[發(fā)明專(zhuān)利]一種基于階段的動(dòng)態(tài)產(chǎn)品推薦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410502965.0
• 申請(qǐng)日: 2014-09-28
• 公開(kāi)（公告）號(hào): CN105528704A
• 公開(kāi)（公告）日: 2016-04-27
• 發(fā)明（設(shè)計(jì)）人: 李濤;劉敏;李千目;侯君;徐建
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京理工大學(xué)常熟研究院有限公司
• 主分類(lèi)號(hào): G06Q30/00
• 分類(lèi)號(hào): G06Q30/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于階段的動(dòng)態(tài)產(chǎn)品推薦方法，其特征在于以下步驟：

a.首先分割用戶(hù)的購(gòu)買(mǎi)記錄，將其分為不同階段：定義一個(gè)統(tǒng)一的時(shí)間片T作為一個(gè)分割單位，然后根據(jù)T來(lái)分割購(gòu)買(mǎi)記錄H，即H={H_t0,H_t1,…,H_tn}，其中t₀表示當(dāng)前階段，即最近購(gòu)買(mǎi)時(shí)期，對(duì)于每個(gè)時(shí)期，都使用商品分類(lèi)法對(duì)用戶(hù)行為H_ti進(jìn)行建模；

b.使用產(chǎn)品分類(lèi)方法對(duì)用戶(hù)的長(zhǎng)期偏好進(jìn)行建模：對(duì)用戶(hù)長(zhǎng)期偏好進(jìn)行建模包括生成用戶(hù)信息以及模型改善；生成用戶(hù)信息：假設(shè)基本的類(lèi)別向量為<c₁,c₂,c₃,c₄,c₅>,權(quán)重類(lèi)別向量=<1,2,0,1,1>，其中每一項(xiàng)表示用戶(hù)對(duì)相應(yīng)的類(lèi)別的隱式評(píng)分;權(quán)重類(lèi)別向量是l₂歸一化的,用戶(hù)的長(zhǎng)期信息為R_u1={,,,…},確定u₁的當(dāng)前推薦階段為H_t0；

c.基于與目標(biāo)用戶(hù)相似的用戶(hù)的購(gòu)買(mǎi)行為構(gòu)建一張多模態(tài)圖；建立一個(gè)節(jié)點(diǎn)包括用戶(hù)、產(chǎn)品和類(lèi)別的多模態(tài)圖，而節(jié)點(diǎn)之間的邊的權(quán)重由鄰接矩陣W確定;U_p、P_p、P_c分別表示用戶(hù)與產(chǎn)品、用戶(hù)與類(lèi)別、產(chǎn)品與類(lèi)別之間的關(guān)系，

;

d.在構(gòu)建的多模態(tài)圖上運(yùn)用隨機(jī)游走推理，得到最終的推薦列表：執(zhí)行隨機(jī)游走原理RWR來(lái)取得與給定用戶(hù)q高度相關(guān)的元素，在向量選擇一個(gè)排在頂端的元素子集e，如果e_i是用戶(hù)，則選擇e_i最近購(gòu)買(mǎi)的產(chǎn)品放進(jìn)推薦列表l中；如果e_i是產(chǎn)品，則直接將e_i放進(jìn)l中；如果e_i是類(lèi)別，則選擇對(duì)e_i的IC值貢獻(xiàn)最大的產(chǎn)品放進(jìn)l中,進(jìn)而得到最終的產(chǎn)品推薦列表。

2.根據(jù)權(quán)利要求1所述的一種基于階段的動(dòng)態(tài)產(chǎn)品推薦方法，其特征在于所述的隨機(jī)游走推理是使用歸一化的拉普拉斯圖構(gòu)建了一個(gè)矩陣A=,其中D是一個(gè)對(duì)角矩陣，而且它的第(i,i)個(gè)元素等于W中第i行的總和。