[发明专利]一种考虑顾客消费行为和偏好的生鲜农产品在线推荐方法

权利要求书

1.一种考虑顾客消费行为和偏好的生鲜农产品在线推荐方法，其特征在于，包括如下步骤：

(1)数据分析与预处理；

(2)构建基于隐语义和行为序列效用的生鲜农产品效用函数；

(3)构建遍历购买周期的生鲜农产品选择模型；

(4)采用梯度下降法求解构建的生鲜农产品选择模型；

(5)利用召回率(Recall)和精度(Precision)评估预测效果。

2.根据权利要求1所述的考虑顾客消费行为和偏好的生鲜农产品在线推荐方法，其特征在于，所述步骤(1)具体包括如下步骤：

(1.1)所有的用户构成的用户集合U表示为U＝{u₁,u₂,u₃,…}，所有的商品构成的商品集合I表示为I＝{i₁,i₂,i₃,…}，一个购买周期s表示一个用户在一定时间范围内经过对比和选择并最终产生购买行为的过程，表示为一个三元组s＝(u,sq,i_b)，其中u∈U，表示该购买周期的用户；表示用户在该购买周期内的商品操作序列，i_b∈sq表示用户在此次购买周期中经过比较和选择之后最终购买的商品；所有购买周期的集合记为S＝{s₁,s₂,s₃,……}，

(1.2)去除低频生鲜产品，整理为用户在选购过程中对于生鲜产品的历史行为序列；

(1.3)采用启发式方法进行一个购买周期的划分，以用户每次的购买行为为分割点向前搜索，如果搜索的操作记录小于设定的阙值，则归为一个购买周期，获得在不同购买周期的用户行为序列；

(1.4)对各个购买周期内生鲜产品的频次和位次进行降序排序和统计分析，以频次和位次作为构建序列效用函数；

(1.5)对数据集进行划分，按比例将数据分为训练集与测试集，针对训练集，学习到预测模型M；针对测试集，在已知u和sequence的情况下，对任意待预测周期s′，利用预测模型预测最有可能购买的农产品，作为预测的结果，推荐给特定的用户。

3.根据权利要求1所述的考虑顾客消费行为和偏好的生鲜农产品在线推荐方法，其特征在于，所述步骤(2)中构建用户u在周期s内购买商品i的效用函数的具体方法是：

(2.1)定义w_s,u,i用来量化用户对生鲜产品的购买意愿，表示用户i在购买周期s内对生鲜产品i的效用值，对于用户的部分效用，表示为代表用户的潜在因子向量p_u与代表生鲜商品的潜在因子向量q_i的内积,如下所示：

其中，p_u^T表示矩阵p_u的转置。用户的偏好与商品特征越契合，即商品越符合用户的选择习惯，则其内积w越大；相反，商品越不符合用户的选择偏好，其效用值w就越小；

(2.2)用户在购买生鲜产品时的消费行为序列会体现用户的购买偏好，具体表现为商品在购买周期中出现的频率(frequency)和点击与购买的时间间隔(recency)两种因素，因此设计用户i在选择序列效用函数f(s,i)对购买周期s内的全部商品效用进行预估，作为生鲜农产品效用函数的第二部分，综合频率和时间间隔两个因素，给出f(s,i)的具体表现形式：

其中，将购买周期s中用户的操作序列sq按照时间排序，其长度为N，sq从起始至结束各个位置分别编号为1，2，…，N，假定生鲜商品i出现的位置组成集合p(s.i)，k是在此购买周期内出现的位置，通过计算不同生鲜产品的f(s,i)，将得到购买周期s内用户u关于其浏览、操作、购买的所有生鲜农产品的消费行为序列效用函数，进行排序学习，作为用户效用函数的第二部分：

使用参数α调节潜在因子效用和行为序列效用的权重，获得用户u在周期s内购买商品i的效用后，在实施例中将会对α进行敏感度分析：

w_s,u,i＝αp_u^Tq_i+(1-α)f(s,i)。