龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明涉及一种基于用户行为特征捕获学习的个性化排序推送方法，属于信息检索技术领域。本发明包括步骤：1、通过用户在前端触发进行采集，利用用户行为数据以时间戳的形式获取行为埋点；2、通过统计行为埋点获取由算子离线特征、用户离线特征和交叉离线特征组成的用户行为特征；3、利用汤普森采样的概率估计获得算子连接邻接矩阵元素；4、构建基于用户行为的样本训练排序模型；5、根据排序模型结果和邻接矩阵中的汤普森采样概率估计结果进行预测；其中，汤普森采样概率估计结果为被推荐算子汤普森采样概率预估矩阵所在行进行排序。本发明使用汤普森采样和逻辑回归方法解决了算子连接关系与用户行为特征融合后进行算子推送的技术问题。
主权项：1.一种基于用户行为特征捕获学习的个性化排序推送方法，其特征在于：包括以下步骤，步骤1：通过用户在前端触发进行采集，利用用户行为数据以时间戳的形式获取行为埋点；步骤2：通过统计行为埋点获取由算子离线特征、用户离线特征和交叉离线特征组成的用户行为特征；步骤3：利用汤普森采样的概率估计获得算子连接邻接矩阵元素；步骤4：构建基于用户行为的样本训练排序模型；步骤4.1：构建训练样本；选取采样时间段内用户拖拽行为信息和用户连接行为信息作为正样本；未被拖拽，连接的其他候选算子作为负样本，设定样本阈值，保证正负样本取样量；利用式1和式2对样本服从logistic分布，形成样本空间； 其中，Fx为样本分布函数，fx为概率密度函数，μ位置参数，f为密度函数，X为样本，γ为形状参数，且γ0；步骤4.2：利用sklearn对上述样本和步骤2所述的用户行为特征进行排序模型训练；步骤5：根据训练取得的排序模型结果和邻接矩阵中的汤普森采样概率估计结果进行预测；其中，邻接矩阵中的汤普森采样概率估计结果为被推荐算子汤普森采样概率预估矩阵所在行进行排序。
全文数据：
权利要求：
百度查询： 中国人民解放军军事科学院战争研究院 一种基于用户行为特征捕获学习的个性化排序推送方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号