[发明专利]一种基于阶段的动态产品推荐方法

摘要

本发明属于数据挖掘领域，具体涉及一种基于阶段的动态产品推荐方法。它包括分割用户购买记录、对用户长期偏好进行建模、构建多模态图和进行随机游走推理，最终得到产品推荐列表。本发明与现有技术相比，其显著优点是灵活性强，可靠性高，实用性高。

主权项

一种基于阶段的动态产品推荐方法，其特征在于以下步骤：a.首先分割用户的购买记录，将其分为不同阶段：定义一个统一的时间片T作为一个分割单位，然后根据T来分割购买记录H，即H={H_t0,H_t1,…,H_tn}，其中t₀表示当前阶段，即最近购买时期，对于每个时期，都使用商品分类法对用户行为H_ti进行建模；b.使用产品分类方法对用户的长期偏好进行建模：对用户长期偏好进行建模包括生成用户信息以及模型改善；生成用户信息：假设基本的类别向量为<c₁,c₂,c₃,c₄,c₅>,权重类别向量=<1,2,0,1,1>，其中每一项表示用户对相应的类别的隐式评分;权重类别向量是l₂归一化的,用户的长期信息为R_u1={,,,…},确定u₁的当前推荐阶段为H_t0；c.基于与目标用户相似的用户的购买行为构建一张多模态图；建立一个节点包括用户、产品和类别的多模态图，而节点之间的边的权重由邻接矩阵W确定;U_p、P_p、P_c分别表示用户与产品、用户与类别、产品与类别之间的关系， ;d.在构建的多模态图上运用随机游走推理，得到最终的推荐列表：执行随机游走原理RWR来取得与给定用户q高度相关的元素，在向量选择一个排在顶端的元素子集e，如果e_i是用户，则选择e_i最近购买的产品放进推荐列表l中；如果e_i是产品，则直接将e_i放进l中；如果e_i是类别，则选择对e_i的IC值贡献最大的产品放进l中,进而得到最终的产品推荐列表。