[發明專利]物品評論個性化推薦方法、系統、電子設備及存儲介質

有效

• 申請號: 201711421273.3
• 申請日: 2017-12-25
• 公開（公告）號: CN109960777B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 王穎帥;李曉霞;苗詩雨
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06Q30/06
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 薛琦;張冉

1.一種物品評論個性化推薦方法，其特征在于，包括：

對物品的多個物品評論數據進行預處理；

從預處理后的物品評論數據中提取特征，記錄每一特征的取值及所述物品評論數據是否對用戶選擇所述物品產生影響；

將所述物品評論數據是否對用戶選擇所述物品產生影響作為目標變量，結合所述特征的取值構建基于Xgboost的算法模型；

在目標用戶瀏覽所述物品時，根據所述算法模型輸出所述物品的匹配所述目標用戶的物品評論數據。

2.如權利要求1所述的物品評論個性化推薦方法，其特征在于，將所述物品評論數據是否對用戶選擇所述物品產生影響作為目標變量，結合所述特征的取值構建基于Xgboost的算法模型，包括：

將所述物品評論數據是否對用戶選擇所述物品產生影響作為目標變量，基于Xgboost構建樹并計算每一特征的重要性；

調試Xgboost的算法參數，以使得算法評估指標達到預設值；

測試并優化特征和Xgboost的算法參數，以形成所述算法模型。

3.如權利要求1所述的物品評論個性化推薦方法，其特征在于，對物品的多個物品評論數據進行預處理，包括：

在所述物品評論數據的信息存在缺失時，刪除所述物品評論數據或補全缺失的信息。

4.如權利要求3所述的物品評論個性化推薦方法，其特征在于，在所述物品評論數據的信息存在缺失時，根據以下因素中的至少一個確定是刪除所述物品評論數據或是補全缺失的信息：

所述物品評論數據的評論者的屬性；

所述多個物品評論數據中缺失信息的物品評論數據的數量。

5.如權利要求4所述的物品評論個性化推薦方法，其特征在于，通過以下方式中的任意一種補全缺失的信息：

根據缺失的信息的種類，將指定量插補至缺失的信息；

從物品評論數據集中，選取與缺失信息的物品評論數據在時間上最接近的物品評論數據，將選取的物品評論數據中與缺失的信息同一種類的信息插補至缺失的信息；

通過統計物品評論數據集中所有或部分物品評論數據中與缺失的信息同一種類的信息的分布情況，根據所述分布情況確定數值插補至缺失的信息。

6.如權利要求3所述的物品評論個性化推薦方法，其特征在于，對物品的多個物品評論數據進行預處理，還包括：

去除異常的物品評論數據；

將所述物品評論數據歸一化。

7.如權利要求1所述的物品評論個性化推薦方法，其特征在于，所述特征包括用戶維度特征、評論維度特征和交互維度特征；

其中，所述用戶維度特征包括用戶性別、用戶重要度等級、用戶是否為物品供應機構的會員和用戶價值分中的至少一種；

所述評論維度特征包括評論者評論等級分、評論創建時間距當前時間距離、評論分數、評論回復數、評論長度、評論中的圖片個數、評論是否有追評、評論中包含的物品標簽數量中的至少一種；

所述交互維度特征包括評論點贊的個數。

8.如權利要求2所述的物品評論個性化推薦方法，其特征在于，計算每一特征的重要性，包括：

計算每一特征在基于Xgboost構建樹的過程中的信息增益；

計算每一特征與目標變量之間的相關程度；

計算每一特征在基于Xgboost構建樹的過程中的頻數；

通過比較所有特征的信息增益、相關程度或頻數來衡量每一特征的重要性。

9.如權利要求2所述的物品評論個性化推薦方法，其特征在于，調試的算法參數包括：通用超參數、梯度提升參數、每一棵樹參數、任務學習參數；算法評估指標包括：AUC。

10.如權利要求1所述的物品評論個性化推薦方法，其特征在于，通過追蹤用戶在瀏覽所述物品評論數據之后是否選擇所述物品，確定所述物品評論數據是否對用戶選擇所述物品產生影響。