CN114610859B 基于内容与协同过滤的产品推 荐方法、装置及设备 （康键信息技术（深圳）有限公司）

本申请公开了一种基于内容与协同过滤的第一相似度大于预设相似度阈值的预设产品文识特征词集与描述特征词集计算推荐产品文本2获取查询用户发送的针对目标产品的产品查询文本，根据预设提取所述推荐产品文本的标识特征词集与描述特征词集，计算所述标识确定与所述查询用户行为相关性高于第一预设阈值的邻居用计算所述第一推荐结果对应产品与所述第二推荐结果对设产品特征词集，利用TF-IDF算法计算所述产品查询文本与预设产品文本的第一相似度，利用TF-IDF算法计算所述产品查询特征词集对应的产品查询特征向量以及所述预设利用预设相似度计算公式计算所述产品查询特征向量与所述预设产品特征向量的第计算所述产品查询特征词集中每个产品查询特征词对所述产品查询文本的第一权重值以及所述预设产品特征词集中的每个预设产品特征词对所述预设产品文本的第二权重构建包括所述产品查询特征词与对应所述第一权重值的根据所述第一交集计算所述标识特征词集相对于所述产品查询特征词集的第三权重利用预设系数加权所述第三权重值与所述第四权重值得到所述推荐产品文本与所述3利用预设相关系数计算公式计算所述查询用数大于第一预设阈值的其他用户确定为邻居将所述邻居用户的行为集与所述查询用户的行为集的差确定为待预测根据k近邻算法或k-means算法计算所述待预测行为集所述第二相似度大于第二预设阈值的其他行为集确定为相邻行基于用户的协同过滤算法计算所述查询用户对所述待预测行为集的基于项的协同过滤算法计算所述查询用户对所述相邻行为集的根据所述目标推荐值由大到小的顺序排序得到目标产品筛选模块，用于获取查询用户发送的针对目标产品的产IDF算法计算所述产品查询文本与预设产品文本的第一相似度，将对应所述第一相似度大于预设相似度阈值的预设产品文本确定为推荐第一推荐模块，用于提取所述推荐产品文本的标识特征词集述产品查询文本的加权相似值，并按照所述加权相似值由大到小的顺序形成第一推荐结第二推荐模块，用于确定与所述查询用户行为相关性高于第一预设阈值的邻居用户，历史行为集合的第一评分和第二评分，根据所述第一评分和/或所述第二评分确定第二推确定模块，用于计算所述第一推荐结果对应产品与所述第二推荐结权利要求1至7中任一项所述的基于内容与协同过滤的产品推4[0002]在医疗行业应用信息化技术的发展过程中，医疗产品库一相似度大于预设相似度阈值的预设产品文本据所述标识特征词集与所述描述特征词集计算所述推荐产品文本与所述产品查询文本的5执行所述程序时实现上述基于内容与协同过滤的产[0018]上述说明仅是本申请技术方案的概述，为了能够更清楚[0020]图1示出了本申请实施例提供的一种基于内容与协同过滤的产品推荐方法的流程[0021]图2示出了本申请实施例提供的另一种基于内容与协同过滤的产品推荐方法的流[0022]图3出了本申请实施例提供的一种基于内容与协同过滤的产品推荐装置的结构示[0023]图4出了本申请实施例提供的另一种基于内容与协同过滤的产品推荐装置的结构6[0025]针对目前的问题，本申请实施例提供了一种基于内容与协同过滤的产品推荐方[0026]101、获取查询用户发送的针对目标产品的产品查询文本，利用预设分词技术与[0028]对于本实施例，预设分词技术可为任意一种现有分词技术，如CRF分词器、TF-IDF算法计算出的预设产品特征向量包括每个预设产品特征词对应的TF-的第一相似度，预设相似度计算公式可以包括余弦计算公式，余弦计算公式描述为：7第三权重值与第四权重值得到推荐产品文本与产品查询文本的相关系数高于第一预设阈值的其它用户作为邻居用8集，根据标识特征词集与描述特征词集计算推荐产品文本与产品查询文本的加权相似值，[0048]202、利用TF-IDF算法计算产品查询特征词集对应的产品查询特征向量以及预设个产品查询特征词对产品查询文本的第一权重值以及预设产品特征词集中的每个预设产9[0051]产品查询特征词的词频表示产品查询特征词在产品查询j[0058]利用TF-IDF算法计算每个预设产品特征词的第二权重值的具体实施过程可参考[0061]203、利用预设相似度计算公式计算产品查询特征向量与预设产品特征向量的第及根据第二交集计算描述特征词集相对于产品查询特征词描述特征词集v与产品查询特征词集j的第二交集。tft,v表示v中的描述特征词t的TF值，[0072]206、利用预设系数加权第三权重值与第四权重值得到推荐产品文本与产品查询λtfidfw+(1-λ)tfidfv在第一推荐结果第一位的是最大的加权相似值以及与最大的加权相似值对应的推荐产品[0076]利用预设系数加权第三权重值与第四权重值得到推荐产品文本与产品查询文本的加权相似值的作用在于：通过赋给每个推荐产品文本的描述性词语较小的系数也就是(1-λ)，赋给每个推荐产品文本的标识性词语较大的系数也就是λ,减少描述性词语对第一[0082]共同调用的产品集合，ru,p和rb,p分别表示u和b对共同调用的产品p的历史调将S(u,b)大于预设第一阈值的其他用户b确定为[0084]确定邻居用户的行为集不同于查询用户的行为集的待预测行为集的具体实施例或k-means算法计算待预测行为集与其他行为集的第二相似度，将第二相似度大于第二预有过的历史行为而查询用户没有过的历史行为在本实施例中体也可以对第一评分与第二评分进行加权计算，加权计算第一评分与第二评分的作用在于：[0100]在将步骤206得到的第一推荐结果与步骤209得到的第二推荐结果进行加权处理似度大于预设相似度阈值的预设产品文本确定为推[0112]分词单元311，可用于根据预设分词技术对产品查询文本进行分词处理得到产品[0113]第一计算单元312，可用于利用TF-IDF算法计算产品查询特征词集对应的产品查[0114]第二计算单元313，可用于利用预设相似度计算公式计算产品查询特征向量与预询特征词集中每个产品查询特征词对产品查询文本的第一权重值以及预设产品特征词集[0117]交集单元321，可用于计算所述标识特征词集与所述产品查询特征词集的第一交[0118]权重单元322，可用于根据第一交集计算标识特征词集相对于产品查询特征词集[0119]第一加权单元323，可用于利用预设系数加权第三权重值与第四权重值得到推荐相关性高于第一预设阈值的邻居用户，以及邻居用户针对产品的历史行为集合，如图4所[0121]第一筛选单元331，可用于利用预设相关系数计算公式计算所述查询用户与其他[0122]第一确定单元332，可用于将邻居用户的行为集与查询用户的行为集的差确定为[0123]第二筛选单元333，可用于根据k近邻算法或k-means算法计算待预测行为集与其他行为集的第二相似度，将第二相似度大于第二预设阈值的其他行为集确定为相邻行为[0124]在具体的应用场景中，基于协同过滤算法计算查询用户[0125]第一评分单元334，可用于基于用户的协同过滤算法计算查询用户对待预测行为[0126]第二评分单元335，可用于基于项的协同过滤算法计算查询用户对相邻行为集的[0128]在具体的应用场景中，根据第一推荐结果与第二推荐结果确定目标产品推荐结[0129]并集单元341，可用于计算第一推荐结果对应产品与第二推荐结果对应产品的并[0131]推荐单元343，可用于根据目标推荐值由大到小的顺序排序得到目标产品推荐结实现上述如图1至图2所示的基于内容与协同Frequency，RF)电路，传感器、