基于深度学习的员工福利需求预测与动态推荐方法

本发明公开了基于深度学习的员工福利需求预测与动态推荐方法，涉及需求预测推荐技术领域，用于解决传统推荐系统往往依赖静态的用户偏好或单一维度的历史数据，推荐系统大多基于少数几个因素，无法及时适应用户偏好的变化，现有的推荐算法通常依赖单一用户的历史数据来进行推荐，忽略了相似用户的集体行为和偏好的问题；通过收集员工的愿望物品输入，并结合标签占比设定推荐标签比例，实现更精准的个性化推荐。根据员工的反馈数据和作业情况，系统可以动态调整推荐标签占比和相似度阈值，从而不断优化推荐效果，根据不同情况选取不同的推荐方法，提高了推荐的灵活性和多样性，更能满足员工的多样化需求。