[發(fā)明專利]一種基于社交關(guān)系影響因素的電商平臺(tái)推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010521153.6
• 申請(qǐng)日: 2020-06-09
• 公開（公告）號(hào): CN111681084B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 孫知信;卞嵐;徐玉華;汪胡青
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06Q30/06
• 分類號(hào): G06Q30/06;G06Q50/00;G06F16/9536
• 代理公司: 南京正聯(lián)知識(shí)產(chǎn)權(quán)代理有限公司 32243
• 代理人: 王素琴

本發(fā)明公開了一種基于社交關(guān)系影響因素的電商平臺(tái)推薦方法，具體包括：步驟一：統(tǒng)計(jì)目標(biāo)用戶有行為記錄的商品及其相關(guān)度高于設(shè)定閾值的無行為記錄的商品集合，建立用戶?產(chǎn)品評(píng)分矩陣，步驟二：搜集目標(biāo)用戶的社交關(guān)系信息，計(jì)算用戶之間相似度從而得到用戶的最近鄰集合，然后通過運(yùn)算得到目標(biāo)用戶的社交鄰近度，步驟三：利用社交關(guān)系信息、近鄰信息和社交鄰近度對(duì)評(píng)分矩陣建立分解模型，步驟四：利用隨機(jī)梯度下降法訓(xùn)練用戶、項(xiàng)目隱含特征向量矩陣，形成最終的預(yù)測(cè)評(píng)分，步驟五：根據(jù)計(jì)算結(jié)果向用戶評(píng)分最高的前N個(gè)無行為記錄商品。本發(fā)明提高了推薦的準(zhǔn)確度，提升了用戶的信任度和體驗(yàn)感，有效增加各類商品的推廣度，提高電商平臺(tái)的收益。

技術(shù)領(lǐng)域

本發(fā)明屬于個(gè)性化產(chǎn)品推薦領(lǐng)域，特別是涉及一種基于社交關(guān)系影響因素的電商平臺(tái)推薦方法。

背景技術(shù)

隨著電子商務(wù)的不斷發(fā)展，網(wǎng)絡(luò)購物用戶規(guī)模會(huì)一直呈增長(zhǎng)態(tài)勢(shì)，致使購物網(wǎng)站中的推薦技術(shù)得到應(yīng)用，帶來的效果越來越明顯。對(duì)于個(gè)性化推薦系統(tǒng)的探索，不論電商平臺(tái)還是學(xué)者，都在不斷增大投入并進(jìn)行深入探索。為了滿足用戶需求并增強(qiáng)購買意愿，各大電商平臺(tái)已經(jīng)研發(fā)并應(yīng)用了基于用戶的瀏覽與購買、收藏行為的電商推薦系統(tǒng)。

在面對(duì)電商平臺(tái)中大量的產(chǎn)品信息，如何根據(jù)不同的用戶篩選、過濾出其感興趣的信息，做到個(gè)性化，精準(zhǔn)化推薦產(chǎn)品，使得用戶的操作更加高效，增強(qiáng)用戶的使用感和體驗(yàn)感，是當(dāng)前該領(lǐng)域的推薦系統(tǒng)需要解決、優(yōu)化的核心問題。目前，電商平臺(tái)現(xiàn)有的推薦方法主要為協(xié)同過濾推薦方法，基于項(xiàng)目的協(xié)同過濾推薦其核心思想是給用戶推薦那些和他們之前喜歡的物品相似的物品，但是基于項(xiàng)目的協(xié)同過濾推薦并不利用物品的內(nèi)容屬性計(jì)算物品的相似度，它主要通過分析用戶的行為記錄計(jì)算物品的相似度。此外，現(xiàn)有技術(shù)的協(xié)同過濾推薦沒有區(qū)分用戶之間的差異性，只是單一的考慮了用戶的主觀評(píng)分或評(píng)價(jià)等顯式反饋數(shù)據(jù)(即它可以直接反映用戶的興趣偏好)。因此這類方法適用于用戶有行為記錄的項(xiàng)目推薦。

但是對(duì)于用戶沒有瀏覽過的物品，這類物品項(xiàng)目的反饋數(shù)據(jù)較少，數(shù)據(jù)稀疏較嚴(yán)重，因此現(xiàn)有的主要方法對(duì)于用戶沒有行為記錄的物品的推薦效果并不是很好，一方面會(huì)導(dǎo)致用戶體驗(yàn)性降低，另一方面也不利于電商平臺(tái)中對(duì)商品全面有效的推廣。

發(fā)明內(nèi)容

本發(fā)明提出了一種基于社交關(guān)系影響因素的電商平臺(tái)推薦方法，用于解決現(xiàn)有的電商平臺(tái)推薦方式的推薦結(jié)果準(zhǔn)確率不高，容易因?yàn)閿?shù)據(jù)稀疏性導(dǎo)致的用戶體驗(yàn)度降低的問題。可以使用戶快速的在大量的產(chǎn)品中挑選出自己感興趣的產(chǎn)品，使得用戶的操作更加高效便捷，提升用戶的體驗(yàn)感。

為達(dá)到上述目的，本發(fā)明是通過以下技術(shù)方案來實(shí)現(xiàn)的：

本發(fā)明是一種基于社交關(guān)系影響因素的電商平臺(tái)推薦方法，包括：

步驟一，將用戶有行為記錄的商品作為集合P1，計(jì)算P1中的商品與沒有行為記錄的商品之間的相關(guān)度，將相關(guān)度高于閾值R的商品作為集合P2，令P1與P2的并集為目標(biāo)用戶推薦項(xiàng)目的集合，并根據(jù)目標(biāo)用戶行為建立相應(yīng)的評(píng)分矩陣；

步驟二，搜集目標(biāo)用戶的社交關(guān)系信息N(v)，目標(biāo)用戶的社交關(guān)系信息是指和目標(biāo)用戶有過互動(dòng)的其他用戶集合，并統(tǒng)計(jì)社交關(guān)系信息中好友的個(gè)數(shù)num(N(v))，計(jì)算用戶與同區(qū)域所有用戶之間的相似度，并取前ψ*num(N(v))個(gè)最鄰近用戶的集合作為目標(biāo)用戶的鄰近信息N(u),其中ψ為一個(gè)統(tǒng)計(jì)值，然后統(tǒng)計(jì)目標(biāo)用戶的社交關(guān)系信息N(v)與鄰近信息N(u)的交集中用戶個(gè)數(shù)K，即K＝num(N(u)∩N(v))，將K與鄰近信息中用戶個(gè)數(shù)的比值作為目標(biāo)用戶的社交鄰近度；

步驟三，利用社交關(guān)系信息、鄰近信息和社交鄰近度對(duì)評(píng)分矩陣建立分解模型，在該分解模型中引入權(quán)重參數(shù)來表示用戶自己的偏好和社交網(wǎng)絡(luò)中的朋友偏好對(duì)推薦效果的影響力度，取值范圍為0到1，其中，權(quán)重參數(shù)取0時(shí)，表示忽略用戶自己的偏好信息，僅僅考慮社交網(wǎng)絡(luò)中的朋友偏好信息，取1時(shí)表示忽略社交網(wǎng)絡(luò)中的朋友偏好信息，僅僅考慮用戶自己的偏好信息；