申请/专利权人：中国人民解放军海军工程大学

申请日：2021-12-24

公开（公告）日：2024-06-28

公开（公告）号：CN114240575B

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06Q30/0202;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.04.12#实质审查的生效;2022.03.25#公开

摘要：本发明公开了一种基于商品流行度及用户动态兴趣的商品推荐方法及系统，包括流行度计算模块、流行度惩罚权重计算模块、商品相似度计算模块、用户兴趣衰减值计算模块、商品评分预测值计算模块、商品推荐模块。通过本发明所述方法和系统，解决热门商品相似度偏高的问题，同时根据每个用户的行为特征，在预测公式中加入时间函数，减弱历史数据对预测偏好的贡献。在提高推荐准确度的同时，有效挖掘并推荐数据集中的冷门商品，提高推荐的覆盖率，缓解了推荐系统“长尾效应”问题，提高了商品推荐的质量。

主权项：1.一种基于商品流行度及用户动态兴趣的商品推荐方法，其特征在于，包括如下步骤：S1、从商品推荐数据库中选取目标用户u未进行评分的目标商品集合S；S2、从集合S中选取其中一个目标商品α，根据商品推荐数据库中目标商品α被用户评价的次数popitemα、商品推荐数据库中用户评价次数最多和最少的商品的评价次数Popmax和Popmin，计算目标商品α的流行度Popα；根据商品推荐数据库中除目标商品α外其它n个商品被用户评价的次数popitem1～popitemn以及商品推荐数据库中用户评价次数最多和最少的商品的评价次数Popmax和Popmin，分别计算其它n个商品的流行度Pop1～Popn；S3、根据目标商品α的流行度Popα以及其它n个商品的流行度Pop1～Popn计算目标商品α与其它n个商品的流行度差异PopBiasα，1～PopBiasα，n，所述流行度差异即两个商品的流行度Pop的差值的绝对值；S4、根据目标商品α的流行度Popα、目标商品α与其它n个商品的流行度差异PopBiasα，1～PopBiasα，n，计算目标商品α相对其它n个商品的流行度惩罚权重Weightα，1～Weightα，n、其它n个商品相对目标商品α的流行度惩罚权重Weight1，α～Weightn，α；S5、根据上述步骤计算的流行度惩罚权重Weightα，1～Weightα，n和Weight1,α～Weightn,α计算目标商品α与其它n个商品的相似度Simα,1～Simα,n；S6、根据目标商品α与其它n个商品的相似度Simα,1～Simα,n、目标用户u的兴趣衰减值ft计算目标用户u对目标商品α的评分预测值Puα，所述目标用户u的兴趣衰减值ft根据商品推荐数据库中目标用户u最早购买行为和最近购买行为发生的时间以及目标用户u购买商品j'的时间进行计算，商品j'为目标商品α的邻居集的其中一个商品，所述邻居集为选取目标商品α与其它n个商品的相似度Simα,1～Simα,n最高的前N个商品作为目标商品α的邻居集；所述目标用户u对目标商品α的评分预测值Puα用于对目标用户u进行商品推荐；所述步骤S2中，商品流行度Pop的计算方法包括： 其中Popi表示商品i的流行度；popitemi为商品i被用户评价的次数；所述步骤S4中，计算目标商品α相对其它n个商品的流行度惩罚权重Weightα,1～Weightα,n的方法包括： 计算其它n个商品相对目标商品α的流行度惩罚权重Weight1,α～Weightn,α的方法包括： 所述步骤S5中，计算目标商品α与其它n个商品的相似度Simα，1～Simα，n的方法包括： 其中j∈[1，n]，Simα，j表示目标商品α与商品j的相似度；Uαj表示共同评价过目标商品α和商品j的用户集合；Uα、Uj分别表示评价过目标商品α的用户集合和评价过商品j的用户集合； 分别表示用户k、用户m对目标商品α的评分，表示用户w对商品j的评分，其中k∈Uαj、m∈Uα、w∈Uj； 分别为目标商品α和商品j的用户评分均值；所述步骤S6中，目标用户u对目标商品α的评分预测值Puα的计算方法包括： 其中：Puα表示目标用户u对目标商品α的评分预测值； 为目标商品α的评分均值；simα，j′为目标商品α与商品j′的相似度，其中j′∈[1，N]；N为目标商品α的邻居集，所述邻居集为选取目标商品α与其它n个商品的相似度Simα，1～Simα，n最高的前N个商品作为目标商品α的邻居集；ruj′是用户u对商品j′的评分； 为商品j'的评分均值；ft为目标用户u的兴趣衰减值；所述目标用户u的兴趣衰减值ft的计算方法包括： 其中：TMAX为商品推荐数据库中目标用户u最早购买行为发生的日期；TMIN为商品推荐数据库中目标用户u最近购买行为发生的日期；t为目标用户u购买商品j'的日期与目标用户u最早购买行为发生日期的差值；商品j'为目标商品α的邻居集的其中一个商品；βu为目标用户u对商品j'所属商品类的评分次数，所述商品类为根据用户评分数据用聚类方法将商品聚类后形成的商品类。

全文数据：

权利要求：

百度查询： 中国人民解放军海军工程大学 基于商品流行度及用户动态兴趣的商品推荐方法及系统

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