一种时态演化的电商业务拓展分析方法技术

本发明专利技术涉及业务拓展分析的技术领域，公开了一种时态演化的电商业务拓展分析方法，所述方法包括：采集用户购买的商品信息和商品关联信息构建结构化知识图；将结构化知识图中的节点和关系通过三元组表示降维嵌入到向量空间；对向量空间中的低维嵌入向量进行基于注意力机制的传播处理并加入潜在语义信息；构建用户偏好转移模型并进行用户偏好向量生成；基于用户偏好向量生成用于动态推送的商品序列

【技术实现步骤摘要】
一种时态演化的电商业务拓展分析方法


[0001]本专利技术涉及业务拓展分析的
，尤其涉及一种时态演化的电商业务拓展分析方法
。

技术介绍

[0002]在海量信息的网络平台上，电子商务系统帮助用户过滤无效信息，快速挑选出所需产品，进而提升了用户的购物体验，节省搜索时间
。
应用于“电商”平台的智能分析系统的关键就是基于用户
‑
项目的交互信息和其他辅助数据建模用户的兴趣偏好，根据学习的用户喜好展示相应目标商品
。
但是，在现实生活中
,
用户的偏好和爱好会随着时间的推移而改变，现有的许多传统的序列推荐模型仅仅考虑最近的用户交互和行为，无法很好地捕捉用户购买商品序列中的连续行为之间的内在联系
。
针对该问题，本专利技术提出一种时态演化的电商业务拓展分析方法，分析用户兴趣的时态演化特性，助力电商业务拓展
。

技术实现思路

[0003]有鉴于此，本专利技术提供一种时态演化的电商业务拓展分析方法，目的在于：
1)
根据用户购买
、
收藏以及浏览商品的顺序确定用户和商品之间的关联关系，并根据同一用户购买
、
收藏以及浏览同样两种商品的比例，以及对两种商品进行购买
、
收藏以及浏览的时态顺序，确定不同商品间的关联关系，基于用户与商品的关联关系以及商品间的关联关系，将不同用户以及商品进行将为嵌入，得到用户的低维嵌入向量以及商品的嵌入向量，实现结构化知识图的构建以及降维处理；
2)
对用户的低维嵌入向量进行基于注意力机制的传播处理，进而结合商品间的关联关系得到低维嵌入向量中不同商品的注意力分数，体现不同商品的重要程度，并基于用户所购买的商品序列信息得到用户在不同时期的用户兴趣特征，结合聚合高阶信息向量生成用户在不同时期的用户偏好特征，实现描述用户动态兴趣特征的用户偏好特征，其中距离当前时间越近的用户偏好特征的特征权重越大，进而选取最符合当前用户偏好特征的商品进行动态推送，实现电商业务拓展
。
[0004]实现上述目的，本专利技术提供的一种时态演化的电商业务拓展分析方法，包括以下步骤：
[0005]S1
：采集用户购买的商品信息和商品关联信息构建结构化知识图，所述结构化知识图将用户实体和商品实体抽象成图结构节点信息，将实体关系抽象成图结构边信息；
[0006]S2
：将结构化知识图中的节点和关系通过三元组表示降维嵌入到向量空间，并从向量空间中获取待电商业务扩展用户的低维嵌入向量；
[0007]S3
：对低维嵌入向量进行基于注意力机制的传播处理，并加入潜在语义信息，得到聚合高阶信息向量；
[0008]S4
：构建用户偏好转移模型并进行用户偏好向量生成，所述模型以聚合高阶信息向量以及用户所购买的商品序列信息为输入，生成具有用户动态兴趣特征的用户偏好向量；
[0009]S5
：基于用户偏好向量生成用于动态推送的商品序列进行电商业务拓展
。
[0010]作为本专利技术的进一步改进方法：
[0011]可选地，所述
S1
步骤中采集用户购买的商品信息和商品关联信息构建结构化知识图，包括：
[0012]采集用户购买的商品信息以及商品关联信息，其中所采集的信息为：
[0013]{X
i
＝
(Y
i
,L
i
,M
i
)|i∈[1,n]}
[0014]Y
i
＝
(Y
i
(1),Y
i
(2),...,Y
i
(num
i
(Y)))
[0015]L
i
＝
(L
i
(1),L
i
(2),...,L
i
(num
i
(L)))
[0016]M
i
＝
(M
i
(1),M
i
(2),...,M
i
(num
i
(M)))
[0017]其中：
[0018]X
i
表示第
i
名用户所购买商品的信息以及商品关联信息，
n
表示用于采集商品的购买信息以及关联信息的用户总数；
[0019]Y
i
表示第
i
名用户所购买的商品序列信息，
Y
i
(num
i
(Y))
表示第
i
名用户所购买的第
num
i
(Y)
个商品，
num
i
(Y)
表示第
i
名用户所购买的商品总数；
[0020]L
i
表示第
i
名用户所收藏的商品序列信息，
L
i
(num
i
(L))
表示第
i
名用户所收藏的第
num
i
(L)
个商品，
num
i
(L)
表示第
i
名用户所收藏的商品总数；
[0021]M
i
表示第
i
名用户所浏览的商品序列信息，
M
i
(num
i
(M))
表示第
i
名用户所浏览的第
num
i
(M)
个商品，
num
i
(M)
表示第
i
名用户所浏览的商品总数；
[0022]基于所采集到的商品购买信息以及商品间的关联信息，构建得到结构化知识图，其中结构化知识图的构建流程为：
[0023]S11
：初始化生成结构化知识图中的图节点信息，其中图节点包括用户实体以及商品实体，图节点的表示形式为：
[0024]U
＝
{u
i
|i∈[1,n]}
[0025]S
＝
{s
j
|j∈[1,m]}
[0026]其中：
[0027]U
表示用户实体集合，
u
i
表示第
i
名用户；
[0028]S
表示商品实体集合，
s
j
表示第
j
件商品，
m
表示商品的总数；
[0029]在本专利技术实施例中，用户实体以及商品实体的名称表示均为用户或商品的独热编码表示；
[0030]S12
：建立用户实体与商品实体的关联关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种时态演化的电商业务拓展分析方法，其特征在于，所述方法包括：
S1
：采集用户购买的商品信息和商品关联信息构建结构化知识图，所述结构化知识图将用户实体和商品实体抽象成图结构节点信息，将实体关系抽象成图结构边信息；
S2
：将结构化知识图中的节点和关系通过三元组表示降维嵌入到向量空间，并从向量空间中获取待电商业务扩展用户的低维嵌入向量；
S3
：对低维嵌入向量进行基于注意力机制的传播处理，并加入潜在语义信息，得到聚合高阶信息向量；
S4
：构建用户偏好转移模型并进行用户偏好向量生成，所述模型以聚合高阶信息向量以及用户所购买的商品序列信息为输入，生成具有用户动态兴趣特征的用户偏好向量；
S5
：基于用户偏好向量生成用于动态推送的商品序列进行电商业务拓展
。2.
如权利要求1所述的一种时态演化的电商业务拓展分析方法，其特征在于，所述
S1
步骤中采集用户购买的商品信息和商品关联信息构建结构化知识图，包括：采集用户购买的商品信息以及商品关联信息，其中所采集的信息为：
{X
i
＝
(Y
i
,L
i
,M
i
)|i∈[1,n]}Y
i
＝
(Y
i
(1),Y
i
(2),...,Y
i
(num
i
(Y)))L
i
＝
(L
i
(1),L
i
(2),...,L
i
(num
i
(L)))M
i
＝
(M
i
(1),M
i
(2),...,M
i
(num
i
(M)))
其中：
X
i
表示第
i
名用户所购买商品的信息以及商品关联信息，
n
表示用于采集商品的购买信息以及关联信息的用户总数；
Y
i
表示第
i
名用户所购买的商品序列信息，
Y
i
(num
i
(Y))
表示第
i
名用户所购买的第
num
i
(Y)
个商品，
num
i
(Y)
表示第
i
名用户所购买的商品总数；
L
i
表示第
i
名用户所收藏的商品序列信息，
L
i
(num
i
(L))
表示第
i
名用户所收藏的第
num
i
(L)
个商品，
num
i
(L)
表示第
i
名用户所收藏的商品总数；
M
i
表示第
i
名用户所浏览的商品序列信息，
M
i
(num
i
(M))
表示第
i
名用户所浏览的第
num
i
(M)
个商品，
num
i
(M)
表示第
i
名用户所浏览的商品总数；基于所采集到的商品购买信息以及商品间的关联信息，构建得到结构化知识图，其中结构化知识图的构建流程为：
S11
：初始化生成结构化知识图中的图节点信息，其中图节点包括用户实体以及商品实体，图节点的表示形式为：
U
＝
{u
i
|i∈[1,n]}S
＝
{s
j
|j∈[1,m]}
其中：
U
表示用户实体集合，
u
i
表示第
i
名用户；
S
表示商品实体集合，
s
j
表示第
j
件商品，
m
表示商品的总数；
S12
：建立用户实体与商品实体的关联关系：
R(u
i
,s
j
)
＝
(
α
ij
,
β
ij
,
γ
ij
)
其中：
R(u
i
,s
j
)
表示第
i
名用户与第
j
件商品的关联关系；
α
ij
＝
{0,1}
，
α
ij
＝0表示第
i
名用户未购买第
j
件商品，
α
ij
＝1表示第
i
名用户已购买第
j
件商品；
β
ij
＝
{0,1}
，
β
ij
＝0表示第
i
名用户未收藏第
j
件商品，
β
ij
＝1表示第
i
名用户已收藏第
j
件商品；
γ
ij
表示第
i
名用户浏览第
j
件商品的次数；
S13
：建立商品实体之间的关联关系：其中：
R(s
j
,s
k
)
表示第
j
件商品与第
k
件商品的关联关系；
p(c1(s
j
,s
k
))
表示同一用户购买商品
s
j
,s
k
的比例，
p(c2(s
j
,s
k
))
表示同一用户收藏商品
s
j
,s
k
的比例，
p(c3(s
j
,s
k
))
表示同一用户浏览商品
s
j
,s
k
的比例；
c1(s
j
,s
k
)
表示先购买商品
s
j
后购买商品
s
k
的用户数目，
c2(s
j
,s
k
)
表示先收藏商品
s
j
后收藏商品
s
k
的用户数目，
c3(s
j
,s
k
)
表示先浏览商品
s
j
后浏览商品
s
k
的用户数目；
S14
：将图节点以及节点之间的关联关系构建为结构化知识图
(U,S,R)
，其中
U
表示用户实体集合，
S
表示商品实体集合，
R
表示实体间的关系
。3.
如权利要求2所述的一种时态演化的电商业务拓展分析方法，其特征在于，所述
S2
步骤中将结构化知识图中的节点和关系通过三元组表示降维嵌入到向量空间，包括：将结构化知识图中的节点和关系通过三元组表示降维嵌入到向量空间，其中第
i
名用户与第
j
件商品的三元组表示为：
(u
i
,s
j
,R(u
i
,s
j
))
，第
j
件商品与第
k
件商品的三元组表示为
...

【专利技术属性】
技术研发人员：熊晓熙，周海燕，贾湘琳，孙翰，
申请(专利权)人：湖南软件职业技术大学，
类型：发明
国别省市：