一种基于用户偏好分析的商品推送方法及系统技术方案

本发明专利技术公开了一种基于用户偏好分析的商品推送方法及系统，涉及电子商务技术领域，包括收集多源数据，对用户评论进行情感倾向分析生成用户画像并构建商品知识图谱，使用模糊卡诺模型评估特征重要性并生成特征－情感对；基于用户画像和特征－情感对构建用户－商品交互图，根据用户－商品交互图中的时空信息计算商品间的上下文感知相似度。本发明专利技术通过使用情感分析技术和模糊卡诺模型，不仅提高了用户画像的精确度，还通过特征－情感对精细化了商品特征的重要性评估，构建用户－商品交互图并结合上下文感知相似度计算，不仅考虑了用户的实时位置和环境变化，还能动态调整推荐内容，显著提高了推荐系统的个性化程度和用户满意度。

【技术实现步骤摘要】

本专利技术涉及电子商务，特别是一种基于用户偏好分析的商品推送方法及系统。

技术介绍

1、在数字化和电子商务的迅猛发展背景下，个性化推荐系统已成为吸引用户并提升用户体验的关键技术，推荐系统的核心目标是准确预测用户的兴趣和偏好，以便向用户推荐最合适的商品或服务。早期的推荐系统主要依赖于简单的协同过滤技术，该技术通过分析用户的历史行为数据来预测用户可能感兴趣的新商品或服务。随着技术的进步，推荐系统逐渐融入更复杂的算法，如矩阵分解、深度学习和自然语言处理等，使得推荐结果更加精准和个性化。

2、然而，现有的推荐技术仍存在一些不足之处，许多系统仍依赖于显式用户反馈，如评分和评论，而忽视了隐式反馈的潜在价值，未能充分利用用户情感倾向和上下文信息，导致推荐结果在某些情况下缺乏个性化和相关性，影响推荐系统的有效性和用户的最终满意度。

技术实现思路

1、鉴于上述现有的基于用户偏好分析的商品推送方法及系统中存在的问题，提出了本专利技术。

2、因此，本专利技术所要解决的问题在于许多系统仍依赖于显式用户反馈，如本文档来自技高网...

【技术保护点】

1.一种基于用户偏好分析的商品推送方法，其特征在于：包括，

2.如权利要求1所述的基于用户偏好分析的商品推送方法，其特征在于：所述收集多源数据，对用户评论进行情感倾向分析生成用户画像并构建商品知识图谱指从网站、移动应用和社交媒体收集用户的行为数据、商品数据以及上下文数据包括地理位置、时间戳以及设备信息，对收集的数据进行清洗并使用NLP工具对用户评论进行分词、去停用词和词性标注；

3.如权利要求2所述的基于用户偏好分析的商品推送方法，其特征在于：所述通过商品知识图谱识别用户评论中与商品相关的特征并使用模糊卡诺模型评估特征重要性并生成特征－情感对指设计包含提取的商品特...

【技术特征摘要】

1.一种基于用户偏好分析的商品推送方法，其特征在于：包括，

2.如权利要求1所述的基于用户偏好分析的商品推送方法，其特征在于：所述收集多源数据，对用户评论进行情感倾向分析生成用户画像并构建商品知识图谱指从网站、移动应用和社交媒体收集用户的行为数据、商品数据以及上下文数据包括地理位置、时间戳以及设备信息，对收集的数据进行清洗并使用nlp工具对用户评论进行分词、去停用词和词性标注；

3.如权利要求2所述的基于用户偏好分析的商品推送方法，其特征在于：所述通过商品知识图谱识别用户评论中与商品相关的特征并使用模糊卡诺模型评估特征重要性并生成特征－情感对指设计包含提取的商品特征的问卷，使用likert量表询问用户对每个商品特征的满意度和期望级别，使用在线调查工具收集用户响应，对用户响应进行编码转换，将likert量表分数转化为模糊集合所需的数值输入；

4.如权利要求3所述的基于用户偏好分析的商品推送方法，其特征在于：所述基于用户画像和特征－情感对构建用户－商品交互图指将用户的行为数据与特征－情感对结合，对每一层用户与商品的交互，标注相关的商品特征及用户对商品特征的情感得分和重要性；

5.如权利要求4所述的基于用户偏好分析的商品推送方法，其特征在于：所述根据用户－商品交互图中的时空信息计算商品间...

【专利技术属性】
技术研发人员：张圣，余靖，
申请(专利权)人：武汉市跃动无限网络科技有限公司，
类型：发明
国别省市：