[发明专利]一种基于用户主观偏差的捆绑包购买偏好预测方法及系统

说明书

本发明提供一种基于用户主观偏差的捆绑包购买偏好预测方法及系统，包括：获取输入数据，并根据所述输入数据计算目标商品与捆绑包的关联性矩阵；基于所述关联性矩阵计算捆绑包与目标商品关联概率；利用所述关联概率计算目标用户的主观偏差；根据所述主观偏差，计算所述目标用户从目标商品或包含所述目标商品的捆绑包的交易价格中获得的感知收益；根据感知收益计算商品和捆绑包的效用，并根据所述效用预测用户选择所述目标商品或选择所述捆绑包的概率。本发明解决了现有偏好模型难以应对用户主观偏差的问题，实现准确预测用户对捆绑包的购买偏好、提升预测准确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于用户主观偏差的捆绑包购买偏好预测方法及系统。

背景技术

在电商平台中，商家有时会采用捆绑促销的方式来刺激消费者的购物需求。例如，当用户想要购买某个商品时，商家会提示用户一个包含该商品的捆绑包正在销售中，并且购买捆绑包可以享受相应的折扣。用户首先需要估计自身对捆绑包中附加商品的需求，进而决定是否购买捆绑包。但是，用户通常会高估或者低估自身对附加商品的需求，这种需求估计中存在的主观偏差会使用户做出一些非理性决策，例如用户可能会购买许多完全用不到的商品。因此，要准确预测用户对捆绑包的购买偏好，需要考虑用户在需求估计过程中的主观偏差。通过预测用户对捆绑包的购买偏好，可以为商家提供更合理的捆绑营销建议，帮助商家提高销售利润。

在分析用户主观偏差的现有方法中，线性偏差描述模型是目前最常用的方法。该方法要求用户对商品当前需求和未来需求的真实值已知，并且通过线性加权的方式来计算用户对该商品未来需求的估计值。

线性偏差描述模型采用线性形式来计算用户的主观偏差，无法应对非线性的偏差模式。同时，线性偏差描述模型也无法处理用户个性化的主观偏差，导致该方法无法正确描述用户的主观偏差，无法准确预测用户对捆绑包的购买偏好，在实际应用中的性能较差，准确率较低。

发明内容

本发明提供一种基于用户主观偏差的捆绑包购买偏好预测方法及系统，用以解决现有偏好模型难以应对用户主观偏差的问题，实现准确预测用户对捆绑包的购买偏好、提升预测准确率。

本发明提供一种基于用户主观偏差的捆绑包购买偏好预测方法，包括：

获取输入数据，并根据所述输入数据计算目标商品与捆绑包的关联性矩阵；

基于所述关联性矩阵计算捆绑包与目标商品关联概率；

利用所述关联概率计算目标用户的主观偏差；

根据所述主观偏差，计算所述目标用户从目标商品或包含所述目标商品的捆绑包的交易价格中获得的感知收益；

根据感知收益计算商品和捆绑包的效用，并根据所述效用预测用户选择所述目标商品或选择所述捆绑包的概率。

根据本发明提供的基于用户主观偏差的捆绑包购买偏好预测方法，

利用以下公式计算关联性矩阵R；

其中：F表示训练集中商品共同购买的次数，D是F的度矩阵，当矩阵R中第i行、第j列的元素值越大时，代表两个商品共同购买的频率越高。

根据本发明提供的基于用户主观偏差的捆绑包购买偏好预测方法，

利用以下公式计算关联概率

p(B|i_m)＝σ[x_B·Φ·R_m+η]