[发明专利]考虑时间效应的产品组合推荐方法和系统

说明书

本发明提供了一种考虑时间效应的产品组合推荐方法和系统，涉及产品推荐技术领域。本发明首先构建集成分类树和集成生存树分别预测用户点击概率以及用户在不同时间的点击概率；然后计算用户响应度并排序生成Top‑N产品推荐列表；最后基于产品组合构建推荐强度优化模型，获得组合中各个产品的推荐强度，提供了更为具体的推荐方案，有效提升了产品推荐的效果。

技术领域

本发明涉及产品推荐技术领域，具体涉及一种考虑时间效应的产品组合推荐方法和系统。

背景技术

随着互联网技术的发展，通过利用大数据、算法为用户推荐合适产品能够帮助客户在海量的商品中快速找到需要产品，进而有效提高成交率和用户体验。

现有的推荐方法大多基于协同过滤，利用用户或产品的相似度来衡量待推荐产品的预测评分。

但现有方法存在推荐准确度低且仅针对单一产品进行推荐的问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种考虑时间效应的产品组合推荐方法和系统，解决了现有方法存在准确度低且仅针对单一产品进行推荐的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

第一方面，提供了一种考虑时间效应的产品组合推荐方法，该方法包括：

获取观测时间内的产品属性数据、删失状态数据与用户点击状态数据作为产品数据集；

基于产品数据集构建用户点击概率预测模型和用户在不同时间的条件点击概率预测模型；

基于用户点击概率预测模型和用户在不同时间的条件点击概率预测模型分别对若干待推荐产品的用户点击概率和用户在不同时间的条件点击概率进行预测；

基于若干待推荐产品的用户点击概率和用户在不同时间的条件点击概率计算若干待推荐产品的用户响应度；

基于若干待推荐产品的用户响应度构建产品组合推荐强度优化模型，并求解产品组合推荐强度优化模型得到产品组合推荐方案。

进一步的，所述删失状态数据包括：在观测时间内未能观测到产品被用户点击数据和在观测时间内观测到产品被用户点击数据；

所述用户点击状态数据包括：产品被用户点击数据和产品没有被用户点击数据。

进一步的，所述用户点击概率预测模型为基于集成分类树的预测模型；所述用户在不同时间的条件点击概率预测模型为基于集成生存树的预测模型。

进一步的，所述用户点击概率预测模型的构建步骤包括：

Q11、从产品数据集中抽取样本构建子数据集D^*，并将D^*输入到二元分类树Ctree的根节点；

Q12、从产品属性数据中的K个特征中随机选择L个候选特征KL，采用二分法将特征F_k分组，k＝1,2,...,L，并计算其条件基尼指数：

其中，

|D^*|表示子数据集D^*的样本量；

表示特征F_k属于q组的样本量，k＝1,2,...L，q＝1或2，分别表示特征的两个分组；

表示q组中属于c类的样本量；c＝1或2，分别表示产品被点击或产品未被点击；

Q13、选择具有最小基尼指数的候选特征分割节点；