一种用户行为分析与个性化推荐方法及系统

本发明涉及用户行为数据处理技术领域，公开了一种用户行为分析与个性化推荐方法及系统，该方法包括：采集用户的多维度行为数据，并对其进行特征提取；基于行为数据定义关键特征，通过特征选择算法减少冗余特征，并利用归一化处理统一数值型特征的量纲，生成用于深度学习模型的输入特征向量；采用混合深度学习架构对输入特征向量进行处理，并结合用户行为序列与商品特征生成用户‑商品交互模型；基于深度学习模型对新用户行为数据进行实时预测，并根据预测结果动态调整推荐策略；通过可视化界面展示用户行为分析结果，并结合A/B测试框架对推荐策略进行持续优化。本发明有效解决了传统推荐系统在多源数据处理和推荐个性化等方面的不足。