Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种预制菜推荐方法和系统 

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!

申请/专利权人:贵州食品工程职业学院

摘要:本发明公开了一种预制菜推荐方法和系统,具体涉及产品推荐技术领域,用于解决现有的难以及时响应用户偏好的快速变化和不能对用户准确推荐预制菜的问题;是通过数据库信息将用户分为预制菜常购买和不常购买两大类,针对常购买用户,筛选出意向预制菜集合并评估这些预制菜的特征变化程度;分析用户搜索结果的再更新情况,用以评估用户对预制菜的意向发散程度;根据评估结果判断用户画像的更新紧迫性,决定是否立即进行更新;通过分析预制菜常购买用户的搜索关键词的熵,评估电商平台在推荐预制菜时应考虑的多样性需求强度;根据用户的探索行为动态调整推荐策略,扩大或缩小推荐的类别范围。

主权项:1.一种预制菜推荐方法,其特征在于,包括如下步骤:基于数据库获取预制菜的潜在推荐用户,将潜在推荐用户分为预制菜常购买用户和预制菜不常购买用户;对预制菜常购买用户的意向预制菜进行分析,筛选得到意向预制菜集合,对意向预制菜集合的特征变化程度进行分析,评估预制菜常购买用户的预制菜意向均一性;对预制菜常购买用户搜索结果的再更新情况进行分析,评估预制菜常购买用户的预制菜意向发散程度;基于预制菜常购买用户的预制菜意向均一性和预制菜常购买用户的预制菜意向发散程度,评估预制菜常购买用户的用户画像需要被更新的紧迫性程度,并判断是否立即更新用户画像;通过分析预制菜常购买用户搜索关键词的熵,评估电商平台预制菜推荐的多样性需求强度;通过对预制菜常购买用户的预制菜意向均一性、预制菜常购买用户的预制菜意向发散程度以及电商平台预制菜推荐的多样性需求强度进行综合分析,调节电商平台推荐预制菜给预制菜常购买用户的类别广泛性;对预制菜常购买用户的意向预制菜进行分析,筛选得到意向预制菜集合,对意向预制菜集合的特征变化程度进行分析,评估预制菜常购买用户的预制菜意向均一性,具体为:S101:根据预制菜常购买用户的历史购买数据和浏览行为,通过识别频繁购买和浏览的预制菜产品建立意向预制菜集合;S102:收集意向预制菜集合的交易记录、用户评价、浏览数据及其他互动数据;S103:对意向预制菜集合内每种意向预制菜提取关键特征,关键特征包括便利性、类别以及同质化程度;S104:对每个关键特征进行标准差计算,根据关键特征的标准差计算结果量化关键特征变化的波动性;S105:对每个关键特征赋予权重,对关键特征的标准差进行加权处理后求和,获得意向预制菜集合的意向综合变化指数,基于意向综合变化指数评估预制菜常购买用户的预制菜意向均一性;意向综合变化指数的计算公式为:其中,CI为意向综合变化指数,k为关键特征的数量,j是关键特征的编号,uj是第j个关键特征的权重,σj是第j个关键特征对应的标准差计算结果;对预制菜常购买用户搜索结果的再更新情况进行分析,评估预制菜常购买用户的预制菜意向发散程度,具体为:将预制菜常购买用户开始搜索关于预制菜至退出电商平台的过程标记为搜索任务;建立搜索任务集合,搜索任务集合包括近期预制菜常购买用户的多个搜索任务;判断搜索任务中是否存在再搜索情况,将搜索任务集合内存在再搜索情况的搜索任务标记为发散搜索任务;将搜索任务集合内发散搜索任务的数量与搜索任务集合内搜索任务的总数量的比值标记为发散搜索比;记录发散搜索任务中预制菜常购买用户进行搜索的总次数;对于发散搜索任务中每次搜索,记录预制菜常购买用户在搜索结果页浏览时间;计算再搜索浏览时间比值;通过对发散搜索任务中的再搜索浏览时间比值分别赋予权重后进行求和,计算得到每个发散搜索任务的搜索意向发散值;对搜索任务集合内所有发散搜索任务的搜索意向发散值进行求和,得到集合搜索意向发散值;将发散搜索比与集合搜索意向发散值进行无量纲化处理,将无量纲化处理后的发散搜索比与集合搜索意向发散值进行加权求和,计算得到搜索意向发散程度指数,其表达式为:Sf=α*Fs+β*Js;其中,Sf为搜索意向发散程度指数,Fs、Js分别为无量纲化处理后的发散搜索比与集合搜索意向发散值,α、β分别为无量纲化处理后的发散搜索比与集合搜索意向发散值的权重,且α、β均大于0;通过分析预制菜常购买用户搜索关键词的熵,评估电商平台预制菜推荐的多样性需求强度,具体为:S201:收集预设区间内预制菜常购买用户在电商平台上针对预制菜进行的所有搜索查询;搜索查询包括预制菜常购买用户输入的关键词、搜索频次以及搜索日期;S202:提取所有独立的关键词;整理并清洗关键词,去除无意义的填充词;S203:统计每个关键词在所有搜索查询中出现的次数,进而计算每个关键词的出现频率;每个关键词的出现频率计算公式为:其中,pv为第v个关键词的出现频率,bv为第v个关键词的出现次数,N是所有关键词的总出现次数;S204:应用信息熵公式计算得到搜索多样熵评估指数,其表达式为:Hf是搜索多样熵评估指数,f是不同关键词的总数;通过对预制菜常购买用户的预制菜意向均一性、预制菜常购买用户的预制菜意向发散程度以及电商平台预制菜推荐的多样性需求强度进行综合分析,调节电商平台推荐预制菜给预制菜常购买用户的类别广泛性,具体为:将意向综合变化指数、搜索意向发散程度指数以及搜索多样熵评估指数进行归一化处理,将归一化处理后的意向综合变化指数、搜索意向发散程度指数以及搜索多样熵评估指数分别赋予预设比例系数后,计算得到推荐广泛评估系数,其表达式为:其中,TP为推荐广泛评估系数,e为自然对数底数,θ1、θ2、θ3分别为意向综合变化指数、搜索意向发散程度指数以及搜索多样熵评估指数的预设比例系数,且θ1、θ2、θ3均大于0;推荐广泛评估系数与电商平台推荐预制菜给预制菜常购买用户的类别广泛性的关系为:推荐广泛评估系数越大,电商平台推荐预制菜给预制菜常购买用户的类别广泛性应调节的越大。

全文数据:

权利要求:

百度查询: 贵州食品工程职业学院 一种预制菜推荐方法和系统

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。