【技术实现步骤摘要】
基于用户需求画像的产品自适应服务方法、介质及装置
[0001]本专利技术涉及智能推荐
,具体而言,涉及一种基于用户需求画像的产品自适应服务方法、介质及装置。
技术介绍
[0002]随着网络时代的兴盛,互联网的规模不断扩大,广阔分布的互联网使得数据资源呈爆炸式增长,用户要在海量信息空间中获得符合自己需求的信息越发困难,形成“信息过载”这一典型问题。推荐系统的出现很好的解决了这个问题。
[0003]个性化推荐利用数据挖掘等技术从用户的历史记录中收集用户的偏好,帮助用户获取感兴趣的信息,以解决互联网信息“超负载”问题。与传统搜索引擎等信息检索技术相比,推荐系统最大的优势在于能够为用户提供个性化的服务,系统根据用户的个人信息或浏览行为引导用户,针对不同的用户,该过程的反馈结果也会不同。
[0004]但推荐系统也存在如下典型问题:(1)“冷启动”问题,冷启动问题是数据稀疏问题的一种极端情况,一般发生在初始状态系统评分数据太少时,系统的可用数据太少,因而无法做出适当的推荐。系统出现新用户时,由于系统掌握的用户信息很少,无法准确判断用户的关注偏好,无法为用户提供针对性的信息;(2)查全服务与准确服务问题,定义产品服务准确率为系统推送的产品中用户感兴趣(实际需要)的产品数量与推送的情报产品数量总和之间的比值,反映推送产品的多样性;定义产品服务查全率为系统推送的产品中用户感兴趣(实际需要)的产品数量与产品库中与用户需求真实相关的产品数量总和之间的比值,反映推送产品的准确性。两项指标相关性较强,但查全率和准确率基本 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于用户需求画像的产品自适应服务方法,其特征在于,包括如下步骤:步骤1:用户显式需求建模生成用户显式需求画像;步骤2:用户隐式需求建模生成用户隐式需求画像;步骤3:对用户显式需求画像和用户隐式需求画像赋予不同的权重,然后对用户显式需求画像和用户隐式需求画像进行有效加权,生成用户个性化需求画像;步骤4:实现基于用户个性化需求画像的准确推荐和查全推荐两种不同场景下的产品智能推荐。2.根据权利要求1所述的基于用户需求画像的产品自适应服务方法,其特征在于,步骤1中用户显式需求建模生成用户显式需求画像的方法包括:利用结构化的需求建模工具,采集用户的产品需求,包括用户关注的产品主题以及产品关键词,输出结构化的用户显式需求列表;该用户显式需求列表即为用户显式需求画像。3.根据权利要求2所述的基于用户需求画像的产品自适应服务方法,其特征在于,所述用户显式需求画像表示为:其中:表示用户显式需求画像;表示用户关注的产品主题的关注度列表;表示用户对产品关键词的关注度列表;T
hist_i
(i∈(1~h))表示用户关注的第i个产品的产品主题,w
hist_i
(i∈(1~h))表示对用户关注的第i个产品的产品主题的关注度,h为用户关注的产品的产品主题数量,w
hist_1
+w
hist_2
+w
hist_3
+
…
+w
hist_h
=1;Kword
hist_j
(j∈(1~g))表示用户关注的产品的第j个产品关键词;w
’
hist_j
(j∈(1~g))表示对用户关注的产品的第j个产品关键词的关注度,g为用户关注的产品的产品关键词数量,w
’
hist_1
+w
’
hist_2
+w
’
hist_3
+
…
+w
’
hist_g
=1。4.根据权利要求1所述的基于用户需求画像的产品自适应服务方法,其特征在于,步骤2中用户隐式需求建模生成用户隐式需求画像的方法包括:用户登录产品服务系统后,产品服务系统通过自动采集用户的交互式操作行为及交互式操作产品对象,利用需求挖掘算法,提取用户关注重点,由此输出结构化的用户隐式需求列表;该用户隐式需求列表即为用户隐式需求画像。5.根据权利要求4所述的基于用户需求画像的产品自适应服务方法,其特征在于,步骤2中用户隐式需求建模生成用户隐式需求画像的方法包括如下子步骤:步骤21,采集并记录用户的交互式操作行为及操作对象:
其中:表示用户在登录产品服务系统期间对产品的交互式操作行为矩阵,l表示具有包括浏览、收藏或下载的交互式操作行为的产品总数,Q
i1
表示用户对第i个产品的浏览行为,Q
i2
表示用户对第i个产品的收藏行为,Q
i3
表示用户对第i个产品的下载行为;步骤22,计算用户对产品的关注度:步骤221,构建用户操作行为与产品关注度的映射关系矩阵:其中:表示用户操作行为与产品关注度的映射关系矩阵,w1表示用户的浏览行为对产品关注度的量化值,w2表示用户的收藏行为对产品关注度的量化值,w3表示用户的下载行为对产品关注度的量化值;步骤222,通过用户在登录产品服务系统期间对产品的交互式操作行为矩阵以及用户操作行为与产品关注度的映射关系矩阵,计算用户在登录产品服务系统期间对产品关注度列表:其中:表示用户在登录产品服务系统期间对产品关注度列表,D
i
(i=1~l)表示用户对第i个产品的关注度值;步骤23,计算用户隐式需求列表,生成用户隐式需求画像:步骤231,对用户关注的每个产品进行产品主题及产品关键词采集,输出产品主题列表以及产品关键词列表:产品主题列表表示为:
其中:T
i
(i∈(1~l))表示第i个产品的产品主题,认为一个产品有且只有一个产品主题;产品关键词列表表示为:其中:[Kword
i
](i∈(1~l))表示第i个产品的产品关键词,认为一个产品有一个或多个产品关键词;第i个产品的的产品关键词列表表示为:Kword
i
=[[Kword
i1
,w
i1
],[Kword
i2
,w
i2
],
…
,[Kword
ik
,w
ik
]],i=1~l;其中:k表示第i个产品的产品关键词数量;[Kword
iq
,w
iq
](q=1~k)中,Kword
iq
表示第i个产品的第q个产品关键词,w
iq
表示第q个产品关键词的权重;步骤232,计算用户对产品主题的关注度,认为一个产品有且只有一个产品主题,则用户对第i个产品的产品主题关注度即用户对第i个产品的关注度:首先计算用户对每个产品的产品主题关注度,表示为:其中,(i∈(1~l))表示用户对第i个产品的产品主题T
i
关注度为,D
i
为用户对第i个产品的关注度;然后对产品主题关注度列表求并集,合并相同主题,输出用户对产品主题关注度:当有多个产品的产品主题相同时,用户对该产品主题的关注度为对该产品主题下所有关注度之和;通过合并相同产品主题下的多个关注度,输出用户对产品主题关注度列表,表示:其中:表示用户对产品主题关注度列表;(i∈(1~n),n≤l)表示用户对第i个产品的产品主题T
i
的关注度值为;最后对各产品主题关注度进行归一化处理,归一化公式如下:输出归一化后的用户对产品主题关注度列表,表示为:其中,w
i
(i∈(1~n))为归一化后的用户对第i个产品的产品主题关注度,w1+w2+
…
+ w
n
=1;步骤233,计算用户对产品关键词的关注度,认为一个产品有一个或多个产品关键词,
用户对产品关键词的关注度为用户对产品的关注度乘以产品关键词权重:首先计算用户对每个产品关键词的关注度,表示为:其中:表示用户对第i个产品中产品关键词的关注度列表;k表示第i个产品的产品关键词数量;[Kword
ik
,w
ik
]表示第i个产品的第k个产品关键词及考虑产品关注度后的用户对该产品关键词关注度;然后对产品关键词关注度列表求并集,合并相同产品关键词,输出用户对产品关键词关注度:遍历用户对产品关键词关注度列表,当有多个产品关键词相同时,用户对该产品关键词的关注度为对该产品关键词的所有关注度之和;即,当第i个产品的产品关键词Kword
ik
与第j个产品的产品关键词Kword
jm
相同,即Kword
ik
=Kword
jm
时,用户对产品关键词Kword
ik
的关注度为w
ik
=w
ik
+w
jm
;通过合并相同产品关键词下的多个关注度,输出用户对产品关键词关注度列表,表示:其中:表示用户对产品关键词关注度列表;(i∈(1~p))表示用户对第i个产品关键词Kword
i
的关注度值为;最后,对各产品关键词关注度进行归一化处理,归一化公式如下:输出归一化后的用户对产品关键词关注度列表,表示为:其中,w
i
(i∈(1~p))为归一化后的第i个产品关键词关注度,w1+w2+
…
+w
p
=1;步骤234,基于步骤232和步骤233计算出的用户产品主题关注度和用户产品关键词关注度,生成用户隐式需求列表,即用户隐式需求画像,表示为:
其中:表示用户隐式需求列表,由步骤232和步骤233计算出的用户产品主题关注度列表和用户产品关键词关注度列表组成。6.根据权利要求5所述的基于用户需求画像的产品自适应服务方法,其特征在于,步骤3中对用户显式需求画像和用户隐式需求画像赋予不同的权重,然后对用户显式需求画像和用户隐式需求画像进行有效加权,生成用户个性化需求画像的方法,包括如下子步骤:步骤31,为用户历史需求画像和用户隐式需求画像分配权重:w
hist
技术研发人员:戴礼灿,吴超蓉,宋丹,杨露,
申请(专利权)人:中国电子科技集团公司第十研究所,
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。