據(jù)權利要求1所述的一種基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法，其特征在于:所述步驟A中用戶根據(jù)自身學習情況選擇具體難度等級的內(nèi)容進行測試，且根據(jù)預先劃分的測試結果等級進行評估。5.根據(jù)權利要求4所述的一種基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法，其特征在于:所述測試結果等級包括多個等級，且其中一個中間等級為合格等級。
【專利摘要】本發(fā)明公開了一種基于APP平臺和數(shù)據(jù)挖掘的分析推薦方法，包括以下步驟：A）用戶選擇APP平臺所提供的內(nèi)容進行測試，系統(tǒng)取得測試結果；B）判斷結果是否合格，合格則結束流程，否則進入下一步；C）判斷用戶是否有學習興趣，是則進入下一步，否則執(zhí)行挖掘分析流程以輸出推薦內(nèi)容給用戶；D）將提高練習的內(nèi)容推送給用戶，并再次進行測試；E）判斷用戶是否滿意，如果否返回D，如果是進入下一步；F）結束流程。本發(fā)明基于APP平臺，運用數(shù)據(jù)挖掘分析方法，通過采集一定時間段內(nèi)的用戶數(shù)據(jù)，分析用戶習慣，與之互動，發(fā)現(xiàn)用戶的潛在需求，發(fā)出適當?shù)耐扑]內(nèi)容，可以增加用戶的產(chǎn)品體驗度，增強用戶黏性。
【IPC分類】G06F17/30
【公開號】CN105183782
【申請?zhí)枴緾N201510502000
【發(fā)明人】余敬龍
【申請人】廣東能龍教育股份有限公司
【公開日】2015年12月23日
【申請日】2015年8月14日