The invention belongs to the field of Internet technology, and discloses an e-commerce recommendation method, which includes: acquiring knowledge data, constructing a time series knowledge map with multiple different topics, and establishing a multi-level label; extracting labels according to the latest behavior data of users, and constructing user dynamic portrait data; labeling time series knowledge map and user dynamic portrait data Through joint matching, we can identify the theme of the map that conforms to the current status of the user; analyze the time range corresponding to the user on the timing knowledge map, and recommend the products within the corresponding time range to the user. With the method and system of the invention, the recommendation result is more accurate and has strong interpretability. When there is no latest user behavior data, the user can still be dynamically depicted and recommended in time dimension.
【技术实现步骤摘要】
一种电商推荐方法及系统
本专利技术属于互联网
,尤其涉及一种电商推荐方法及系统。
技术介绍
当前各大电商网站如亚马逊、京东和淘宝的个性化推荐,是提升电商品牌价值、商品销量以及客户体验的重要办法。主流的个性化推荐算法有:基于内容的推荐、基于协同过滤进行推荐,以及基于深度学习进行推荐等方法。但是,基于协同过滤(CollaborativeFiltering)的方法仅考虑到用户对商品的反馈数据,而基于内容(ContentBase)的方法仅考虑商品的特性数据,这样单纯的依赖部分数据进行推荐难以满足用户更深层次的推荐需求,同时也存在稀疏性等问题;基于深度学习的推荐,推荐效果较前两方法有很大的提高,但却以损失性能为代价,推荐的结果解释性也较低。上述的推荐方法有各自适应场景和不足之处。因此,如何提高电商推荐的准确度和可解释性便成为了目前亟待解决的技术问题。
技术实现思路
本专利技术的目的是,提供一种电商推荐方法,基于时序知识图谱建立,以实现电商服务的推荐准确度高、可解释性强的特点,即使用户一段时间没有行为,也可以为用户进行准确的推荐。本专利技术采用的技术方案如下:一种电商推荐方法,所述方法包括:获取知识数据构建包含多个不同主题的时序知识图谱,并建立不同级别的标签;根据用户最新的行为数据进行标签提取,构建用户动态画像数据;将时序知识图谱与用户动态画像数据进行标签关联匹配,识别出符合该用户当前的图谱主题;分析该用户对应到时序知识图谱上的时间范围,并 ...
【技术保护点】
1.一种电商推荐方法,其特征在于,所述方法包括:/n获取知识数据构建包含多个不同主题的时序知识图谱,并建立多层级的标签;/n根据用户最新的行为数据进行标签提取,构建用户动态画像数据;/n将时序知识图谱与用户动态画像数据进行标签关联匹配,识别出符合该用户当前状态的图谱主题;/n分析该用户对应到时序知识图谱上的时间范围,并将对应时间范围内的商品推荐给用户。/n
【技术特征摘要】
1.一种电商推荐方法,其特征在于,所述方法包括:
获取知识数据构建包含多个不同主题的时序知识图谱,并建立多层级的标签;
根据用户最新的行为数据进行标签提取,构建用户动态画像数据;
将时序知识图谱与用户动态画像数据进行标签关联匹配,识别出符合该用户当前状态的图谱主题;
分析该用户对应到时序知识图谱上的时间范围,并将对应时间范围内的商品推荐给用户。
2.如权利要求1所述的电商推荐方法,其特征在于,从互联网获取不同的知识数据,对知识数据进行语义分析和关键词提取,针对每个主题的知识数据按照时间顺序标注时序信息,构建不同主题的时序知识图谱。
3.如权利要求1所述的电商推荐方法,其特征在于,将时序知识图谱中的各主题标定为一级标签,将时序知识图谱上的实体节点根据数据表达含义范围的粒度大小标定为一级标签之下的其它多个层级的不同级别的标签。
4.如权利要求1或3所述的电商推荐方法,其特征在于,根据用户最新的行为数据,从用户的该行为数据中提取出与时序知识图谱存在关联的标签,优选地,所述行为数据至少包括如下中的一种或几种的组合:用户新浏览的商品信息、用户新加入购物车的商品信息、用户的历史订单数据、用户收藏的商品信息。
5.如权利要求4所述的电商推荐方法,其特征在于,提取用户不同商品信息的标签数据,找出该用户的新增标签,保留细粒度较小的所对应层级的标签。
6.如权利要求5所述的电商推荐方法,其特...
【专利技术属性】
技术研发人员:郁国勇,李成,汪金忠,孙迁,
申请(专利权)人:苏宁云计算有限公司,
类型:发明
国别省市:江苏;32
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。