[发明专利]基于特征融合的重复性商品信息推荐方法及电子设备

权利要求书

1.一种基于特征融合的重复性商品信息推荐方法，其特征在于，包括：

定义捕获重复性购物行为的重复性购物规则，具体包括：

定义1：对于用户u，给定商品集合I′＝{i₁，i₂…}，定义所述用户u的购物历史为：

其中表示用户u第n笔交易购买的商品集合，代表用户购买的时间，则定义重复消费模式为如下的格式：

表示用户u在t_s时刻和t_e时刻购买了商品i，并且在t_s和t_e之间没有购买i；

定义商品的形状参数，基于所述重复性购物规则，利用威布尔函数建模，得到重复性商品购物周期，其中，所述重复性商品购物周期为：

其中γ_i代表商品i的尺度参数，θ_i代表商品i的形状参数，t代表时间；如果θ_i＝1，所述威布尔函数退化成一个指数函数，如果θ_i＞1，则所述威布尔函数随着时间不断变大，θ_i＜1则所述威布尔函数随着时间不断变小；

基于所述重复性商品购物周期，得到商品的存活函数和危险函数的关系，其中，所述商品的存活函数和危险函数的关系具体为：

其中代表危险函数，它表示重复消费模式从t_s持续到t_e然后消逝的概率，代表存活函数，它表示重复消费模式至少能存活t_e-t_s时间的概率；

融合用户的历史购物行为，通过时序模型建模所述形状参数的时序变化，得到重新定义的形状参数，其中，所述重新定义的形状参数为：

其中k为用户的第k笔交易，为通过时序函数建模用户偏好和商品交互影响的融合，为权重参数；

基于所述重新定义的形状参数，改变所述存活函数的计算方式，得到重新定义的危险函数和约束方程，其中，所述约束方程具体为：

其中Ω为学习参数和权重参数的集合；

基于所述重新定义的危险函数和所述约束方程，根据训练集挖掘的重复模式构建目标函数，优化所述目标函数，得到预测模型，其中，所述目标函数为：

其中，I()代表恒等函数；

使用所述预测模型对用户重复性购物行为进行预测，得到预测结果，依据所述预测结果进行商品信息推荐。

2.根据权利要求1所述的一种基于特征融合的重复性商品信息推荐方法，其特征在于，所述时序模型具体为LSTM模型。

3.根据权利要求1所述的一种基于特征融合的重复性商品信息推荐方法，其特征在于，所述优化所述目标函数的过程具体为：通过拉格朗日函数对所述目标函数进行合并求导。

4.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任意一项所述的方法。