[发明专利]一种基于用户新奇度的在线商品推荐方法

说明书

一种基于用户新奇度的在线商品推荐方法，包括如下步骤：S1、根据用户u浏览商品的信息形成选择序列χ；S2、根据用户u的点击频率，确定用户的窗口时间W_t；S3、通过计算得到用户新奇度，其中，根据由用户选择开始截至时刻t时用户u的行为历史记录，预测用户u在时刻t选择新商品的概率；S4、根据得到的用户新奇度，向用户推荐在t时刻符合用户新奇度的商品或商品组合。通过引入用户对新旧商品开放性程度的心理指标因素，计算用户新奇度，并根据用户新奇度来对用户进行商品/商品组合的推荐，该在线商品推荐方法能够提升个性化推荐的准确度，从而为电商平台创造更多经济效益。

技术领域

本发明涉及电商平台的个性化推荐系统，特别是涉及一种基于用户新奇度的在线商品推荐方法。

背景技术

随着社会生产力提升，新的消费产品不断涌入市场，电商平台的迅速发展带来新的消费驱动力。2020年最新研究显示，目前网络销售渠道收入占全球零售总额的12％；未来五年内，它的增长速度将是实体交易的四倍。如此高速增长率，为电商平台带来了消费红利的黄金时代，也使其面临着日益激烈的竞争危机。

显然，搜索技术能有效过滤信息，帮助用户寻找心仪商品，却无法促进新消费增长，而推荐技术恰恰能有效提升用户下单率。亚马逊作为最早应用推荐系统的电子商务网站，在启用当年35％的销售额都来自该系统，并通过逐渐成熟的推荐系统，其站内用户下单转化率一度达到60％。

随着系统的不断完善，智能推荐效果越来越让人满意，用户需求也悄然改变。具体表现在，网购者进入购物频道后，不再进行关键词搜索，也无明确的购物目标，但仍长时间停留。他们“主动搜索”的行为被“被动推荐”取代，心态从“希望浏览满意商品”向“希望浏览满意推荐”发生转变。用户在浏览推荐内容中获得的愉悦感与满足感，一定程度地刺激他们产生购物欲望。

这些转变是人类猎奇心理和惰性的体现。因而，推荐效果的优劣除了表现为下单转化率，也更多体现在用户点击次数和浏览停留时间上。面对现如今越来越多的“猎奇型”用户和“盲目型”用户，如何其偏好进行准确预测，是有待解决的问题。

以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。

发明内容

本发明的主要目的在于克服上述技术缺陷，提供一种基于用户新奇度的在线商品(包括商品组合)推荐方法。

为实现上述目的，本发明采用以下技术方案：

一种基于用户新奇度的在线商品推荐方法，包括如下步骤：

S1、根据用户u浏览商品的信息形成选择序列其中，选择序列其中随机变量x_t表示用户u在时刻t选择的商品，按选择行为发生的时间戳的升序排列，x_t-1表示x_t前的选择商品，x_t+1表示在x_t后的选择商品；

S2、根据用户u的点击频率，确定用户的窗口时间W_t，其中，窗口时间|W_t|表示窗口序列W_t发生商品选择的次数，其中窗口序列W_t是用户的选择序列的子序列，

S3、通过计算得到用户新奇度，其中，根据由用户选择开始截至时刻t时用户u的行为历史记录，预测用户u在时刻t选择新商品的概率；用户新奇度的预测概率为，在给定的窗口时间|W_t|，t时刻下用户u选择的物品x_t不在W_t中的概率即用户新奇度值；

S4、根据得到的用户新奇度，向用户推荐在t时刻符合用户新奇度的商品或商品组合。

进一步地：