[发明专利]一种基于交互记录的个性化推荐系统和方法

说明书

本发明属于电子商品推荐技术领域，具体为一种基于交互记录的个性化推荐系统和方法。本发明系统包括：交互记录数据处理模块、数据空间划分模块、交互图构建与模型训练模块、无交互记录商品与用户模块、多层级划分查找模块、空间向量索引模块以及推荐结果生成模块。本发明提出新式模型结构与方法流程，使用交互记录数据，不仅为已有商品与用户生成高质量的表示向量，在冷启动场景中充分利用已知信息，通过多层级的划分模型提供个性化方案优化冷启动推荐结果，提高整体推荐效果。

技术领域

本发明属于电子商品推荐技术领域，具体涉及基于交互记录的个性化推荐系统和方法。

背景技术

目前，推荐系统在电子商务平台、长短视频平台、新闻平台等各类平台已经取得了广泛的应用，并且产生了巨大的收益，特别是在电子商务平台下商品与用户的交互与推荐场景下有了长足进步。但是，目前的推荐系统在解决“商品冷启动”、“用户冷启动”方面仍然有较大缺陷，只能推荐预先设定的商品或者热门商品，没有办法充分利用已有信息做出针对性的推荐。同时，受限于商品与用户庞大的规模以及对推荐系统巨量的请求，推荐系统通常需要为商品与用户生成合适的表示向量，并通过索引系统提供快速查找功能来应对。

发明内容

鉴于现有技术中存在的问题，本发明的目的在于提供一种可提升整体推荐效果的基于交互记录的个性化推荐系统和方法。

本发明提供的基于交互记录的个性化推荐系统，包括：交互记录数据处理模块、数据空间划分模块、交互图构建与模型训练模块、无交互记录商品与用户模块、多层级划分查找模块、空间向量索引模块以及推荐结果生成模块；其中：

所述交互记录数据处理模块将用户与商品的交互记录进行数据清洗、属性选择与编码；

所述数据空间划分模块对商品数据和用户数据使用空间划分方法进行数据划分；

所述交互图构建与模型训练模块使用处理后的交互记录建立交互图，基于交互图训练模型并生成商品与用户的表示向量；所述交互图是指基于用户数据、商品数据和用户与商品的交互记录数据构建的图；

所述无交互记录商品与用户模块负责选择系统中无交互记录的新增数据和交互记录较少的数据，进行数据清洗、属性选择与编码；

所述多层级划分查找模块负责筛选相似项，并为无交互记录商品与用户生成合适的表示向量；

所述空间向量索引模块负责为生成的用户与商品表示向量创建空间索引；

所述推荐结果生成模块根据索引的结果为用户生成最终的推荐结果。

本发明解决了新增商品与用户的向量生成问题，同时将索引过程纳入到系统中整体考虑，提升了推荐的效果。

本发明还提供基于上述系统的实现方法，即基于交互记录的个性化推荐方法，对于其中一部分符合交互数量要求的数据使用交互图处理，具体步骤如下：

步骤1、交互记录数据处理：系统中记录的用户数据，包括商品数据，以及用户与商品交互产生的记录数据；对这三种数据分别进行遍历，按照预设的清洗方法，去除掉未知原因的空值数据与可能的噪音数据，根据场景选择合适的属性值并转化为编码；

步骤2、数据空间划分：系统中记录的用户数据、商品数据，在每一层级，按照预设的划分个数和划分方法进行空间划分，在每一个划分内按照同样的方法进行空间划分，直到划分的层级达到预设的要求；

步骤3、交互图构建与模型训练：使用步骤1得到的结果，构建交互图，使得商品与用户对应交互图中的结点，并附属对应的属性编码值；交互记录对应于交互图中的边，并附属对应的属性编码值；在交互图构建之后，通过交互图上的表示向量模型在交互图上生成表示向量，计算模型损失以调整可学习参数，最终为每个结点生成合适的表示向量；