申请/专利权人：大连海事大学;赛尔网络有限公司

申请日：2021-12-09

公开（公告）日：2024-06-25

公开（公告）号：CN114140170B

主分类号：G06Q30/0251

分类号：G06Q30/0251;G06Q30/0241;G06Q30/0601

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.03.22#实质审查的生效;2022.03.04#公开

摘要：本发明公开了一种基于用户偏好的智能推荐系统，包括：查询分组模块、查询处理模块、用户偏好获取模块；查询分组模块，用于对用户查询请求进行分组；用户偏好获取模块用于初始化偏好信息和动态调整偏好信息；查询处理模块，用于对分组后的查询请求进行处理，根据用户偏好获取模块计算的偏好评分进行排序筛选，将排序筛选后的查询结果返回给用户。本发明可以对用户的偏好进行动态调整，能更好确定用户需求，节省用户挑选时间，随着用户偏好的改变本发明也会的偏好设置也会进行动态调整，从而减少用户设置时间，并保持推荐的准确性。本发明可以对查询后的结果进行排序并筛选，使得返回给用户的查询结果更贴近用户偏好，减少用户挑选时间。

主权项：1.一种基于用户偏好的智能推荐系统，其特征在于，包括：查询分组模块、查询处理模块、用户偏好获取模块；所述查询分组模块用于对用户查询请求进行分组；所述用户偏好获取模块，用于获取用户偏好和动态调整用户偏好以为用户提供符合用户偏好的推荐结果；偏好信息的动态调整，即根据用户对推荐结果的浏览时间以及最终选择，结合评分与历史偏好对用户的偏好信息进行动态化调整；对偏好信息进行评分，依据偏好信息的评分对店铺进行最终评分；所述查询处理模块，用于对分组后的查询请求进行处理，根据用户偏好获取模块计算的偏好评分进行排序筛选，获得推荐结果，并将推荐结果返回给用户；用户偏好获取模块在进行偏好的动态调整时对每一项偏好信息进行评分，对偏好信息进行评分基于以下处理策略：根据各偏好属性的数值特点和实际应用场景，偏好属性类型分为：分段型、连续型和01型，步骤a、根据偏好属性类型，分别计算每种偏好属性的评分：A）当偏好属性的取值是连续的，且处于用户选择偏好属性的取值区间段，即判断所述偏好属性为分段型；分段型偏好的评分计算公式为： 1其中，为偏好评分，为全部店铺在该偏好属性上的取值范围，为用户认可的取值区间段；为店铺在第项属性的实际取值；为第项属性的偏好得分；B）连续型，即该偏好所对应的属性取值是连续的；连续型偏好的得分计算公式为： 2其中，为店铺在该偏好属性的取值，Fm为该偏好属性的最大取值；C）01型，当偏好所对应的属性取值是布尔型，满足要求则得1分，不满足要求则得0分，则判断所述偏好为01型；01型偏好的得分计算公式为： 3步骤b、计算店铺的最终评分： 4其中，为店铺的最终得分，代表店铺的任一项偏好属性，为第项偏好属性的得分，为第项偏好得分的权重系数 （5）其中自变量为整数，初始值设为0，因此权重系数的初始值为1；偏好的动态调整的具体处理策略如下：为调整第项偏好的权重系数，在固定的时间周期内，预设店铺浏览时长阈值，统计超过时长阈值的浏览次数记为，符合用户第项偏好要求的次数为；用户发生订购的次数记为，符合用户第项偏好要求的次数为；权重调整判定因子的公式为： （6）其中，是根据经验设定的比重系数，用于调节公式中各项所占比重；对于权重系数，设定增加阈值和降低阈值；若因子大于增加阈值，说明该偏好设定符合用户实际需求，则公式中自增1，相应增大；若因子低于降低阈值，说明该偏好设定不符合用户实际需求，则公式中自减1，相应减小；所述增加阈值和降低阈值均根据经验设定；对于用户自行设定的偏好，如果因子连续在多个统计周期内均低于降低阈值，若该偏好类型为01型，则建议用户删除偏好，若为偏好类型为分段或连续型则建议用户修改所述偏好；对于用户未设定的偏好，如果在连续多个统计周期内判定因子都大于增加阈值，则推荐用户添加所述未设定的偏好；所述统计周期时长根据经验设定。

全文数据：

权利要求：

百度查询： 大连海事大学;赛尔网络有限公司 一种基于用户偏好的智能推荐系统

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