[发明专利]一种基于主题模型的商品推荐方法及系统

权利要求书

1.一种基于主题模型的商品推荐方法，其特征在于，该方法包括以下步骤：

(1)收集原始数据：定时更新电商词库；整理各大电商商品类目并映射到自有类目体系；采集电商商品入库。

(2)文本预处理：遍历商品库，对商品的文本信息分词过滤，做成词袋。

(3)训练主题模型：获取类目及关联类目中的全部商品词袋，通过LDA机器学习库训练得到“主题-词”矩阵。

(4)处理商品主题分布：根据“主题-词”矩阵，遍历类目及关联类目下的全部商品词袋，得到商品的多维主题分布：(T₁,T₂,T₃,...T_V,)，主题特征向量T_v＝(w₁,w₂,w₃,...,w_K)，且v是商品序号，V是类目及关联类目下的商品总数，w_i是该商品文本信息在第i个主题下的权值，i是主题序号，K是主题个数。对商品的多维主题分布做降维处理：商品的主题向量T_v仅保留权值从大到小前n的主题，n大于等于1且小于主题个数K，实现主题向量的降维，商品投影在n维空间。设定降维次数N，得到N个商品主题分布。

(5)根据文本相关性，获取商品的文本近似商品。

(6)根据主题相关性，获取商品的相关商品，具体包括以下子步骤：

(6.1)找到输入商品在N个商品主题分布中的位置，在第i个商品主题分布中，选择x_i个商品主题向量，x₁,x₂,...,x_N依次增大、依次减少或根据线上点击情况确定，取出x₁,x₂,...,x_N个商品。

(6.2)计算原始商品主题向量的余弦相似度：根据商品的主题特征向量T_v＝(w₁,w₂,w₃,...,w_K)和商品的多维主题分布内所有向量T_u'、进行余弦相似度计算：取得相似度从大到小前Q个商品作为相关商品。

(7)基于逻辑回归的点击率预估策略，确定多种来源的推荐商品比例，实现商品的最优推荐效果。

2.根据权利要求1所述的一种基于主题模型的商品推荐方法，其特征在于，所述步骤5根据文本相关性，获取商品的文本近似商品具体为：使用VSM空间计算任意商品间的余弦相似度，词向量是商品文本词袋，权值是对应的TF-IDF值。

3.一种基于主题模型的商品推荐系统，其特征在于，包括采集模块、预处理模块、模型训练模块、主题相关性计算模块、文本相似性计算模块和推荐模块：

采集模块：定时更新电商词库；整理各大电商商品类目并映射到自有类目体系；采集电商商品入库。

预处理模块：遍历商品库，对商品的文本信息分词过滤，做成词袋。

模型训练模块：获取类目及关联类目中的全部商品词袋，通过LDA机器学习库训练得到“主题-词”矩阵。根据“主题-词”矩阵，遍历类目及关联类目下的全部商品词袋，得到商品的多维主题分布：(T₁,T₂,T₃,...T_V,)，其中主题特征向量T_v＝(w₁,w₂,w₃,...,w_K)，且v是商品序号，V是类目及关联类目下的商品总数，w_i是该商品文本信息在第i个主题下的权值，i是主题序号，K是主题个数。对商品的多维主题分布做降维处理：商品的主题向量T_v仅保留权值从大到小前n的主题，n大于等于1且小于主题个数K，实现主题向量的降维，商品投影在n维空间。设定降维次数N，得到N个商品主题分布。

文本相似性计算模块：根据文本相关性，获取商品的文本近似商品。

主题相关性计算模块：根据主题相关性，获取商品的相关商品，具体为：找到输入商品在N个商品主题分布中的位置，在第i个商品主题分布中，选择x_i个商品主题向量，x₁,x₂,...,x_N依次增大、依次减少或根据线上点击情况确定，取出x₁,x₂,...,x_N个商品。计算原始商品主题向量的余弦相似度：根据商品的主题特征向量T_v＝(w₁,w₂,w₃,...,w_K)和商品的多维主题分布内所有向量T′_u、进行余弦相似度计算：取得相似度从大到小前Q个商品作为相关商品。

推荐模块：基于逻辑回归的点击率预估策略，确定多种来源的推荐商品比例，实现商品的最优推荐。