A recommendation system and method, time scene based on product includes initialization module, training module, evaluation module and recommendation module, wherein the initialization module data of existing goods according to the time sequence is divided into training set and test set, establish and initialize the user bias vector, commodity bias vector, commodity feature matrix and user characteristic matrix the commodity and implicit feature matrix; training module from the training set, training evaluation model; evaluation module receives the test set, the mean square error calculation model to evaluate the effect of scoring model; recommendation module receives the user bias vector, commodity bias vector, commodity characteristics matrix, user characteristic matrix and commodity implicit feature matrix, calculate the user forecast for each commodity score according to the scoring model, according to the prediction score recommend products to users, the invention can express The user's interest portrait and the attributes of the commodity have no cold start problem and cold start problem, and the high precision recommendation based on the time scene is achieved.
【技术实现步骤摘要】
基于时间场景的商品推荐系统及其方法
本专利技术涉及的是一种电子商务领域的技术,具体是一种基于时间场景的商品推荐系统及其方法。
技术介绍
随着互联网技术的发展和上网用户人数的激增,网上信息呈指数级增长,信息过载问题日益严重。近年来,作为解决信息过载问题的主要技术——推荐系统得到了广泛的发展和应用。但其纯在两个问题,即用户冷启动问题和商品冷启动问题。用户冷启动问题指新用户到达系统时,由于该用户在系统中没有和其他商品有过交互信息,推荐系统就没有用户的偏好信息。商品冷启动问题是指当新商品进入系统中,由于没有用户对新商品进行浏览、评论、购买等交互,系统无法把它纳入系统进行计算,这导致新商品一直无法推荐给其他用户。
技术实现思路
本专利技术针对现有技术数据稀疏性推荐精度难以满足要求等缺陷,提出一种基于时间场景的商品推荐系统及其方法。本专利技术是通过以下技术方案实现的:本专利技术涉及一种基于时间场景的商品推荐系统,包括:初始化模块、训练模块、评估模块和推荐模块,其中:初始化模块将已有商品数据根据时间顺序划分为训练集和测试集,初始化模块建立并初始化用户偏置向量、商品偏置向量、商品特征矩阵、用户特征矩阵和商品隐式特征矩阵;训练模块提取训练集并训练评分模型;评估模块接收测试集,计算评分模型的均方误差以评估模型效果;推荐模块接收用户偏置向量、商品偏置向量、商品特征矩阵、用户特征矩阵和商品隐式特征矩阵并根据评分模型计算用户对每个商品的预测评分,按照预测评分向用户推荐商品。本专利技术涉及一种基于上述系统的商品推荐方法,包括以下步骤:1)将已有商品数据分为训练集和测试集,建立并初始化用户 ...
【技术保护点】
一种基于时间场景的商品推荐系统,其特征在于,包括:初始化模块、训练模块、评估模块和推荐模块,其中:初始化模块将已有商品数据根据时间顺序划分为训练集和测试集,建立并初始化用户偏置向量、商品偏置向量、商品特征矩阵、用户特征矩阵和商品隐式特征矩阵;训练模块提取训练集,训练评分模型;评估模块接收测试集,计算评分模型的均方误差以评估模型效果;推荐模块接收用户偏置向量、商品偏置向量、商品特征矩阵、用户特征矩阵和商品隐式特征矩阵,根据评分模型计算用户对每个商品的预测评分,按照预测评分向用户推荐商品。
【技术特征摘要】
1.一种基于时间场景的商品推荐系统,其特征在于,包括:初始化模块、训练模块、评估模块和推荐模块,其中:初始化模块将已有商品数据根据时间顺序划分为训练集和测试集,建立并初始化用户偏置向量、商品偏置向量、商品特征矩阵、用户特征矩阵和商品隐式特征矩阵;训练模块提取训练集,训练评分模型;评估模块接收测试集,计算评分模型的均方误差以评估模型效果;推荐模块接收用户偏置向量、商品偏置向量、商品特征矩阵、用户特征矩阵和商品隐式特征矩阵,根据评分模型计算用户对每个商品的预测评分,按照预测评分向用户推荐商品。2.一种根据权利要求1所述系统的基于时间场景的商品推荐方法,其特征在于,包括以下步骤:1)将已有商品数据分为训练集和测试集,建立并初始化用户偏置项向量bU、商品偏置项向量bI、商品特征矩阵Q、用户特征矩阵P和商品隐式特征矩阵Y;2)采用训练集数据对模型进行训练,其中:为用户u在时间T对商品i的预测评分,μu,tμi,tμ为常数,μu,t为用户在t时间点评分均值,μi,t为商品在t时间点的评分均值,μ为全局评分均值,bu、bi为偏置参数,为t时间商品特征因子、用户特征因子、商品隐式特征因子,T={Year,Month,Day,Hour};3)采用测试集数据对模型进行评估计算均方误差RMSE,其中:rui,T为用户u时间T对商品i的实际评分,testset为测试集元素个数;4)计算用户对每个商品的预测评分,并向依照预测评分向用户推荐商品。3.根据权利要求2所述的基于时间场景的商品推荐方法,其特征是,所述的bU、b...
【专利技术属性】
技术研发人员:李生红,江文,谢文丹,马颖华,黄德双,葛昊,黎晓春,陈毅鸿,
申请(专利权)人:上海交通大学,携程计算机技术上海有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。