商品零售领域考虑时间衰减的用户偏好评定方法及系统技术方案

本发明专利技术提供了一种商品零售领域考虑时间衰减的用户偏好评定方法及系统，包括：步骤S1：根据零售系统记录的用户行为信息通过SHAP确定用户偏好标签所需的特征；步骤S2：对获取的特征采用熵权法确定每个特征对应的权重数值；步骤S3；基于牛顿冷却定律调整特征随时间发生的热度变化。本发明专利技术根据用户行为信息生成的SHAP进行特征选择，解决了用户偏好标签中特征选择的问题，采用熵权法对选择的特征从数据本身出发来确定相应权重、采用基于牛顿冷却定律的时间衰减系数配置，解决了线性衰减不符合自然规律的问题。然规律的问题。然规律的问题。

【技术实现步骤摘要】
商品零售领域考虑时间衰减的用户偏好评定方法及系统


[0001]本专利技术涉及用户画像标签生成技术的领域，具体地，涉及一种商品零售领域考虑时间衰减的用户偏好评定方法及系统。

技术介绍

[0002]现有的用户偏好标签计算方法主要是由用户行为次数、行为类型权重、时间线性衰减来计算出用户偏好，其中用户行为次数为用户在系统内进行各种操作留下的事件的记录，行为类型权重为人为制定的用户各种在系统内行为的权重大小，而时间线性衰减为设置好衰减时间上限后(如1年)，让对应的行为根据其发生时间进行线性衰减(如半年衰减50％)，来对距今发生较远的事件来进行削减。以上方法有3个主要缺点：
[0003]1.用户在系统内的行为数量众多，过多的行为记录在增大计算成本的同时对最终效果可能起到不良影响。
[0004]2.人为权重过于主观，即使经验在当时是可用的随着时间变化可能各个因素的权重发生变化，并且加入新的因素时难以确定其权重大小。
[0005]3.线性时间衰减时间上限难以界定，而界定后对超出上限的数据无法妥善处理，难以维护并且线性衰减本身不符合自然规律。

技术实现思路

[0006]针对现有技术中的缺陷，本专利技术的目的是提供一种商品零售领域考虑时间衰减的用户偏好评定方法及系统。
[0007]根据本专利技术提供的一种商品零售领域考虑时间衰减的用户偏好评定方法，包括：
[0008]步骤S1：根据零售系统记录的用户行为信息通过SHAP确定用户偏好标签所需的特征；
[0009]步骤S2：对获取的特征采用熵权法确定每个特征对应的权重数值；
[0010]步骤S3；基于牛顿冷却定律调整特征随时间发生的热度变化。
[0011]优选地，所述步骤S1包括：
[0012]获取零售系统中的用户行为信息，获取用户偏好标签所需的特征，选择部分特征作为偏好标签，以其他特征对偏好标签进行特征的选择和解释，采用XGBoost模型做拟合，通过SHAP系统计算其他特征对偏好标签的累加贡献的边际效应，确定各个偏好标签所需的特征；
[0013]将获取的用户行为信息转化为以用户为索引的数据，根据每个用户产生的行为信息计算用户对偏好标签的喜好情况。
[0014]优选地，所述步骤S2包括：
[0015]数据标准化：对于一组j个特征，i个数据点的数据，其中：
[0016]X
i
＝{x1,x2,
…
,x
j
}
[0017]设标准化后的特征值为Y
ij
,那么有：
[0018][0019]计算各个特征的信息熵E
j
：
[0020]对于n个数据点中的其中1个数据点，根据信息论中信息熵的定义：
[0021][0022]其中：
[0023][0024]与信息熵对应的，冗余度：
[0025]d
j
＝1
‑
E
j
[0026]确定特征的权重w
j
：
[0027][0028]用户偏好特征的结果：
[0029][0030]优选地，所述步骤S3包括：采用基于牛顿冷却定律的衰减方式来对特征做时间上的处理：
[0031][0032]其中T(t)代表物体在t时的温度，H代表室温，α代表冷却系数，在时刻t0时物体温度为T0；将偏好热度基于牛顿冷却定律，通过设置α冷却速率，调节相应指标随至今时间距离逐渐衰减的速度。
[0033]优选地，所述偏好热度T(now)＝T_0
·
e
α
·
(now
‑
t_0)
，其中，T_0为改特征的原值，t_0为此特征发生时的时刻，now为现在的时刻；通过设置α的值，调节相应指标随时间逐渐衰减速度。
[0034]根据本专利技术提供的一种商品零售领域考虑时间衰减的用户偏好评定系统，包括：
[0035]模块M1：根据零售系统记录的用户行为信息通过SHAP确定用户偏好标签所需的特征；
[0036]模块M2：对获取的特征采用熵权法确定每个特征对应的权重数值；
[0037]模块M3；基于牛顿冷却定律调整特征随时间发生的热度变化。
[0038]优选地，所述模块M1包括：
[0039]获取零售系统中的用户行为信息，获取用户偏好标签所需的特征，选择部分特征作为偏好标签，以其他特征对偏好标签进行特征的选择和解释，采用XGBoost模型做拟合，通过SHAP系统计算其他特征对偏好标签的累加贡献的边际效应，确定各个偏好标签所需的特征；
[0040]将获取的用户行为信息转化为以用户为索引的数据，根据每个用户产生的行为信
息计算用户对偏好标签的喜好情况。
[0041]优选地，所述模块M2包括：
[0042]数据标准化：对于一组j个特征，i个数据点的数据，其中：
[0043]X
i
＝{x1,x2,
…
,x
j
}
[0044]设标准化后的特征值为Y
ij
,那么有：
[0045][0046]计算各个特征的信息熵E
j
：
[0047]对于n个数据点中的其中1个数据点，根据信息论中信息熵的定义：
[0048][0049]其中：
[0050][0051]与信息熵对应的，冗余度：
[0052]d
j
＝1
‑
E
j
[0053]确定特征的权重w
j
：
[0054][0055]用户偏好特征的结果：
[0056][0057]优选地，所述模块M3包括：采用基于牛顿冷却定律的衰减方式来对特征做时间上的处理：
[0058][0059]其中T(t)代表物体在t时的温度，H代表室温，α代表冷却系数，在时刻t0时物体温度为T0；将偏好热度基于牛顿冷却定律，通过设置α冷却速率，调节相应指标随至今时间距离逐渐衰减的速度。
[0060]优选地，所述偏好热度T(now)＝T_0
·
e
α
·
(now
‑
t_0)
，其中，T_0为改特征的原值，t_0为此特征发生时的时刻，now为现在的时刻；通过设置α的值，调节相应指标随时间逐渐衰减速度。
[0061]与现有技术相比，本专利技术具有如下的有益效果：
[0062]本专利技术根据用户行为信息生成的SHAP进行特征选择，解决了用户偏好标签中特征选择的问题，采用熵权法对选择的特征从数据本身出发来确定相应权重、采用基于牛顿冷却定律的时间衰减系数配置，解决了线性衰减不符合自然规律的问题。
附图说明
[0063]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0064]图1为本专利技术一实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品零售领域考虑时间衰减的用户偏好评定方法，其特征在于，包括：步骤S1：根据零售系统记录的用户行为信息通过SHAP确定用户偏好标签所需的特征；步骤S2：对获取的特征采用熵权法确定每个特征对应的权重数值；步骤S3；基于牛顿冷却定律调整特征随时间发生的热度变化。2.根据权利要求1所述的商品零售领域考虑时间衰减的用户偏好评定方法，其特征在于：所述步骤S1包括：获取零售系统中的用户行为信息，获取用户偏好标签所需的特征，选择部分特征作为偏好标签，以其他特征对偏好标签进行特征的选择和解释，采用XGBoost模型做拟合，通过SHAP系统计算其他特征对偏好标签的累加贡献的边际效应，确定各个偏好标签所需的特征；将获取的用户行为信息转化为以用户为索引的数据，根据每个用户产生的行为信息计算用户对偏好标签的喜好情况。3.根据权利要求1所述的商品零售领域考虑时间衰减的用户偏好评定方法，其特征在于：所述步骤S2包括：数据标准化：对于一组j个特征，i个数据点的数据，其中：X
i
＝{x1,x2,
…
,x
j
}设标准化后的特征值为Y
ij
,那么有：计算各个特征的信息熵E
j
：对于n个数据点中的其中1个数据点，根据信息论中信息熵的定义：其中：与信息熵对应的，冗余度：d
j
＝1
‑
E
j
确定特征的权重w
j
：用户偏好特征的结果：4.根据权利要求1所述的商品零售领域考虑时间衰减的用户偏好评定方法，其特征在于：所述步骤S3包括：采用基于牛顿冷却定律的衰减方式来对特征做时间上的处理：
其中T(t)代表物体在t时的温度，H代表室温，α代表冷却系数，在时刻t0时物体温度为T0；将偏好热度基于牛顿冷却定律，通过设置α冷却速率，调节相应指标随至今时间距离逐渐衰减的速度。5.根据权利要求4所述的商品零售领域考虑时间衰减的用户偏好评定方法，其特征在于：所述偏好热度T(now)＝T_0
·
e
α
·
(now
‑
t_0)
，其中，T_0为改特征的原值，t_0为此特征发生时的时刻，now为现在的时刻；通过设置α的值，调节相应指标随时间逐渐衰减速...

【专利技术属性】
技术研发人员：贾斯然，姚彭，郑仁，
申请(专利权)人：重庆赛创机器人科技有限公司，
类型：发明
国别省市：