申请/专利权人：上海交通大学

申请日：2021-11-23

公开（公告）日：2024-07-05

公开（公告）号：CN114119151B

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06N3/044;G06N3/045;G06N3/042;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：本发明提供了一种下一个购物篮个性化推荐方法、系统及介质，包括：数据预处理步骤：获取用户物品间多行为交互序列数据，对获取的交互序列数据进行预处理，获得预处理后数据；模型训练步骤：根据获得的预处理后数据，建立用户物品间多行为交互的下一个购物篮个性化推荐模型并进行训练，获得训练后的模型；下一个购物篮推荐步骤：根据获得的训练后的模型，输入历史多行为交互序列数据，训练后的模型输出下一个购物篮内进行目标行为交互的物品。本发明利用元知识学习、循环神经网络以及序列重复复制机制，根据用户物品间的多行为交互序列，融合提取用户不同行为的共性与个性特征以及长短期个性化兴趣，有效提高下一个购物篮个性化推荐预测精度。

主权项：1.一种下一个购物篮个性化推荐方法，其特征在于，包括：数据预处理步骤：获取用户物品间多行为交互序列数据，对获取的交互序列数据进行预处理，获得预处理后数据；模型训练步骤：根据获得的预处理后数据，建立用户物品间多行为交互的下一个购物篮个性化推荐模型并进行训练，获得训练后的模型；下一个购物篮推荐步骤：根据获得的训练后的模型，输入历史多行为交互序列数据，训练后的模型输出下一个购物篮内进行目标行为交互的物品；所述对获取的用户物品间多行为交互序列数据进行预处理包括：对用户物品间多行为交互序列数据进行预处理：对每个用户包含不同行为的交互序列，将不同行为交互序列拆分为多个同一行为交互序列，每个行为交互序列按交互时间顺序排序，在同一时间段内的进行交互的物品作为一个购物篮，最后获得每个用户的多行为交互购物篮序列；所述用户物品间多行为交互序列数据包括：用户对物品进行点击、添加到购物车、收藏、购买四种行为的用户物品交互序列，交互时间点；所述的多行为交互的下一个购物篮个性化推荐模型包括编码器和解码器；所述编码器包括三个神经网络模块：购物篮编码模块、多行为循环神经网络模块以及元知识循环神经网络模块；所述的多行为交互的下一个购物篮推荐模型为： 其中， 表示训练的目标函数；φ*表示目标行为； 为用户u通过行为φ交互的购物篮； 为用户u在时间窗口T+1通过目标行为φ*交互的购物篮； 表示训练集，xi表示多行为交互购物篮序列，yi表示xi对应的真实下一个购物篮；Prv|xi表示推荐下一个购物篮内物品v的概率；所述的历史多行为交互序列数据为：过去T个时间窗口不同行为的购物篮序列数据，有|Φ|组交互购物篮序列数据，|Φ|表示不同的交互行为种类数。

全文数据：

权利要求：

百度查询： 上海交通大学 下一个购物篮个性化推荐方法、系统及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD