一种基于深度神经网络的电商用户时变特征相似性计算推荐方法技术

本发明专利技术公开了一种基于深度神经网络的电商用户时变特征相似性计算及推荐方法。本发明专利技术通过分析用户特征，使用神经网络模型，来为目标用户寻找与其行为时间演化特征相似的其他用户。在此基础上，本发明专利技术进一步构造了一个推荐系统，根据相似用户可能购买的品牌来为该用户做推荐，提升了推荐的多样性。

A time varying feature similarity computing recommendation method for electric business users based on deep neural network

The invention discloses a time-varying feature similarity calculation and recommendation method for e-commerce users based on a depth neural network. By analyzing user characteristics, the invention uses a neural network model to find other users similar to their behavior time evolution characteristics for the target user. On this basis, the invention further constructs a recommendation system, which makes recommendations for similar users according to the brands they may purchase, thereby improving the diversity of recommendations.

【技术实现步骤摘要】
一种基于深度神经网络的电商用户时变特征相似性计算推荐方法
本专利技术涉及一种基于深度神经网络的电商用户时变特征相似性计算推荐方法，属于软件
背景内容现有商品推荐方案大多数只是简单提取用户行为数据，与用户基本数据进行结合，使用协同过滤算法来预测用户未来的购买行为。这种技术无法发现用户之间的细粒度时间演变行为相似关系，从而无法发掘用户更多的购买可能。名词解释：购买预测模型是指对于某个用户来说，分析他的历史行为数据，得到他对某个品牌的行为以及他的特性特征，然后通过这些特征构建模型预测未来的对这个品牌的购买倾向的模型。
技术实现思路
本专利技术克服现有技术存在的不足，本专利技术公开了一种基于深度神经网络电商用户时变特征相似性计算推荐方法。本专利技术能够使用用户行为信息，来为目标用户寻找与其行为时间演化特征相似的其他用户。在此基础上，本专利进一步构造了一个推荐系统，根据相似用户曾经购买的品牌来为该用户做推荐，从而提升了推荐的多样性。为解决上述技术问题，本专利技术所采用的技术方案为：一种基于深度神经网络的电商用户时变特征相似性计算推荐方法，包括如下步骤：步骤一、通过用户行为特征和用户特性本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的电商用户时变特征相似性计算推荐方法，其特征在于，包括如下步骤：步骤一、通过用户行为特征和用户特性特征建立用户相似性预测模型，并对用户相似性预测模型进行训练得到训练好的用户相似性预测模型；步骤二：构建协同过滤推荐系统；一)、根据步骤一中训练好的模型，首先对所有的用户数据进行特征提取，然后，将用户u和用户v的特征输入神经网络进行计算，神经网络输出的结果即为他们未来的购买相似度的预测值；对于n个用户，用户u分别与其他的用户进行相似度预测，然后排序找到与用户u相似度最高的k个用户；二)获取与目标用户行为相似度较高的前k个用户，对所述k个用户有过用户行为特征行为的品牌产品进行购...

【技术特征摘要】
1.一种基于深度神经网络的电商用户时变特征相似性计算推荐方法，其特征在于，包括如下步骤：步骤一、通过用户行为特征和用户特性特征建立用户相似性预测模型，并对用户相似性预测模型进行训练得到训练好的用户相似性预测模型；步骤二：构建协同过滤推荐系统；一)、根据步骤一中训练好的模型，首先对所有的用户数据进行特征提取，然后，将用户u和用户v的特征输入神经网络进行计算，神经网络输出的结果即为他们未来的购买相似度的预测值；对于n个用户，用户u分别与其他的用户进行相似度预测，然后排序找到与用户u相似度最高的k个用户；二)获取与目标用户行为相似度较高的前k个用户，对所述k个用户有过用户行为特征行为的品牌产品进行购买预测，即：根据uj，j＝1，...，k，的行为特征和特性特征，预测uj可能购买的品牌，再将k个用户可能购买的品买产品的可能性进行排序，获得可能性较高的前m个品牌，将这m个品牌放入推荐列表推荐给用户u；m为自然数，根据对比实验调整设定。2.如权利要求1所述的基于深度神经网络的电商用户时变特征相似性计算推荐方法，其特征在于，所述用户行为特征包括点击倾向特征、收藏倾向特征、收藏行为时间演化特征、重复购买特征、将会购买特征中的至少一种；所述用户特性特征包括用户点击频率特征、用户收藏频率特征、用户购买频率特征、用户活跃情况特征、用户年龄特征、用户性别特征中的至少一种。3.如权利要求2所述的基于深度神经网络的电商用户时变特征相似性计算推荐方法，其特征在于，所述用户行为特征包括点击倾向特征、将会购买特征、收藏行为演化特征；所述用户特性特征包括用户购买频率特征、用户收藏频率特征、用户点击频率特征、用户在线时长特征、用户年龄特征、用户性别特征。4.如权利要求1所述的基于深度神经网络的电商用户时变特征相似性计算推荐方法，其特征在于，k的取值不大于n*0.01。5.如权利要求1所述的基于深度神经网络的电商用户时变特征相似性计算推荐方法，其特征在于，所述相似性预测模...

【专利技术属性】
技术研发人员：姜文君，
申请(专利权)人：湖南大学，
类型：发明
国别省市：湖南,43