[發明專利]基于用戶畫像的個性化商品推薦方法及系統

在審

• 申請號: 202210085544.7
• 申請日: 2022-01-25
• 公開（公告）號: CN114493782A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 張元杰;管洪清;徐亮;王偉;張大千;尹廣楹;孫浩云
• 申請（專利權）人: 青島文達通科技股份有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/9537;G06F16/9536;G06F16/906;G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.基于用戶畫像的個性化商品推薦方法，其特征是，包括：

獲取目標用戶線上注冊的基本信息；獲取目標用戶線上和線下瀏覽數據；對目標用戶注冊基本信息、目標用戶線上瀏覽數據和目標用戶線下瀏覽數據均進行預處理；

基于預處理后的目標用戶注冊基本信息、目標用戶線上瀏覽數據和目標用戶線下瀏覽數據，構建目標用戶畫像；

基于目標用戶與其他用戶的線上交互記錄，和目標用戶與居住社區內其他用戶的線下交互記錄，構建目標用戶的社交網絡；

構建目標用戶的社交網絡中除了目標用戶以外的其他用戶的用戶畫像；

比較目標用戶與所述社交網絡中其他用戶畫像的相似度，確定所述目標用戶的近鄰用戶；

根據目標用戶與所述近鄰用戶的瀏覽記錄，采用協同過濾算法，為目標用戶提供商品推薦結果。

2.如權利要求1所述的基于用戶畫像的個性化商品推薦方法，其特征是，獲取目標用戶線上注冊的基本信息；其中，線上注冊的基本信息，包括：姓名、性別、年齡和/或職業；

獲取目標用戶線上和線下瀏覽數據；

其中，線上瀏覽數據，包括：商品瀏覽次數、商品瀏覽市場、商品是否添加購物車、商品是否購買、商品購買次數、商品購買頻率；

其中，線下瀏覽數據，包括：到店消費次數、到店消費頻率、到店登記次數。

3.如權利要求1所述的基于用戶畫像的個性化商品推薦方法，其特征是，對目標用戶注冊基本信息、目標用戶線上瀏覽數據和目標用戶線下瀏覽數據均進行預處理；具體包括：

將非結構化數據轉換為結構化數據；將非數值數據轉換為數值數據。

4.如權利要求1所述的基于用戶畫像的個性化商品推薦方法，其特征是，基于預處理后的目標用戶注冊基本信息、目標用戶線上瀏覽數據和目標用戶線下瀏覽數據，構建目標用戶畫像；其中，目標用戶畫像的構建過程為：

將預處理后的目標用戶注冊基本信息進行編碼處理，得到第一文本向量；

將目標用戶線上瀏覽數據進行編碼處理，得到第二文本向量；

將目標用戶線下瀏覽數據進行編碼處理，得到第三文本向量；

將第一、第二和第三文本向量進行串聯拼接，得到目標用戶畫像。

5.如權利要求1所述的基于用戶畫像的個性化商品推薦方法，其特征是，基于目標用戶與其他用戶的線上交互記錄，和目標用戶與居住社區內其他用戶的線下交互記錄，構建目標用戶的社交網絡；其中，

基于目標用戶與其他用戶的線上交互記錄，包括：目標用戶與社交軟件好友的聊天次數以及聊天頻率；

目標用戶與居住社區內其他用戶的線下交互記錄，包括：目標用戶與所居住社區內其他用戶的相同實體店相同時間點的購物次數。

6.如權利要求1所述的基于用戶畫像的個性化商品推薦方法，其特征是，基于目標用戶與其他用戶的線上交互記錄，和目標用戶與居住社區內其他用戶的線下交互記錄，構建目標用戶的社交網絡；具體包括：

將目標用戶和其他所有用戶均視為社交網絡的節點；

將目標用戶與其他每個用戶之間的連接線視為社交網絡的邊；

如果目標用戶與線上其他用戶存在交互記錄，則表示二者之間存在邊；

如果目標用戶與線上其他用戶不存在交互記錄，則表示二者之間不存在邊；

同樣的，如果目標用戶與居住社區內的其他用戶存在相同時間點和相同地點的購物記錄，則表示二者之間存在邊；

如果目標用戶與居住社區內的其他用戶不存在相同時間點和相同地點的購物記錄，則表示二者之間不存在邊；

最后，將與目標用戶存在連接邊的用戶節點保留，對不存在連接邊的用戶節點刪除，得到目標用戶的社交網絡。

7.如權利要求1所述的基于用戶畫像的個性化商品推薦方法，其特征是，

根據目標用戶與所述近鄰用戶的瀏覽記錄，采用協同過濾算法，為目標用戶提供商品推薦結果；具體包括：

利用目標用戶瀏覽記錄中對商品的歷史購買記錄，和近鄰用戶對商品的歷史購買記錄，計算目標用戶與近鄰用戶的距離；

選擇距離最近的用戶，根據距離最近的用戶對商品的瀏覽記錄，將商品推薦給目標用戶。