基于记忆更新与邻居传递的电商动态感知数据推荐方法技术

本发明专利技术公开了一种基于记忆更新与邻居传递的电商动态感知数据推荐方法，属于电商推荐技术领域，包括如下步骤：步骤1、从电商平台获取商品信息、价格、销量、评价、用户行为数据，构建电商动态感知数据集并进行预处理，得到时间序列数据集；步骤2、将时间序列数据集输入记忆更新模块，进行节点信息的捕获、信息聚合和记忆更新；步骤3、基于邻居传递模块获取邻居信息特征生成节点向量的邻居特征；步骤4、基于多头注意力模块生成节点嵌入；步骤5、采用多层感知机对获取到的节点嵌入进行解码，得到用户推荐感兴趣的商品并进行推荐。本发明专利技术能够高效地获取邻居信息特征，更准确的向用户推荐可能感兴趣的商品。

【技术实现步骤摘要】

本专利技术属于电商推荐，具体涉及一种基于记忆更新与邻居传递的电商动态感知数据推荐方法。

技术介绍

1、随着互联网的普及，电商用户面临了大量信息的涌入，而电商用户在不同时间和上下文中对信息的需求不同，因此传统的静态列表或搜索结果不能满足他们的需求，如何深入分析与挖掘这些动态的感知数据成为了推荐系统与数据挖掘的交叉研究热点，对推荐系统与动态数据挖掘的研究方法大致如下：

2、推荐算法在数据预测上的研究：为了将“用户兴趣”转化为“个性化推荐”，用户行为数据的统计分析是推荐系统中的关键环节。国内外在推荐算法的处理和预测领域已经有了相当深入的研究，早期的方法使用基于协同过滤的方法，如协同过滤算法来分析用户与物品之间的交互行为，以提供推荐。但是最新研究更多地使用机器学习方法来预测用户兴趣，如结合用户特征和内容信息的协同过滤算法，使得电子商务网站可以更准确地预测用户的购买兴趣范围，从而提供个性化的推荐。举例来说，根据用户的历史点击和购买数据，建立用户兴趣预测模型，使用深度学习方法如神经协同过滤（ncf）来预测用户可能感兴趣的商品。这些方法能够追踪用户兴趣的趋势本文档来自技高网...

【技术保护点】

1.一种基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤1的具体过程为：

3.根据权利要求2所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤2的具体过程为：

4.根据权利要求3所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤3的具体过程为：

5.根据权利要求4所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤4的具体过程为：</p>

6.根据...

【技术特征摘要】

1.一种基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，包括如下步骤：

2.根据权利要求1所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤1的具体过程为：

3.根据权利要求2所述基于记忆更新与邻居传递的电商动态感知数据推荐方法，其特征在于，所述步骤2的具体过程为：

4.根...

【专利技术属性】
技术研发人员：李超，刘润硕，赵中英，付金虎，朱祥凯，段华，曾庆田，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：