申请/专利权人：北京京东尚科信息技术有限公司;京东美国科技公司

申请日：2020-02-11

公开（公告）日：2024-06-21

公开（公告）号：CN111340071B

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06F16/9535;G06F18/2415;G06N7/01

优先权：["20190213 US 16/274,468"]

专利状态码：有效-授权

法律状态：2024.06.21#授权;2020.07.21#实质审查的生效;2020.06.26#公开

摘要：一种用于产品推荐的方法及系统。该方法包括：由计算设备定义具有潜在因素的分层贝叶斯模型；由计算设备使用多个训练事件来训练分层贝叶斯模型，以获得经训练的分层贝叶斯模型，每个事件包括产品的特征、产品的品牌、用户的特征、以及用户对于产品的动作；由计算设备使用经训练的分层贝叶斯模型来预测目标用户执行关于目标产品的动作的概率；以及基于所述概率向目标用户提供产品推荐。

主权项：1.一种用于产品推荐的方法，包括：由计算设备定义具有潜在因素的分层贝叶斯模型；由所述计算设备使用多个训练事件来训练所述分层贝叶斯模型，以获得经训练的分层贝叶斯模型，每个事件包括产品的特征、产品的品牌、用户的特征、以及用户对于产品的动作；由所述计算设备使用所述经训练的分层贝叶斯模型来预测目标用户执行关于目标产品的动作的概率；以及基于所述概率向所述目标用户提供产品推荐；其中，定义所述分层贝叶斯模型的步骤是通过以下操作执行的：将事件t定义为四元组Xt,bt,ut,yt，其中，Xt表示事件t的与产品相关联的特征，bt是所述产品的品牌，ut是与事件t相关联的用户，以及yt是与事件t相关联的用户动作的概率；定义超参数αw、βw、αs、βs、αb、βb、αu、βu和γ，其中，在所述分层贝叶斯模型的初始化期间，αw＝βw＝αs＝βs＝αb＝βb＝αu＝βu＝0，γ＝1S，以及S是预先确定的样式总数；定义方差参数δw、δs、δb和δu，其中，超参数αw和βw确定方差参数δw，αs和βs确定方差参数δs，αb和βb确定方差参数δb，以及αu和βu确定方差参数δu；定义用户k的用户变量Uk，Uk具有形式的多变量高斯先验，k是从1到U的正整数，以及I是单位矩阵；定义具有形式的多变量高斯先验的权重变量w；定义样式j的样式变量Sj，Sj具有形式的多变量高斯先验，j是从1到S的正整数；将品牌i的样式比例分布θ定义为狄利克雷分布Dirγ，i是1至B的范围中的正整数；将品牌i的样式分配变量Zi定义为多项式函数Multθ，其中，品牌i的样式分配变量Zi在与品牌i的样式Sp相对应的位置p具有值1；定义品牌i的品牌变量Bi，Bi具有形式的多变量高斯先验；以及将用户动作变量yt定义为伯努利分布，其中，对于每个事件t，用户动作yt的概率被定义为表示在分层贝叶斯中针对用户ut编码的用户特定的信息，以及表示品牌特定的信息。

全文数据：

权利要求：

百度查询： 北京京东尚科信息技术有限公司;京东美国科技公司 用于使用分层贝叶斯的个性化产品推荐的系统及方法

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。

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