[发明专利]基于搜索行为感知的协同过滤推荐方法

权利要求书

1.基于搜索行为感知的协同过滤推荐方法，其特征在于，包括如下步骤：

（101）分析电子商务网站上用户的询盘行为和搜索行为，统一用户、产品和关键词的标识；

（102）构造基于搜索行为上下文的用户-产品-关键词张量，其使用关键词作为询盘行为的上下文；

（103）构造因子机模型训练数据集，建立张量与向量的映射，所述映射将三维张量转化成一维向量；

（104）建立基于因子机模型的推荐方法框架，所述框架通过训练数据集学习得到因子机模型的参数，并根据当前搜索行为作为上下文预测用户对产品的评价值；

（105）实验评估基于因子机模型的推荐方法。

2.根据权利要求1所述的基于搜索行为感知的协同过滤推荐方法，其特征在于：所述步骤（101）包括：

（101-1）分析电子商务网站日志文件中的用户身份，对用户身份进行消歧操作，将用户身份映射到系统中唯一的用户标识；

（101-2）识别用户行为记录中行为的类型，抽取行为序列；将询盘行为作为行为序列的结束，将与询盘行为最近的一个搜索行为作为行为序列的开始，将两种行为之间的点击行为作为行为序列的中间内容；其中，询盘行为发生之前如果没有搜索行为，则认为搜索行为为空；

（101-3）解析行为序列中涉及的产品，以及搜索行为中使用的关键词。

3.根据权利要求1所述的基于搜索行为感知的协同过滤推荐方法，其特征在于：所述步骤（104）中，所述推荐方法框架分为学习和预测两个过程；在学习过程中，所述推荐方法框架根据步骤（103）构造的训练数据集，通过学习得到因子机模型的参数；在预测过程中，所述框架根据给定的用户、产品以及用户使用的关键词，使用学习得到的模型参数计算评价值。

4.根据权利要求1或3所述的基于搜索行为感知的协同过滤推荐方法，其特征在于：所述步骤（104）采用改进的交替最小二乘算法进行因子机模型的参数估计，并且采用的方式是首先固定与求解参数无关的已知量，然后计算求解参数的解析解。

5.根据权利要求1所述的基于搜索行为感知的协同过滤推荐方法，其特征在于：所述步骤（105）包括准备数据集；采用均方根误差作为评价指标；在数据集上进行实验；分析实验结果。