一种改进基于内容的农资商品推荐方法技术

本发明专利技术公开了一种改进基于内容的农资商品推荐方法，涉及人工智能技术领域，通过用户的历史数据建立用户模型；利用强化学习的方法根据用户的反馈不断更新用户对商品的兴趣度；计算商品和用户的特征属性相似度；再将商品与用户模型的相似度和商品的兴趣度相乘，确定该商品的推荐度；最后选取推荐度最高N个的商品推荐给用户。本发明专利技术的算法通过用户在线行为来调整商品的推荐度，随着用户的兴趣变化进行自适应推荐，能更加准确的预测用户的行为。

【技术实现步骤摘要】
一种改进基于内容的农资商品推荐方法
本专利技术涉及人工智能
，尤其涉及一种改进基于内容的农资商品推荐方法。
技术介绍
农资推荐不同于普通电子商务的推荐，农资推荐主要是以农业生产需求为主导，普通电子商务的推荐则是以用户兴趣为主导，农资电商的推荐既要考虑要求农业生产的外界因素的影响，还要考虑用户的兴趣，对推荐的正确性要求很高。目前的推荐算法以用户数据为基础，没有考虑农业生产外部因素的影响，正确性无法保证，就无法应用到农资商品的推荐上，同时在保证推荐的正确性的基础上，用户的兴趣变化也是推荐考虑的重要因素，准确预测用户的兴趣迁移，能够提高推荐的准确度，增加用户的忠诚度。
技术实现思路
为解决上述技术问题，本专利技术提供一种改进基于内容的农资商品推荐方法，通过用户在线行为来调整商品的推荐度，随着用户的兴趣变化进行自适应推荐，能更加准确地预测用户的行为。本专利技术采用如下技术方案：一种改进基于内容的农资商品推荐方法，包括以下步骤:S1、统计用户的历史购买行为数据，建立用户模型矩阵；S2、由农资知识库生成推荐集，建立商品特征模型；S3、计算每个推荐商品的兴趣度；S4、计算推荐集中每个商品与用户模型的相似度；S5、计算推荐集中每件商品的推荐度，选取推荐度最高的商品推荐给用户；S6、根据用户的反馈更新用户模型商品的推荐度。优选的，所述S1还包括以下步骤:S1.1对应的用户模型特征权重矩阵W＝{w1，w2，…，wn}，i∈[1，n],权重计算公式如式(1)，fi表示在时间段T内购买属于fi特征商品的次数。优选的，所述S3中计算每个推荐商品的兴趣度具体方法为:采用Q-学习的方法更新商品的兴趣度，根据公式(2)计算推荐集B中每个商品的兴趣度，其中Qt(bi，a)表示在t时刻bi的推荐度；r表示采取动作a的奖惩值，计算公式如式(3)所示；rec表示在时间段T里距离上一次购买或点击时间推荐次数，我们认为当bi推荐次数越多，并且用户对bi没有产生购买行为或点击行为时，表示用户的兴趣读bi随着推荐次数增大而减小；α∈[0，1]表示学习速率；γ∈[0，1]表示折扣因子，γ越接近于0，则智能体越注重当前回报值，γ越接近于1，则智能体越注重长期回报值，pi为时间T内点击或购买bi次数。优选的，所述S4中计算的具体方法如公式(4)所示:优选的，计算推荐集B中每件商品的推荐度的具体方法如式(5)所示:Ri＝simi×Qt(bi，a)(5)优选的，所述更新用户模型的方法如式(1)所示，所述更新商品的推荐度的方法如式(2)所示。本专利技术具有以下有益效果:通过用户的历史数据建立用户模型；利用强化学习的方法根据用户的反馈不断更新用户对商品的兴趣度；计算商品和用户的特征属性相似度；再将商品与用户模型的相似度和商品的兴趣度相乘，确定该商品的推荐度；最后选取推荐度最高N个的商品推荐给用户。该算法通过用户在线行为来调整商品的推荐度，随着用户的兴趣变化进行自适应推荐，能更加准确的预测用户的行为。附图说明下面结合附图对本专利技术作优选的说明：图1为本专利技术算法流程图。具体实施方式如图1所示，为本专利技术一种改进基于内容的农资商品推荐方法，包括以下步骤:S1、统计用户的历史购买行为数据，建立用户模型矩阵U＝{a1，a2，…，an}，对应的用户模型特征权重矩阵W＝{w1，w2，…，wn}，i∈[1，n],权重计算公式如式(1)，fi表示在时间段T内购买属于fi特征商品的次数；S2、由农资知识库生成的推荐集B＝{b1，b2，…，bS}，建立商品的特征模型，每个推荐的商品bi＝{bi1，bi2，…，bin}，bij表示商品bi的特征属性，j∈[1，n],当商品bi具有某个特征属性时时bij＝1，否则bij＝0；S3、计算每个推荐商品的兴趣度，采用Q-学习的方法更新商品的兴趣度，根据公式(2)计算推荐集B中每个商品的兴趣度；其中Qt(bi，a)表示在t时刻bi的推荐度；r表示采取动作a的奖惩值，计算公式如式(3)所示；rec表示在时间段T里距离上一次购买或点击时间推荐次数，我们认为当bi推荐次数越多，并且用户对bi没有产生购买行为或点击行为时，表示用户的兴趣读bi随着推荐次数增大而减小；α∈[0，1]表示学习速率；γ∈[0，1]表示折扣因子，γ越接近于0，则智能体越注重当前回报值，γ越接近于1，则智能体越注重长期回报值。pi为时间T内点击或购买bi次数。S4、计算推荐集中每个商品bi与用户模型的相似度，如式(4)所示；S5、计算推荐集B中每件商品的推荐度，如式(5)所示，选取推荐度最高的Top-N个商品推荐给用户；Ri＝simi×Qt(bi，a)(5)S6、根据用户的反馈利用式(1)更新用户模型，利用式(2)更新商品的推荐度。以上仅为本专利技术的具体实施例，但本专利技术的技术特征并不局限于此。任何以本专利技术为基础，为解决基本相同的技术问题，实现基本相同的技术效果，所作出的简单变化、等同替换或者修饰等，皆涵盖于本专利技术的保护范围之中。本文档来自技高网...

【技术保护点】
一种改进基于内容的农资商品推荐方法，其特征在于，包括以下步骤:S1、统计用户的历史购买行为数据，建立用户模型矩阵；S2、由农资知识库生成推荐集，建立商品特征模型；S3、计算每个推荐商品的兴趣度；S4、计算推荐集中每个商品与用户模型的相似度；S5、计算推荐集中每件商品的推荐度，选取推荐度最高的商品推荐给用户；S6、根据用户的反馈更新用户模型商品的推荐度。

【技术特征摘要】
1.一种改进基于内容的农资商品推荐方法，其特征在于，包括以下步骤:S1、统计用户的历史购买行为数据，建立用户模型矩阵；S2、由农资知识库生成推荐集，建立商品特征模型；S3、计算每个推荐商品的兴趣度；S4、计算推荐集中每个商品与用户模型的相似度；S5、计算推荐集中每件商品的推荐度，选取推荐度最高的商品推荐给用户；S6、根据用户的反馈更新用户模型商品的推荐度。2.根据权利要求1所述的一种改进基于内容的农资商品推荐方法，其特征在于，所述S1还包括以下步骤:S1.1对应的用户模型特征权重矩阵W＝{w1,w2,…,wn}，i∈[1,n],权重计算公式如式(1)，fi表示在时间段T内购买属于fi特征商品的次数。3.根据权利要求1所述的一种改进基于内容的农资商品推荐方法，其特征在于，所述S3中计算每个推荐商品的兴趣度具体方法为:采用Q-学习的方法更新商品的兴趣度，根据公式(2)计算推荐集B中每个商品的兴趣度，其中Qt(bi,a)表示在t时...

【专利技术属性】
技术研发人员：张颖，孙丙宇，王伟，李文波，屠舒妍，
申请(专利权)人：无锡中科富农物联科技有限公司，
类型：发明
国别省市：江苏,32