一种手机银行广告的推荐方法及系统与流程

技术特征：
1.一种手机银行广告的推荐方法，其特征在于，所述方法包括：获取用户浏览各个手机银行广告的浏览次数；根据所述用户浏览各个所述手机银行广告的所述浏览次数，构建第一广告评分矩阵，所述第一广告评分矩阵中的每个元素为所述手机银行广告对应的所述浏览次数；对所述第一广告评分矩阵中的各个元素添加干扰噪声，得到第二广告评分矩阵；基于所述第二广告评分矩阵，利用预设算法进行迭代训练直至满足迭代停止条件，得到各个所述手机银行广告的预测浏览次数；将所述预测浏览次数最高的前n个所述手机银行广告推荐给所述用户。2.根据权利要求1所述的方法，其特征在于，所述对所述第一广告评分矩阵中的各个元素添加干扰噪声，得到第二广告评分矩阵，包括：执行以下步骤，对所述第一广告评分矩阵中的每个元素进行处理，得到第二广告评分矩阵；所述以下步骤包括：针对所述第一广告评分矩阵中的每个元素，若所述元素对应的所述浏览次数为0，则不对所述元素进行处理，若所述元素对应的所述浏览次数不为0，则向所述元素添加拉普拉斯噪声。3.根据权利要求1所述的方法，其特征在于，所述基于所述第二广告评分矩阵，利用预设算法进行迭代训练直至满足迭代停止条件，得到各个所述手机银行广告的预测浏览次数，包括：将所述第二广告评分矩阵添加至矩阵分解算法中进行迭代训练，直至满足梯度下降算法对应的迭代停止条件，得到用户数据矩阵和广告数据矩阵；将所述用户数据矩阵和所述广告数据矩阵相乘，得到第三广告评分矩阵，所述第三广告评分矩阵的每个元素为所述手机银行广告的预测浏览次数。4.根据权利要求3所述的方法，其特征在于，还包括：在将所述第二广告评分矩阵添加至矩阵分解算法中进行迭代训练的过程中，对每次迭代得到的中间结果添加拉普拉斯噪声。5.根据权利要求1所述的方法，其特征在于，所述将所述预测浏览次数最高的前n个所述手机银行广告推荐给所述用户之前，还包括：基于所述预测浏览次数，对各个所述手机银行广告进行排序。6.一种手机银行广告的推荐系统，其特征在于，所述系统包括：获取单元，用于获取用户浏览各个手机银行广告的浏览次数；构建单元，用于根据所述用户浏览各个所述手机银行广告的所述浏览次数，构建第一广告评分矩阵，所述第一广告评分矩阵中的每个元素为所述手机银行广告对应的所述浏览次数；添加单元，用于对所述第一广告评分矩阵中的各个元素添加干扰噪声，得到第二广告评分矩阵；处理单元，用于基于所述第二广告评分矩阵，利用预设算法进行迭代训练直至满足迭代停止条件，得到各个所述手机银行广告的预测浏览次数；推荐单元，用于将所述预测浏览次数最高的前n个所述手机银行广告推荐给所述用户。
7.根据权利要求6所述的系统，其特征在于，所述添加单元具体用于：执行以下步骤，对所述第一广告评分矩阵中的每个元素进行处理，得到第二广告评分矩阵；所述以下步骤包括：针对所述第一广告评分矩阵中的每个元素，若所述元素对应的所述浏览次数为0，则不对所述元素进行处理，若所述元素对应的所述浏览次数不为0，则向所述元素添加拉普拉斯噪声。8.根据权利要求6所述的系统，其特征在于，所述处理单元包括：训练模块，用于将所述第二广告评分矩阵添加至矩阵分解算法中进行迭代训练，直至满足梯度下降算法对应的迭代停止条件，得到用户数据矩阵和广告数据矩阵；处理模块，用于将所述用户数据矩阵和所述广告数据矩阵相乘，得到第三广告评分矩阵，所述第三广告评分矩阵的每个元素为所述手机银行广告的预测浏览次数。9.根据权利要求8所述的系统，其特征在于，所述处理单元还包括：添加模块，用于在将所述第二广告评分矩阵添加至矩阵分解算法中进行迭代训练的过程中，对每次迭代得到的中间结果添加拉普拉斯噪声。10.根据权利要求6所述的系统，其特征在于，所述系统还包括：排序单元，用于基于所述预测浏览次数，对各个所述手机银行广告进行排序。

技术总结
本发明公开了一种手机银行广告的推荐方法及系统，可应用于大数据领域。获取用户浏览各个手机银行广告的浏览次数；根据用户浏览各个手机银行广告的浏览次数，构建第一广告评分矩阵；对第一广告评分矩阵中的各个元素添加干扰噪声，得到第二广告评分矩阵；基于第二广告评分矩阵，利用预设算法进行迭代训练直至满足迭代停止条件，得到各个手机银行广告的预测浏览次数；将预测浏览次数最高的前n个手机银行广告推荐给用户。即保护了用户的数据也能精准推荐手机银行广告，提高用户数据的安全性和提高用户体验。高用户体验。高用户体验。


技术研发人员：车瑞红
受保护的技术使用者：中国银行股份有限公司
技术研发日：2021.09.06
技术公布日：2021/11/21