一种购物篮个性化特征建模的推荐方法技术

本发明专利技术公开了一种购物篮个性化特征建模的推荐方法，根据历史购物篮事务数据集的特征构成三元组，并将所述三元组映射到特征向量空间，引入不同的关联类型进行计算与关联，最后利用神经网络技术对不同实体之间的低阶特征组合和高阶特征组合进行建模，对目标物品项进行预测，三元组的使用让模型可以从用户历史数据集中捕获更多的关联组合，缓解了购物篮推荐任务中的数据稀疏性问题，同时使得推荐结果具有可靠性和准确性，解决了现有技术中基于购物篮推荐方法推荐精度不高和推荐结果个性化程度低的问题。度低的问题。度低的问题。

【技术实现步骤摘要】
一种购物篮个性化特征建模的推荐方法


[0001]本专利技术涉及大数据分析
，尤其涉及一种购物篮个性化特征建模的推荐方法。

技术介绍

[0002]从实体杂货店到在线电子商城，互联网技术的飞速发展使人们的生活方式得到了极大改变。许多应用程序的数据量呈现高速增长，丰富的用户数据对可用信息的提取提出了巨大的挑战，推荐系统长期以来一直是缓解信息过载和提高用户体验的有效工具。购物篮推荐问题是给定用户当前所购买的物品，预测待添加到用户购物篮中的另一些物品。在该应用场景下，零售平台除了需要考虑历史数据中用户与物品间的协同过滤信息外，还需要结合用户目前所持有的物品信息进行推荐。以前的工作通过关联规则挖掘来解决任务。然而，这些工作难以对购物篮事务中各个物品的特征表示和高阶特征交互作用进行获取，因此不能很好的满足用户的个性化需求，同时也没有考虑待推荐物品的自身特性，因此不能准确地为用户提供合适的商品。
[0003]目前已公布的专利技术专利“一种融合用户兴趣权重的关联规则推荐方法”，公开号CN 112100483 A，通过构建用户对物品的评分矩阵与计算用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种购物篮个性化特征建模的推荐方法，其特征在于，包括下列步骤：在历史购物篮事务数据集中抽取三元组；将所述三元组映射到特征向量空间；关联计算获得低阶特征组合结果；操作获取高阶特征组合结果；对所述低阶特征组合结果和所述高阶特征组合结果进行仿射变换得到商品的最终推荐值，形成推荐列表。2.如权利要求1所述的购物篮个性化特征建模的推荐方法，其特征在于，所述历史购物篮事务数据集为用户交易数据和可信度较高的公开数据集。3.如权利要求1所述的购物篮个性化特征建模的推荐方法，其特征在于，所述三元组包括用户项、购物篮物品项和目标物品项，事务数据中存在用户项与目标物品项、购物篮物品项与目标物品项以及购物篮物品项间三种关联类型。4.如权利要求1所述的购物篮个性化特征建模的推荐方法，其特征在于，在将所述三元组映射到特征向量空间的过程中，使用表示学习的方法将所述三元组映射到特征向量空间中，并对用户当前所...

【专利技术属性】
技术研发人员：包旭光，李淼，常亮，古天龙，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：