[发明专利]基于局部敏感哈希的用户冷启动产品推荐方法及系统

权利要求书

1.一种基于局部敏感哈希的用户冷启动产品推荐方法，其特征在于，该方法包括：

采集跨境APP当前时间窗口内的产品操作数据，根据所述产品操作数据选取第一热门产品；

获取产品自带信息，对所述产品自带信息进行整合，并将整合后的数据进行预处理，生成产品向量数据；

根据产品向量数据，基于局部敏感哈希算法计算产品之间的相似度；

记录用户首次登录跨境APP时自主选择的兴趣标签，建立产品大类与所述兴趣标签的关联关系；

当新用户登录跨境APP时，检测用户类型；

如果所述新用户的用户类型为游客模式用户，将所述第一热门产品作为首次曝光产品进行展示；

如果所述新用户的用户类型为注册用户，获取所述注册用户自主选择的兴趣标签，根据所述关联关系获取兴趣标签关联的产品大类中的第二热门产品，根据所述第一热门产品及所述第二热门产品，按照预设权重生成首次曝光产品进行展示；

在所述新用户与首次曝光产品户发生交互行为时，根据所述产品之间的相似度查找交互相似产品，并将所述相似产品作为新的曝光产品进行展示。

2.根据权利要求1所述的基于局部敏感哈希的用户冷启动产品推荐方法，其特征在于，采集跨境APP当前时间窗口内的产品操作数据，根据所述产品操作数据选取第一热门产品，包括：

利用spark-streaming流式处理方法统计跨境APP当前时间窗口内的点击量及浏览量，选取浏览量及点击量最高的前N项产品，得到第一热门产品。

3.根据权利要求1所述的基于局部敏感哈希的用户冷启动产品推荐方法，其特征在于，所述产品自带信息包括：产品自带的描述信息、属性信息、标签类信息及频道信息。

4.根据权利要求1所述的基于局部敏感哈希的用户冷启动产品推荐方法，其特征在于，获取产品自带信息，对所述产品自带信息进行整合，并将整合后的数据进行预处理，生成产品向量数据，包括：

获取产品自带信息；

利用spark计算引擎对所述产品自带信息进行整合；

将整合后的数据进行清洗及加工，并进行切词，使用Word2Vec模型计算得到产品向量数据。

5.根据权利要求1所述的基于局部敏感哈希的用户冷启动产品推荐方法，其特征在于，如果所述新用户的用户类型为注册用户，获取所述注册用户自主选择的兴趣标签，根据所述关联关系获取兴趣标签关联的产品大类中的第二热门产品，根据所述第一热门产品及所述第二热门产品，按照预设权重生成首次曝光产品进行展示，包括：

在兴趣标签关联的产品大类中，选取选取浏览量及点击量最高的前M项产品，得到第二热门产品。

6.根据权利要求5所述的基于局部敏感哈希的用户冷启动产品推荐方法，其特征在于，所述第一热门产品及所述第二热门产品的预设权重为0.3：0.7，权重总和为1。