基于用户行为的母婴产品动态推荐方法及系统技术方案

本发明专利技术公开了基于用户行为的母婴产品动态推荐方法及系统，包括如下步骤：在客户端实时采集用户多维行为数据，进行清洗与特征提取，结构化存储；根据用户输入的预产期或婴儿出生日期动态建立并校正用户生命周期状态；对行为数据按时间间隔、类型和场景标签加权，计算行为特征权重；基于权重生成行为向量，并结合阶段同步性调节因子筛选相似用户；综合相似用户历史购买行为与目标用户行为，计算各产品推荐分数，排序生成个性化推荐列表。本发明专利技术能够基于用户多维行为和生命周期动态建模，实现母婴产品的阶段精准推荐和实时个性化推送，从而显著提升推荐的相关性和用户体验。

【技术实现步骤摘要】

本专利技术电子商务推荐系统，尤其涉及基于用户行为的母婴产品动态推荐方法及系统。

技术介绍

1、现有的母婴电商平台和垂直社区普遍采用协同过滤等推荐算法，主要基于用户的历史购买数据进行商品相似度计算。然而，这类静态推荐策略未考虑母婴用户生命周期短、需求变化快的特点。用户在婴儿成长过程中需求频繁切换，如从1段奶粉过渡到2段奶粉，但传统算法由于未引入时间衰减因子，往往出现推荐结果严重滞后的问题。例如，实测中发现部分用户需求已发生阶段变化，而推荐系统仍长期推送过期商品，滞后性可达30天以上，影响用户体验和商品转化效率。

2、现有推荐技术在用户行为建模方面存在明显局限。大多数系统仅采集和利用用户的历史购买行为，缺乏对浏览、加购、停留、搜索等多维行为特征的挖掘和分析。在母婴场景下，用户行为具有更强的阶段性和场景化特征，单一的购买行为难以全面反映真实需求，导致推荐系统相关性和准确性下降。同时，现有推荐系统缺乏针对用户实时行为的动态更新机制，不能根据用户突发搜索或临时咨询等操作及时调整推荐策略，从而错失场景化推荐机会。实践中，系统对关键行为响应延迟超过5分钟，无本文档来自技高网...

【技术保护点】

1.基于用户行为的母婴产品动态推荐方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于用户行为的母婴产品动态推荐方法，其特征在于，所述多维行为数据包括基础行为、隐性行为以及场景行为，基础行为包括浏览商品、加购、收藏、购买、评论，隐性行为包括页面停留时长、滚动深度、图片放大次数、点击热力值，场景行为包括用户搜索关键词、咨询内容、浏览路径，所述数据清洗包括过滤异常数据，包括停留时间<1秒的浏览，滚动深度<10%的浏览、同一IP一分钟内重复点击>10次的重复点击行为，所述特征提取使用LSTM模型从搜索词中提取关键词，映射至预设的场景标签库。

...

【技术特征摘要】

1.基于用户行为的母婴产品动态推荐方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于用户行为的母婴产品动态推荐方法，其特征在于，所述多维行为数据包括基础行为、隐性行为以及场景行为，基础行为包括浏览商品、加购、收藏、购买、评论，隐性行为包括页面停留时长、滚动深度、图片放大次数、点击热力值，场景行为包括用户搜索关键词、咨询内容、浏览路径，所述数据清洗包括过滤异常数据，包括停留时间<1秒的浏览，滚动深度<10%的浏览、同一ip一分钟内重复点击>10次的重复点击行为，所述特征提取使用lstm模型从搜索词中提取关键词，映射至预设的场景标签库。

3.根据权利要求1所述的基于用户行为的母婴产品动态推荐方法，其特征在于，所述数据校正步骤包括：

4.根据权利要求...

【专利技术属性】
技术研发人员：肖虹，姚宁，
申请(专利权)人：链多多信息技术重庆有限公司，
类型：发明
国别省市：