基于用户性格分析的智能礼物推荐系统

针对有些客户在购买礼物时挑选困难的问题，本文采用C/S模式架构设计，再采用语音转文本、jieba分

在当前社会中存在由于场景、送礼对象的喜好性格等各方面的因素的不同造成送礼人不能挑选到一份合乎收礼人心意的礼物，甚至有时因为场合不对造成送礼的尴尬和矛盾。目前市场上有一些针对于此问题的软件，但这些软件在功能方面较单一；在礼物推荐方面仅通过输入关键词查找推荐的方式，操作复杂，且搜索到收礼人满意的礼物商品的准确率低。因此开发一款智能、功能全面、推荐礼物与用户匹配准确率高的礼物推荐应用非常必要。

就目前来看，针对礼物推荐的研究很少。吴帅军[1]等人使用基于用户习惯偏好相似度的Slope One算法(UPS Slope One)、基于协同过滤的个性化推荐开发出“知礼”平台。但在获取用户信息方面，其使用用户答题的方式，获取信息较单一且操作较麻烦。市场上现存的礼物推荐软件例如礼物说，均为分类和关键词搜索的方式进行礼物推荐，匹配到用户满意的礼物的概率低。但电商的发展促进了对商品推荐的研究。焦琛皓[2]采用门控循环神经网络(GRU)模型来对用户购买的商品序列学习，之后又采用基于流行度的负采样来改善模型效果。

此外他还使用因子分解机算法与GRU 共用相同的输入， 并行的生成购买物品概率的预测，最后将FM 与RNN 结合生成最终推荐结果。常昊和杨盛泉[3]将传统的协同过滤算法和决策树算法进行结合，对结合的算法改进，最终创建协同过滤决策树算法来进行商品推荐，得到的实验结果较传统的算法，准确率得到了提升。但以上研究仍存在三个问题：一用户数据获取较复杂；二礼物与用户的性格等特征的紧密度比普通商品的大，不能采用普通商品的推荐算法；三商品的被推荐者一般不为商品的使用者(即送礼人一般不为收礼人)。

因此为了解决更加准确地推荐出各种礼物的问题，本文采用Flask 和SpringBoot 相结合的后台开发， 再利用mysql 数据库、网络爬虫、jieba 分词等技术，设计了基于用户性格分析的礼物商品推荐算法，开发出了具有查询浏览礼物商品、发布查看礼物帖子、浏览收藏关注DIY 礼物教程、精致礼物推荐美文、用户性格分析智能推荐礼物、好友生日提醒以及用户所有信息查看功能的智能礼物推荐系统。

2. 总体设计 结合功能需求，系统设计了五大功能模块，分别是首页礼物帖子资讯、礼物寓意故事文章、基于用户性格分析的推荐量身定制的礼物、DIY 礼物视频文章教程、我的(包括一些重要纪念日提醒与收藏等)。

这些功能几乎涵盖了用户对于礼物挑选的所有需求，系统总体功能设计如图1 所示。