[发明专利]融入用户画像与社交关系相似度的数字商务智能跨域推荐方法

说明书

融入用户画像与社交关系相似度的数字商务智能跨域推荐方法。首先，该方法采用0‑1标量，融入用户年龄、性别及项目偏好等，构建用户画像向量，并以此计算用户画像的相似度；其次，该方法通过改进共同邻居算法，融入一阶与二阶邻居来计算用户社交关系相似度；在此基础上，融合用户画像相似度和用户社交关系相似度，将评分矩阵进行分解，对涉及参数利用概率图模型进行表征，并利用交替最小二乘法对得出的目标函数进行参数学习，最终利用优化后的参数进行评分预测。整个推荐过程充分利用了用户基本信息、偏好程度、社交关系等，有助于解决已有跨域推荐的冷启动、稀疏性等问题，且使得推荐结果更精准和多样化。

技术领域

本发明涉及一种数字商务智能跨域推荐方法，适用于大数据环境下社交网络与数字商务间的跨域推荐。

技术背景

随着5G、人工智能、大数据等新型基础设施的快速推进，数字商务服务在社会经济中全面渗透，满足了用户对电商、社交等跨域活动中商品或者服务的多样化需求。然而，通过移动终端、传感器、4G/5G等在数字商务中以内容产生、直播交互、社交分享等方式贡献的跨域大数据却使用户淹没在“信息洪流”中。作为数字商务服务中“杀手锏”应用的智能推荐技术通过分析用户的偏好行为，针对每个用户的特点提供精准的个性化服务，能有效缓解“信息过载”带来的系列问题。但目前大多数推荐技术仅是适用于单领域，能获取的信息十分有限，往往只有用户的一部分记录，难以全面了解用户，进而使得推荐效果变得不可靠，准确度较低，由此跨领域推荐应运而生。

跨领域推荐技术能综合考虑用户在不同领域的相关信息，相对于单领域推荐，冷启动、稀疏性等问题有了明显的改善。不仅如此，跨领域推荐系统还能通过分析用户在不同领域的偏好，形成推荐结果更具有多样化的特点，突破信息茧房地困境，并使得其他领域的优质长尾内容可以推送至用户。然而，现有的短视频社交与数字商务间跨域推荐的相关技术较为欠缺，大都忽略了跨域链路中群体的相似度及用户间偏好的差异，使得推荐性能下降。因此，本发明从用户的基本信息、偏好及社交关系等方面出发，考虑在进行推荐时将用户画像和用户社交关系相似度融合，实现数字商务下满足用户精准化、多样化、个性化服务需求的跨领域推荐目标，且通过提升用户留存率，支持数字商务企业的可持续发展。

发明内容

为了解决现有技术中跨域推荐中冷启动、稀疏性等问题，缓解目前数字商务企业在现实应用中较少利用社交网络分析、智能跨域推荐等技术上的困境，本发明提供一种融入用户画像信息与社交网络关系结构，通过融合用户画像、社交关系相似度进行跨域推荐的方法。

本发明解决其技术问题所采用的技术方案是：

融入用户画像与社交关系相似度的数字商务智能跨域推荐方法，包括以下步骤：

1.融入用户画像与社交关系相似度的数字商务智能跨域推荐方法，包括以下步骤：

步骤1，计算数字商务(目标域)的用户画像相似度，考虑到用户画像中包含用户对项目类型的偏好程度以及用户的基本信息，本发明利用二进制(0,1)标量将上述信息进行融合，并计算用户画像的相似度。

输入：用户-项目评分矩阵，用户年龄、性别；

输出：用户画像相似度

具体包括：

步骤11：用户-项目评分矩阵之中，每个项目均具有特定的类型G_g。首先针对用户已评分的各项目中评分较高的项目类型，分别计算相对类型评分RGR，及修正的相对类型频率MRGF。在此基础上，获取用户对各类型项目的偏好程度UP_(u,g)：