[发明专利]一种产品推荐方法及装置

说明书

本申请公开了一种产品推荐方法及装置，其中所述方法主要包括：获取用户偏好评分矩阵；基于用户偏好评分矩阵，构建每个组合对应的时间序列模型；一个组合包括一个用户和一个产品；分别利用各个组合对应的时间序列模型，计算得到目标时间段内的各个组合对应的兴趣权重；利用目标时间段内的偏好评分的统计数据以及各个组合对应的兴趣权重，计算各个组合在目标时间段的预测偏好评分，并将其补全至用户偏好评分矩阵中，并基于用户偏好评分矩阵，计算在目标时间段内每两个用户的相似度，得到多个相似用户集群；分别针对每个相似用户集群，将相似用户集群中的每个用户在目标时间段内偏好评分高于预设阈值的产品，推荐给所述相似用户集群中的其余用户。

技术领域

本申请涉及产品推荐技术领域，特别涉及一种产品推荐方法及装置。

背景技术

近年来，推荐算法相关研究的应用逐渐成熟，但以此同时用户的需求越来越个性化，因此更多的研究人员开始对其进行深入探讨，以能更好的为用户推荐产品。

现有的推荐方式，主要采用协同过滤推荐算法，利用用户对产品产生的历史信息作为依据，查找出与目标用户相似的用户邻居集，然后将用户邻居集中其他用户比较感兴趣的多个产品推荐给目标用户。

但是这种方式只是简单地关注到了用户的历史信息，而用户的兴趣是受多方面因素影响的，因此用户的兴趣会随着时间的推移不断产生变化，因此以简单地根据历史信息为用户进行产品推荐，容易出现千篇一律的情况。并且，在所能获得的历史信息有限时，推荐到用户正在感兴趣的产品的准确性相对较低。所以现有的方式，并不能很好地向用户推销满足用户兴趣、需求的产品。

发明内容

基于上述现有技术的不足，本申请提供了一种产品推荐方法及装置，以解决现有的推荐方式准确性较差的问题。

为了实现上述目的，本申请提供了以下技术方案：

本申请第一方面提供了一种产品推荐方法，包括：

获取用户偏好评分矩阵；其中，所述用户偏好评分矩阵包括多个用户在多个时间段内对各个产品的偏好评分；

基于所述用户偏好评分矩阵，构建每个组合对应的时间序列模型；其中，一个组合包括一个所述用户和一个所述产品；所述时间序列模型用于预测所述用户对所述产品的偏好评分；

分别利用各个所述组合对应的时间序列模型，计算得到目标时间段内的各个所述组合对应的兴趣权重；

利用所述目标时间段内的偏好评分的统计数据以及各个所述组合对应的兴趣权重，计算各个所述组合在所述目标时间段的预测偏好评分；

将各个所述组合在所述目标时间段的预测偏好评分补全至所述用户偏好评分矩阵中；

基于补全后的所述用户偏好评分矩阵，计算在所述目标时间段内每两个所述用户的相似度，得到多个相似用户集群；

分别针对每个所述相似用户集群，将所述相似用户集群中的每个所述用户在所述目标时间段内偏好评分高于预设阈值的产品，推荐给所述相似用户集群中的其余用户。

可选地，在上述的产品推荐方法中，所述分别利用各个所述组合对应的时间序列模型，计算得到目标时间段内的各个所述组合对应的兴趣权重，包括：

分别针对每个所述组合，利用所述组合对应的时间序列模型，预测所述组合对应的第一偏好评分、第二偏好评分以及第三偏好评分；其中，所述第一偏好评分指代所述组合中的用户在所述目标时间段内对所述组合中的产品的偏好评分；所述第二偏好评分指代所述组合中的用户，在所述目标时间段的前N个时间段内对所述组合中的产品的偏好评分；所述第二偏好评分指代所述组合中的用户，在所述目标时间段的后N个时间段内对所述组合中的产品的偏好评分；