CN118941365B 一种基于用户偏好分析的商品推送方法及系统 （武汉市跃动无限网络科技有限公司）

司开发区军山街小军山社区商业楼103-一种基于用户偏好分析的商品推送方法及本发明公开了一种基于用户偏好分析的商于用户画像和特征－情感对构建用户－商品交2基于用户画像和特征－情感对构建用户－商品交互图，根据用户结合特征的情感得分和重要性指数为每个商品生成一个特征－情感对列表，每个特所述根据用户－商品交互图中的时空信息计算商品间的上下文感知相似度指使用使用BERT模型进行情感分析，将特征词输入BERT模型得到文本的特征型输出的特征向量输入由全连接层和Softmax激活函数构成分类层，输出每个情感类别的i和bi是情感强度层的权重和偏差，T是转置操根据情感类别概率值和情感强度为每条评论计算3将行为特征向量与情感得分结合形成用户画像并使用K_means聚类算法将用户划分为从收集的商品数据中提取特征进行标准化后将属性信息转换为特征向量A，使用one_通过共现分析和协同过滤技术识别商品之间的关系，使用点互信息计为每个商品创建一个节点，节点属性包括商品特征含提取的商品特征的问卷，使用Likert量表询问用户对每个商品特征的满意度和期望级使用模糊卡诺逻辑，将特征根据用户满意度和期望级别的模糊集合隶属度进行分类，4根据特征重要性指数和情感得分生成每个商品特征的综合结合特征的情感得分和重要性指数为每个商品生成一个特征－情感对列表，每个特对每个独立的用户创建一个节点，节点属性包括用户的标识信息，对为每个候选商品构建特征向量，使用GBDT模型对每个用户的推荐候选集进行得分预列表向用户推送用户感兴趣的商品内容指定义推送频率和时间根据用户在线状态和活跃7.一种基于权利要求1_6任一所述的基于用户偏好分析的商品推送方法的基于用户偏数据收集模块，用于从多个渠道收集用户行为数据、商品数据和构建模块，用于从预处理数据中提取关键特征构建用户画评估模块，用于计算每个商品特征的重要性指数并结合商品特征的推荐模块，用于根据相似度生成初步推荐列表并使用GBDT模型对列表5处理器执行时实现权利要求1至6中任一项所述的基于用户偏好分析的商品推送方法的步6知识图谱，使用模糊卡诺模型评估特征重要性并生成特征－情感对；基于用户画像和特收集多源数据，对用户评论进行情感倾向分析生成用户画像并构建商品知识图谱指从网hot编码和TF_IDF方法将行为特征转换为向量表示并识别评论中的特征词，将行为数据与[0009]使用BERT模型进行情感分析，将特征词输入BERT模型得到文本的特征向量，将7BERT模型输出的特征向量输入由全连接层和Softmax激活函数构成分类层，输出每个情感l)是第l条用户评论的情感强度；[0023]将行为特征向量与情感得分结合形成用户画像并使用K_means聚类算法将用户划[0024]从收集的商品数据中提取特征进行标准化后将属性信息转换为特征向量A，使用[0028]为每个商品创建一个节点，节点属性包括商品特征向量A和用户情感标签，根据使用模糊卡诺模型评估特征重要性并生成特征－情感对指设计包含提取的商品特征的问8基于用户画像和特征－情感对构建用户－商品交互图指将用户的行为数据与特征－情感根据用户－商品交互图中的时空信息计算商品间的上下文感知相似度指使用GraphSAGE模9按照推荐列表向用户推送用户感兴趣的商品内容指定义推送频率和时间根据用户在线状[0055]分析模块，用于根据用户画像和特征－情感对构建用户－商品交互图并使用理器执行所述计算机程序时实现基于用户偏好分析的商品推送方法hot编码和TF_IDF方法将行为特征转换为向量表示并识别评论中的特征词包括电池寿命，[0072]使用BERT模型进行情感分析，将特征词输入BERT模型得到文本的特征向量，将BERT模型输出的特征向量输入由全连接层和Softmax激活函数构成分类层，输出每个情感[0089]将行为特征向量与情感得分结合形成用户画像并使用K_means聚类算法将用户划[0094]为每个商品创建一个节点，节点属性包括商品特征向量A和用户情感标签，根据时数据更新确保系统的推荐结果始终基于最新的信息，为企业提供有力的市场决策支持，[0119]GraphSAGE模型通过逐层采样和聚合邻居节点信息，生成的嵌入向量能够捕捉商算依赖于实时的上下文信息，这与交互图的动态更新和GraphSAGE模型的嵌入表示学习形间根据用户在线状态和活跃时间进行即时推送，实时监控和记录用户对推送商