【技术实现步骤摘要】
基于协同过滤的产品推荐方法、装置、设备及存储介质
[0001]本申请涉及大数据中的智能推荐
,尤其涉及一种基于协同过滤的产品推荐方法、装置、设备及存储介质。
技术介绍
[0002]用户画像技术支撑了个性化推荐的应用,为公司或企业提供了信息基础,帮助企业精准定位到用户群体和用户需求,协同过滤是一种在线上大量使用的推荐方法。协同过滤一般分为Item
‑
Based和User
‑
Based两种,Item
‑
Based即“喜欢产品A的用户可能还喜欢产品B”,User
‑
Based即“喜欢产品A的朋友可能也喜欢产品A”,其中,在User
‑
Based协同过滤推荐方法中,则需要评价用户之间的相似程度。
[0003]现有一种基于协同过滤的产品推荐方法,即针对同一产品,根据不同用户对该产品的评分矩阵来计算上述用户之间的相似度,以实现对不同用户之间相似程度的评价操作。
[0004]然而,传统的产品推荐方法普遍不智能,由于交互信息是通用 ...
【技术保护点】
【技术特征摘要】
1.一种基于协同过滤的产品推荐方法,其特征在于,包括下述步骤:当用户通过用户终端浏览产品界面时,采集所述用户的当前操作信息,所述当前操作信息至少包括用户标识信息、产品标识信息、浏览操作信息以及浏览时间信息;读取历史数据库,在所述历史数据库中获取与所述用户标识信息相对应的历史评分向量;根据所述产品标识信息、浏览操作信息以及浏览时间信息对所述历史评分向量进行数据更新操作,得到当前评分向量;分别计算所述当前评分向量与所述历史数据库中其他用户的其他评分向量的相似度,得到相似度结果;基于所述相似度结果的大小在所述其他评分向量中筛选预设数量个匹配当前用户的相似评分向量;基于所述相似评分向量对所述当前评分向量进行协同更新操作,得到推荐目标评分向量;基于评分高低在所述推荐目标评分向量中获取预设数量的推荐目标;向所述用户终端输出与所述推荐目标相对应的目标产品信息。2.根据权利要求1所述的基于协同过滤的产品推荐方法,其特征在于,所述根据所述产品标识信息、浏览操作信息以及浏览时间信息对所述历史评分向量进行数据更新操作,得到当前评分向量的步骤,具体包括下述步骤:判断所述浏览操作信息是否为点击操作;若所述浏览操作信息为点击操作,则确定所述用户对所述产品标识信息的当前评分数据ξ
i
为1;若所述浏览操作信息不为点击操作,则判断所述浏览操作信息的停留时间是否符合有效时间阈值;若所述浏览操作信息的停留时间不符合有效时间阈值,则确定所述用户对所述产品标识信息的所述当前评分数据ξ
i
为0;若所述浏览操作信息的停留时间符合有效时间阈值,则确定所述用户对所述产品标识信息的所述当前评分数据ξ
i
为:其中,t
i
表示用户在第i个列表项上的所述停留时间;基于所述当前评分数据更新所述历史评分向量,得到所述当前评分向量,所述当前评分向量表示为:S
u,i
=S
u,i
+ξ
i
其中,S
u,i
表示用户u对第i个列表项产生兴趣的评分向量。3.根据权利要求2所述的基于协同过滤的产品推荐方法,其特征在于,在所述基于所述当前评分数据更新所述历史评分向量,得到所述当前评分向量的步骤之后,还包括下述步骤:对所述当前评分向量进行归一化处理,所述归一化处理表示为:
4.根据权利要求2所述的基于协同过滤的产品推荐方法,其特征在于,在所述若所述浏览操作信息不为点击操作,则判断所述浏览操作信息的停留时间是否符合有效时间阈值的步骤之前,还包括下述步骤:在所述历史数据库中获取所有用户的用户数量以及用户浏览时间,并基于所述用户数量以及用户浏览时间拟合正态分布:P(T=t)~N(μ,σ2)其中,μ表示均值,均值μ的无偏估计值为σ2表示方差,方差σ2的无偏估计值为基于所述正态分布确定所述有效时间阈值的最小值Stay
min
为:基于所述正态分布确定所述有效时间阈值的最大值Stay
max
为:5.根据权利要求1所述的基于协同过滤的产品推荐方法,其特征在于,所述分别计算所述当前评分向量与所述历史数据库中其他用户评分向量的相似度,得到相似度结果的步骤,具体包括下述步骤:基于相似度计算算法进行所述相似度计算操...
【专利技术属性】
技术研发人员:张晨,
申请(专利权)人:中国平安人寿保险股份有限公司,
类型:发明
国别省市:
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。