[發(fā)明專利]考慮時(shí)間效應(yīng)的產(chǎn)品組合推薦方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210505348.0
• 申請(qǐng)日: 2022-05-10
• 公開(kāi)（公告）號(hào): CN115204963A
• 公開(kāi)（公告）日: 2022-10-18
• 發(fā)明（設(shè)計(jì)）人: 王釗;張顧凱;蔣翠清;張化雨;陳夢(mèng)春
• 申請(qǐng)（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號(hào): G06Q30/06
• 分類號(hào): G06Q30/06;G06Q30/02;G06K9/62
• 代理公司: 北京久誠(chéng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11542
• 代理人: 郭子辰

本發(fā)明提供了一種考慮時(shí)間效應(yīng)的產(chǎn)品組合推薦方法和系統(tǒng)，涉及產(chǎn)品推薦技術(shù)領(lǐng)域。本發(fā)明首先構(gòu)建集成分類樹和集成生存樹分別預(yù)測(cè)用戶點(diǎn)擊概率以及用戶在不同時(shí)間的點(diǎn)擊概率；然后計(jì)算用戶響應(yīng)度并排序生成Top?N產(chǎn)品推薦列表；最后基于產(chǎn)品組合構(gòu)建推薦強(qiáng)度優(yōu)化模型，獲得組合中各個(gè)產(chǎn)品的推薦強(qiáng)度，提供了更為具體的推薦方案，有效提升了產(chǎn)品推薦的效果。

技術(shù)領(lǐng)域

本發(fā)明涉及產(chǎn)品推薦技術(shù)領(lǐng)域，具體涉及一種考慮時(shí)間效應(yīng)的產(chǎn)品組合推薦方法和系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，通過(guò)利用大數(shù)據(jù)、算法為用戶推薦合適產(chǎn)品能夠幫助客戶在海量的商品中快速找到需要產(chǎn)品，進(jìn)而有效提高成交率和用戶體驗(yàn)。

現(xiàn)有的推薦方法大多基于協(xié)同過(guò)濾，利用用戶或產(chǎn)品的相似度來(lái)衡量待推薦產(chǎn)品的預(yù)測(cè)評(píng)分。

但現(xiàn)有方法存在推薦準(zhǔn)確度低且僅針對(duì)單一產(chǎn)品進(jìn)行推薦的問(wèn)題。

發(fā)明內(nèi)容

(一)解決的技術(shù)問(wèn)題

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種考慮時(shí)間效應(yīng)的產(chǎn)品組合推薦方法和系統(tǒng)，解決了現(xiàn)有方法存在準(zhǔn)確度低且僅針對(duì)單一產(chǎn)品進(jìn)行推薦的問(wèn)題。

(二)技術(shù)方案

為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：

第一方面，提供了一種考慮時(shí)間效應(yīng)的產(chǎn)品組合推薦方法，該方法包括：

獲取觀測(cè)時(shí)間內(nèi)的產(chǎn)品屬性數(shù)據(jù)、刪失狀態(tài)數(shù)據(jù)與用戶點(diǎn)擊狀態(tài)數(shù)據(jù)作為產(chǎn)品數(shù)據(jù)集；

基于產(chǎn)品數(shù)據(jù)集構(gòu)建用戶點(diǎn)擊概率預(yù)測(cè)模型和用戶在不同時(shí)間的條件點(diǎn)擊概率預(yù)測(cè)模型；

基于用戶點(diǎn)擊概率預(yù)測(cè)模型和用戶在不同時(shí)間的條件點(diǎn)擊概率預(yù)測(cè)模型分別對(duì)若干待推薦產(chǎn)品的用戶點(diǎn)擊概率和用戶在不同時(shí)間的條件點(diǎn)擊概率進(jìn)行預(yù)測(cè)；

基于若干待推薦產(chǎn)品的用戶點(diǎn)擊概率和用戶在不同時(shí)間的條件點(diǎn)擊概率計(jì)算若干待推薦產(chǎn)品的用戶響應(yīng)度；

基于若干待推薦產(chǎn)品的用戶響應(yīng)度構(gòu)建產(chǎn)品組合推薦強(qiáng)度優(yōu)化模型，并求解產(chǎn)品組合推薦強(qiáng)度優(yōu)化模型得到產(chǎn)品組合推薦方案。

進(jìn)一步的，所述刪失狀態(tài)數(shù)據(jù)包括：在觀測(cè)時(shí)間內(nèi)未能觀測(cè)到產(chǎn)品被用戶點(diǎn)擊數(shù)據(jù)和在觀測(cè)時(shí)間內(nèi)觀測(cè)到產(chǎn)品被用戶點(diǎn)擊數(shù)據(jù)；

所述用戶點(diǎn)擊狀態(tài)數(shù)據(jù)包括：產(chǎn)品被用戶點(diǎn)擊數(shù)據(jù)和產(chǎn)品沒(méi)有被用戶點(diǎn)擊數(shù)據(jù)。

進(jìn)一步的，所述用戶點(diǎn)擊概率預(yù)測(cè)模型為基于集成分類樹的預(yù)測(cè)模型；所述用戶在不同時(shí)間的條件點(diǎn)擊概率預(yù)測(cè)模型為基于集成生存樹的預(yù)測(cè)模型。

進(jìn)一步的，所述用戶點(diǎn)擊概率預(yù)測(cè)模型的構(gòu)建步驟包括：

Q11、從產(chǎn)品數(shù)據(jù)集中抽取樣本構(gòu)建子數(shù)據(jù)集D^*，并將D^*輸入到二元分類樹Ctree的根節(jié)點(diǎn)；

Q12、從產(chǎn)品屬性數(shù)據(jù)中的K個(gè)特征中隨機(jī)選擇L個(gè)候選特征KL，采用二分法將特征F_k分組，k＝1,2,...,L，并計(jì)算其條件基尼指數(shù)：

其中，

|D^*|表示子數(shù)據(jù)集D^*的樣本量；

表示特征F_k屬于q組的樣本量，k＝1,2,...L，q＝1或2，分別表示特征的兩個(gè)分組；

表示q組中屬于c類的樣本量；c＝1或2，分別表示產(chǎn)品被點(diǎn)擊或產(chǎn)品未被點(diǎn)擊；

Q13、選擇具有最小基尼指數(shù)的候選特征分割節(jié)點(diǎn)；