[發明專利]一種新型的商品推薦方法

在審

• 申請號: 202111134517.6
• 申請日: 2021-09-27
• 公開（公告）號: CN114022233A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 劉鵬;張真;高中強;張堃;唐甜甜;嚴樂樂
• 申請（專利權）人: 南京云創大數據科技股份有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/36;G06F16/33;G06F16/951;G06F40/216
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 王磊

1.一種新型的商品推薦方法，其特征在于，包括以下步驟：

步驟1：獲取“用戶-商品”交互信息和商品屬性信息；

步驟2：對獲取的“用戶-商品”交互信息和商品屬性信息進行預處理；

步驟3：根據預處理后的“用戶-商品”交互信息構建用戶商品交互圖，提取用戶和商品間的交互關系；

步驟4：根據預處理后的商品屬性信息構建商品屬性知識圖譜；

步驟5：計算“用戶-商品”交互信息中商品間的商品交互相似度；

步驟6：將商品屬性知識圖譜中的商品屬性向量化，得到每個商品的商品屬性量化值；

步驟7：根據商品屬性量化值計算商品屬性間的商品屬性語義相似度；

步驟8：根據商品屬性語義相似度和商品交互相似度計算所有商品的商品融合相似度；

步驟9：根據商品融合相似度，通過共同注意力機制計算用戶對候選商品的注意力分值并將注意力分值降序排列，然后由神經網絡進行聚類以獲取商品推薦結果。

2.如權利要求1所述的一種新型的商品推薦方法，其特征在于，步驟1中，利用爬蟲技術爬取相應電商平臺上的“用戶-商品”交互信息和商品屬性信息，所述“用戶-商品”交互信息包括用戶對商品的評價、商品訪問記錄、商品搜素信息和商品收藏信息，所述商品屬性信息包括商品價格和商品類型。

3.如權利要求1所述的一種新型的商品推薦方法，其特征在于，步驟2中，首先對獲取的“用戶-商品”交互信息和商品屬性信息進行篩選，刪除其中的殘缺信息，然后對篩選后的“用戶-商品”交互信息和商品屬性信息進行VAE變分自動編碼，最后通過分布變換，得到向量形式的“用戶-商品”交互信息和商品屬性信息。

4.如權利要求1所述的一種新型的商品推薦方法，其特征在于，步驟4中，首先將預處理后的商品屬性信息轉化為可處理的結構化數據，然后通過對齊、建邊的方式得到知識庫，最后對知識庫進行關系挖掘和實體鏈接以得到商品屬性知識圖譜。

5.如權利要求1所述的一種新型的商品推薦方法，其特征在于，步驟5中，首先根據“用戶-商品”交互信息提取任意兩種商品的商品交互向量，并組建交互數據集合；然后根據商品交互向量，利用TF-IDF算法計算交互數據集合中任意兩種商品的商品交互相似度。

6.如權利要求1所述的一種新型的商品推薦方法，其特征在于，步驟6具體包括步驟：

S6.1、將商品屬性知識圖譜中的頭實體節點、尾實體節點、頭實體節點與尾實體節點間的關系抽取為正例三元組；

S6.2、基于負采樣算法生成正例三元組的負例三元組；

S6.3、根據正例三元組和負例三元組訓練得到每個商品的商品屬性量化值。

7.如權利要求6所述的一種新型的商品推薦方法，其特征在于，在步驟S6.2中：

對于關系v_r對應的所有正例三元組，統計所有正例三元組中每種頭實體節點對應的尾實體節點的數量，并根據該數量計算所涉及到的每個頭實體節點的尾平均值；

統計所有正例三元組中每種尾實體節點對應的頭實體節點的數量，并根據該數量計算所涉及到的每個尾實體節點的頭平均值；根據尾平均值和頭平均值計算概率P，P＝尾平均值/(尾平均值+頭平均值)；

從所有具有關系v_r的正例三元組中以概率P選取一個與當前正例三元組不同的頭實體節點替換當前正例三元組中的頭實體節點，生成負例三元組；

從所有具有關系v_r的正例三元組中以概率1-P選取一個與當前正例三元組不同的尾實體節點替換當前正例三元組中的尾實體節點，生成負例三元組。