[发明专利]一种个性化商品推荐方法和系统有效
| 申请号： | 201810433175.X | 申请日： | 2018-05-08 |
| 公开（公告）号： | CN108629665B | 公开（公告）日： | 2021-07-16 |
| 发明（设计）人： | 张洪刚;孙宇;常剑;徐彬;高珊 | 申请（专利权）人： | 北京邮电大学;联通在线信息科技有限公司 |
| 主分类号： | G06Q30/06 | 分类号： | G06Q30/06 |
| 代理公司： | 北京挺立专利事务所(普通合伙) 11265 | 代理人： | 叶树明 |
| 地址： | 100876 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种个性化商品推荐方法和系统，方法包括：获取预设时间段内多个用户的历史行为数据，按照预定规则整理后得到第一训练样本；基于余弦相似度方法得到影响因子作为第二训练样本；将第一训练样本和第二训练样本作为深度学习模型的训练样本进行训练，得到已训练的深度学习模型；输出模型预测出的用户感兴趣的商品列表。本发明有效地利用用户历史行为中商品的时序信息，使历史行为中的商品在推荐系统计算中根据其交互行为发生的时间顺序而具有不同的权重值，商品影响因子体现了商品的全局特征及该用户对该商品的兴趣程度，有效增加深度学习模型获取到的特征量，有效提升对冷启动用户的个性化推荐效果。 | ||
| 搜索关键词： | 一种 个性化 商品 推荐 方法 系统 | ||
【主权项】：
1.一种个性化商品推荐方法，其特征在于，该方法包括：获取所述预设时间段内多个用户的历史行为数据，按照预定规则整理后得到第一训练样本；利用整理后的历史行为数据，基于余弦相似度方法计算出每个用户的历史行为数据中每个商品对应的影响因子作为第二训练样本；将第一训练样本和第二训练样本作为深度学习模型的训练样本进行训练，得到已训练的深度学习模型；将预推荐用户的第一训练样本和第二训练样本输入到已训练的深度学习模型中，输出模型预测出的用户感兴趣的商品列表，按照商品列表中的商品顺序推荐给预推荐用户。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京邮电大学;联通在线信息科技有限公司，未经北京邮电大学;联通在线信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810433175.X/，转载请声明来源钻瓜专利网。
