【技术实现步骤摘要】
本专利技术涉及购物推荐,尤其涉及一种基于知识强化的购物篮可解释推荐方法与系统。
技术介绍
1、在电子商务领域中,推荐系统已经广泛应用来帮助用户快速找到感兴趣的商品。特别是在b2b场景中,b2b用户通常一次性购买多个商品,且购买数量大、重复性强。这使得b2b交易中的推荐系统不单单是推荐一个商品,而要推荐一组商品。而且推荐系统不仅仅需要准确预测用户未来的采购需求,还需要能够解释推荐结果,以便用户在决策过程中能够理解和信任推荐结果,从而更好的促成交易。可解释购物篮推荐旨在根据用户过去购买的购物篮序列推荐一组用户下次可能购买的商品,并提供推荐解释。
2、已有的购物篮推荐大部分是对商品的相关性进行建模,并挖掘隐藏在购物篮序列中的用户偏好,试图用挖掘的信息推断出一组倾向于在下一个购物篮中的商品。现有的购物篮推荐主要是基于马尔科夫链和循环神经网络两种。然而,推荐方法中的一个常见问题是数据稀疏性,用户和商品之间的交互较少,仅仅依靠交互信息很难推断出购物篮及用户偏好的高质量表征。目前购物篮推荐的研究专注于提升推荐准确度,已经取得了很好的推荐性
...【技术保护点】
1.一种基于知识强化的购物篮可解释推荐方法,其特征在于,包括:
2.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法,其特征在于,获取用户在购物系统相关历史时间段的交互信息和商品信息,基于所述交互信息和商品信息提取出各属性实体以及属性实体之间的关系,并构建购物篮知识图谱,具体为:
3.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法,其特征在于,构建TransR模型,将所述购物篮知识图谱输入到所述TransR模型得到预训练表征,具体为:
4.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法,其特征在于,
...【技术特征摘要】
1.一种基于知识强化的购物篮可解释推荐方法,其特征在于,包括:
2.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法,其特征在于,获取用户在购物系统相关历史时间段的交互信息和商品信息,基于所述交互信息和商品信息提取出各属性实体以及属性实体之间的关系,并构建购物篮知识图谱,具体为:
3.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法,其特征在于,构建transr模型,将所述购物篮知识图谱输入到所述transr模型得到预训练表征,具体为:
4.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法,其特征在于,基于所述购物知识图谱中最近购买的商品、购物篮、商品属性构建用户特有的三步图,根据所述用户特有的三步图构建购物篮的表征序列,并通过lstm生成用户的购物篮序列级别表征,具体包括:
5.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法,其特征在于,从包含购物篮的交互数据中筛选出用户在预设时间之内的交互数据,得到用户最近购买的购物篮序列,并基于所述用...
【专利技术属性】
技术研发人员:黄玲,邹晗,黄晓东,谭子星,李哲远,高月芳,邝颖杰,
申请(专利权)人:华南农业大学,
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。