[发明专利]一种基于时间衰减器的商品推荐方法、终端和介质

权利要求书

1.一种基于时间衰减器的商品推荐方法，其特征在于，包括：

获取用户的评分信息和评分时间的信息，计算用户兴趣度随时间变化的函数；

根据获取的用户评分信息和评分时间的信息构建用户的消费网络图和产品的消费网络图，分别计算用户的影响力和商品的影响力；

分别设定用户影响力阈值和商品影响力阈值，将所述用户影响力和商品影响力分别与对应的阈值进行比较，将大于等于阈值的用户影响力和商品影响力数据构建强影响力邻居集合；

采用强影响力邻居集合训练ALS模型的各项参数，得到ALS模型，根据RMSE判断ALS模型是否收敛，并计算评分预测值；

根据所述评分预测值对用户进行商品推荐。

2.如权利要求1所述的基于时间衰减器的商品推荐方法，其特征在于，在获取用户的评分信息和评分时间的信息的步骤之前还包括：初始化计算环境，设定时间T和T_max,其中，T为设定时间段，T_max为设定的最大时间。

3.如权利要求2所述的基于时间衰减器的商品推荐方法，其特征在于，在初始化计算环境步骤之前还包括：收集用户的评分信息和评分时间的信息。

4.如权利要求1所述的基于时间衰减器的商品推荐方法，其特征在于，所述计算用户兴趣度随时间变化的函数的公式：

其中，T_ui为用户u购买商品i的时间，单位为min，T_max为设定的最大时间，W_t为用户感兴趣程度。

5.如权利要求4所述的基于时间衰减器的商品推荐方法，其特征在于，所述计算用户的影响力的公式为：其中，IN_i→j为i对j的影响力，f(U_i,U_j)为用户U_i和U_j在设定时间段T内消费产品的并集。

6.如权利要求4所述的基于时间衰减器的商品推荐方法，其特征在于，所述计算商品的影响力的公式为：其中，C_i为第i个商品，f(C_i,C_j)为在设定时间段内消费商品C_i和C_j的用户的并集。

7.如权利要求4所述的基于时间衰减器的商品推荐方法，其特征在于，所述根据RMSE判断ALS模型是否收敛，并计算评分预测值的具体方法包括：采用ALS模型的损失函数公式为：式中，L(X,Y)为损失函数，X，Y为近似空间变换后的用户矩阵和商品矩阵，x_*为所有的用户，y_*为所有的商品，r_ui为用户u对商品i的评分值，λ为改善矩阵稳定性的规则化因子,采用强影响力邻居集合训练后得到矩阵X_m×k，Y_n×k，将矩阵X_m×k，Y_n×k代入公式：根据RMSE判断ALS模型是否收敛，式中，R为评分矩阵，N为用户、商品和评分的个数；将x_*和y_*代入得到评分预测值。

8.一种基于时间衰减器的商品推荐终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，其特征在于，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。