一种基于时间衰减器的商品推荐方法、终端和介质技术

本发明专利技术提供的基于时间衰减器的商品推荐方法，获取用户的评分信息和评分时间的信息，计算用户兴趣度随时间变化的函数；根据获取的用户评分信息和评分时间的信息构建用户和产品的消费网络图，分别计算用户的影响力和商品的影响力；将用户影响力和商品影响力分别与对应的阈值进行比较，将大于等于阈值的用户影响力和商品影响力数据构建强影响力邻居集合；采用强影响力邻居集合训练ALS模型的各项参数，得到ALS模型，根据RMSE判断ALS模型是否收敛，并计算评分预测值；根据评分预测值对用户进行商品推荐。本发明专利技术的基于时间衰减器的商品推荐方法，提高了商品推荐的精度，减少推荐方法的时间消耗，提高商品推荐的有效性。

【技术实现步骤摘要】
一种基于时间衰减器的商品推荐方法、终端和介质
本专利技术涉及电子商务
，具体涉及一种基于时间衰减器的商品推荐方法、终端和介质。
技术介绍
在网络个性化商品推荐领域，协同过滤法是常用的个性化推荐方法。根据采用技术的不同，个性化推荐可分为基于内容和基于用户的协同过滤推荐及混合推荐。基于内容的推荐只依赖于商品特征和用户的历史偏好进行推荐，不根据其他用户的评价。基于用户的协同过滤推荐通过计算用户之间的相似度来进行商品推荐。传统的协同过滤算法忽略用户(产品)之间的网络关系，通过获取用户(产品)之间的关系并量化用户(产品)的相似度,对协同过滤算法的实施效果将产生一定影响。对此，现有两种通用的方案:一是利用显式的社交网络关系；另一种是通过隐式的标签信息来计算用户(产品)之间的相似度，从而获取用户(产品)之间的关系。由于传统的算法没有考虑用户的兴趣与时间的关系,导致推荐结果有所偏差。在以上方案中,一般假设用户(产品)之间的相互影响关系是无向的，忽略了消费时间信息,从而影响了个性化商品推荐系统的推荐精度。在现实环境下,用户(产品)之间的影响关系具有时序性、有向性。另外，传统的算法没有考虑用户的兴趣与时间的关系,影响商品推荐的最终效果，因为人们的兴趣会因时间的改变而动态变化,时间是最重要的影响因素之一。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的之一在于提供一种基于时间衰减器的商品推荐方法，提高了商品推荐的精度，提高商品推荐的有效性。第一方面，本专利技术提供的基于时间衰减器的商品推荐方法，包括：获取用户的评分信息和评分时间的信息，计算用户兴趣度随时间变化的函数；根据获取的用户评分信息和评分时间的信息构建用户的消费网络图和产品的消费网络图，分别计算用户的影响力和商品的影响力；分别设定用户影响力阈值和商品影响力阈值，将所述用户影响力和商品影响力分别与对应的阈值进行比较，将大于等于阈值的用户影响力和商品影响力数据构建强影响力邻居集合；采用强影响力邻居集合训练ALS模型的各项参数，得到ALS模型，根据RMSE判断ALS模型是否收敛，并计算评分预测值；根据所述评分预测值对用户进行商品推荐。可选地，在获取用户的评分信息和评分时间的信息的步骤之前还包括：初始化计算环境，设定时间T和Tmax,其中，T为设定时间段，Tmax为设定的最大时间。可选地，在初始化计算环境步骤之前还包括：收集用户的评分信息和评分时间的信息。可选地，所述计算用户兴趣度随时间变化的函数的公式：其中，Tui为用户u购买商品i的时间，单位为min，Tmax为设定的最大时间，Wt为用户感兴趣程度。可选地，所述计算用户的影响力的公式为：其中，INi→j为i对j的影响力，f(Ui,Uj)为用户Ui和Uj在设定时间段T内消费产品的并集。可选地，所述计算商品的影响力的公式为：其中，Ci为第i个商品，f(Ci,Cj)为在设定时间段内消费商品Ci和Cj的用户的并集。可选地，所述根据RMSE判断ALS模型是否收敛，并计算评分预测值的具体方法包括：采用ALS模型的损失函数公式为：式中，L(X,Y)为损失函数，X，Y为近似空间变换后的用户矩阵和商品矩阵，x*为所有的用户，y*为所有的商品，rui为用户u对商品i的评分值，λ为改善矩阵稳定性的规则化因子,采用强影响力邻居集合训练后得到矩阵Xm×k，Yn×k，将矩阵Xm×k，Yn×k代入公式：根据RMSE判断ALS模型是否收敛，式中，R为评分矩阵，N为用户、商品和评分的个数；将x*和y*代入得到评分预测值。第二方面，本专利技术提供的基于时间衰减器的商品推荐终端，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述方法。第三方面，本专利技术提供的计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述方法。本专利技术的有益效果：本专利技术提供的基于时间衰减器的商品推荐方法、终端和介质，根据用户的消费时间序列信息，计算用户影响力和商品影响力，增加了计算影响力的方向性和实践性，能精确确定用户或商品影响较大的邻居集群集合，根据强影响力的用户或商品影响力邻居集合训练ALS模型，进行协同过滤，提高了商品推荐的精度，减少推荐方法的时间消耗，提高商品推荐的有效性。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1示出了本专利技术所提供的一种基于时间衰减器的商品推荐方法的流程图；图2示出了图1中的基于时序的用户消费网络图；图3示出了图1中的基于产品的消费网络图；图4示出了本专利技术提供的一种基于时间衰减器的商品推荐终端的原理框图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只是作为示例，而不能以此来限制本专利技术的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。图1示出了本专利技术所提供的一种基于时间衰减器的商品推荐方法的第一实施例，包括以下步骤：S1：初始化计算环境，设定时间T和Tmax,其中，T为设定时间段，Tmax为设定的最大时间。S2：获取用户的评分信息和评分时间的信息，计算用户兴趣度随时间变化的函数。在存储器中存储有用户的评分信息和评分时间的信息。S3：根据获取的用户评分信息和评分时间的信息构建用户的消费网络图和产品的消费网络图，分别计算用户的影响力和商品的影响力。S4：分别设定用户影响力阈值和商品影响力阈值，将所述用户影响力和商品影响力分别与对应的阈值进行比较，将大于等于阈值的用户影响力和商品影响力数据构建强影响力邻居集合。在基于网络关系的商品推荐模型中,最近邻用户(产品)的选择事关重要。设定基于时序的用户消费网络如图2所示，图中节点为用户。在消费网络图中，G＝{U,E}中，U为用户的集合，E为边的集合，W为边权重，“U1(30)”表示用户1消费的产品数量为30。假设在相同的时间段T内，Ui和Uj先后消费了相同的产品，在时间t，其边Ei→j的权重Wi→j，t增加1。遍历所有产品，符合上述条件的产品数量即是Ui和Uj的有向边权重Wi→j，T，t∈T。引入时间衰减项，对艾宾浩斯遗忘曲线进行拟合，输入天数和记忆量，用指数函数进行拟合，得到用户兴趣度随时间变化的函数公式：其中，Tui为用户u购买商品i的时间，单位为min，Tmax为设定的最大时间，Wt为用户感兴趣程度。计算用户的影响力的公式为：其中，INi→j为i对j的影响力，f(Ui,Uj)为用户Ui和Uj在设定时间段T内消费产品的并集。由此可知，用户之间影响力局部时序性和时间衰减性。同理，建立与图2类似的基于产品的消费网络图，如图3所示，图中节点为产品，“C1(85)”表示在设定的时间内消费该产品的用户数量，边权重为先后消费端点的两个产品的用户数。计算商品的影响力的公式为：其中，Fi本文档来自技高网...

【技术保护点】
1.一种基于时间衰减器的商品推荐方法，其特征在于，包括：获取用户的评分信息和评分时间的信息，计算用户兴趣度随时间变化的函数；根据获取的用户评分信息和评分时间的信息构建用户的消费网络图和产品的消费网络图，分别计算用户的影响力和商品的影响力；分别设定用户影响力阈值和商品影响力阈值，将所述用户影响力和商品影响力分别与对应的阈值进行比较，将大于等于阈值的用户影响力和商品影响力数据构建强影响力邻居集合；采用强影响力邻居集合训练ALS模型的各项参数，得到ALS模型，根据RMSE判断ALS模型是否收敛，并计算评分预测值；根据所述评分预测值对用户进行商品推荐。

【技术特征摘要】
1.一种基于时间衰减器的商品推荐方法，其特征在于，包括：获取用户的评分信息和评分时间的信息，计算用户兴趣度随时间变化的函数；根据获取的用户评分信息和评分时间的信息构建用户的消费网络图和产品的消费网络图，分别计算用户的影响力和商品的影响力；分别设定用户影响力阈值和商品影响力阈值，将所述用户影响力和商品影响力分别与对应的阈值进行比较，将大于等于阈值的用户影响力和商品影响力数据构建强影响力邻居集合；采用强影响力邻居集合训练ALS模型的各项参数，得到ALS模型，根据RMSE判断ALS模型是否收敛，并计算评分预测值；根据所述评分预测值对用户进行商品推荐。2.如权利要求1所述的基于时间衰减器的商品推荐方法，其特征在于，在获取用户的评分信息和评分时间的信息的步骤之前还包括：初始化计算环境，设定时间T和Tmax,其中，T为设定时间段，Tmax为设定的最大时间。3.如权利要求2所述的基于时间衰减器的商品推荐方法，其特征在于，在初始化计算环境步骤之前还包括：收集用户的评分信息和评分时间的信息。4.如权利要求1所述的基于时间衰减器的商品推荐方法，其特征在于，所述计算用户兴趣度随时间变化的函数的公式：其中，Tui为用户u购买商品i的时间，单位为min，Tmax为设定的最大时间，Wt为用户感兴趣程度。5.如权利要求4所述的基于时间衰减器的商品推荐方法，其特征在于，所述计算用户的影响力的公式为：其中，INi→j为i对j的影响力，f(Ui,U...

【专利技术属性】
技术研发人员：杨芳勋，周耘，蒋跃中，
申请(专利权)人：重庆裕嘉隆大数据产业有限公司，
类型：发明
国别省市：重庆,50