一种基于用户新奇度的在线商品推荐方法技术

一种基于用户新奇度的在线商品推荐方法，包括如下步骤：S1、根据用户u浏览商品的信息形成选择序列χ；S2、根据用户u的点击频率，确定用户的窗口时间W

【技术实现步骤摘要】
一种基于用户新奇度的在线商品推荐方法
本专利技术涉及电商平台的个性化推荐系统，特别是涉及一种基于用户新奇度的在线商品推荐方法。
技术介绍
随着社会生产力提升，新的消费产品不断涌入市场，电商平台的迅速发展带来新的消费驱动力。2020年最新研究显示，目前网络销售渠道收入占全球零售总额的12％；未来五年内，它的增长速度将是实体交易的四倍。如此高速增长率，为电商平台带来了消费红利的黄金时代，也使其面临着日益激烈的竞争危机。显然，搜索技术能有效过滤信息，帮助用户寻找心仪商品，却无法促进新消费增长，而推荐技术恰恰能有效提升用户下单率。亚马逊作为最早应用推荐系统的电子商务网站，在启用当年35％的销售额都来自该系统，并通过逐渐成熟的推荐系统，其站内用户下单转化率一度达到60％。随着系统的不断完善，智能推荐效果越来越让人满意，用户需求也悄然改变。具体表现在，网购者进入购物频道后，不再进行关键词搜索，也无明确的购物目标，但仍长时间停留。他们“主动搜索”的行为被“被动推荐”取代，心态从“希望浏览满意商品”向“希望浏览满意推荐”发生转变。用户在浏览推荐内容中获本文档来自技高网...

【技术保护点】
1.一种基于用户新奇度的在线商品推荐方法，其特征在于，包括如下步骤：/nS1、根据用户u浏览商品的信息形成选择序列

【技术特征摘要】
1.一种基于用户新奇度的在线商品推荐方法，其特征在于，包括如下步骤：
S1、根据用户u浏览商品的信息形成选择序列其中，选择序列其中随机变量xt表示用户u在时刻t选择的商品，按选择行为发生的时间戳的升序排列，xt-1表示xt前的选择商品，xt+1表示在xt后的选择商品；
S2、根据用户u的点击频率，确定用户的窗口时间|Wt|，其中，窗口时间|Wt|表示窗口序列Wt发生商品选择的次数，其中窗口序列Wt是用户的选择序列的子序列，
S3、通过计算得到用户新奇度，其中，根据由用户选择开始截至时刻t时用户u的行为历史记录，预测用户u在时刻t选择新商品的概率；用户新奇度的预测概率为，在给定的窗口时间Wt，t时刻下用户u选择的物品xt不在Wt中的概率即用户新奇度值；
S4、根据得到的用户新奇度，向用户推荐在t时刻符合用户新奇度的商品或商品组合。


2.如权利要求1所述的基于用户新奇度的在线商品推荐方法，其特征在于，基于窗口时间|Wt|的大小判定商品是否属于新商品，对给定窗口序列Wt，若用户在t时刻选择的商品则将xt视为用户u在t时刻下的新商品，否之视作重复商品，即旧商品。


3.如权利要求1所述的基于用户新奇度的在线商品推荐方法，其特征在于，步骤S3中，将影响用户产生重复选择行为的相关因素作为新奇度特征；使用所述新奇度特征，通过各个特征值进行量化，进行所述用户新奇度计算；所述新奇度特征包括：商品受欢迎度hIP、商品响应度hIR、商品重复选择热度hIUR、用户重复度hUR、窗口用户重复度hWUR、窗口商品重复度hWIR中的一种或多种；其中，商品受欢迎度hIP指该商品选择频次的平均热门情况，商品响应度hIR表示选择该商品对全体用户的覆盖程度，商品重复选择热度hIUR是对商品被重复选择频次的规范化处理，用户重复度hUR是当前用户u在历史行为中发生重复选择的概率，窗口用户重复度hWUR是指当前时刻t的窗口序列中用户u发生重复选择的概率，窗口商品重复度hWIR是指在当前时刻t的窗口序列中重复商品所占份额；其中所述用户新奇度由新奇度特征及各特征影响权重共同确定，新奇度特征均随时间变化；当用户完成上一次点击后，步骤S4中根据计算的用户新奇度对下一次点击的偏好进行预判，以展示出推荐商品或商品组合。


4.如权利要求3所述的基于用户新奇度的在线商品推荐方法，其特征在于，步骤S3中，以用户u在数据集中的历史选择序列作为输入，在给定时间窗口Wu，t下，构造出N维新奇度特征向量：
nu，t＝{hIP(Wu，t)*，hIR(Wu，t)*，...，h？(Wu，t)}T
其表示用户新奇度由实际影响的N种新奇度特征组合而成，定义N维特征空间，*表示该特征在向量空间中非必需包含，举例如当前商品受欢迎度hIP(Wu，t)、当前商品响应度hIR(Wu，t)或其他新奇度特征；
通过特征空间的乘积，得到截至时刻t时用户u重复选择Wu，t中物品概率为Prepeat(u，t)＝a·nu，t，即时刻t用户u选择重复物品概率，其中a为新奇度特征权重因子向量(简称权重因子)；时刻t用户u选择新物品概率为Pnew(u，t)＝1-Prepeat(u，t)；
确定当前时刻的用户新奇度Nu，t为



模型终端输出的即为用户新奇度Nu，t。


5.如权利要求4所述的基于用户新奇度的在线商品推荐方法，其特征在于，采用线性方式为各个特征向量赋权，设新奇度特征权重因子向量


6.如权利要求3至5任一项所述的基于用户新奇度的在线商品推荐方法，其特征在于，
其中，采用如下方式中的一种或多种确定新奇度特征：
...

【专利技术属性】
技术研发人员：马梦伶，江勇，李丽，黄维，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44