CN119417579A 一种用户多特征的智能推 荐方法及系统 （武汉深智云影科技有限公司）

本发明提供一种用户多特征的智能推荐方户对每一类别的候选商品的行为交互频率和行为交互时间计算每一类别的候选商品的综合权杂用户行为时依然能够保持高效和准确的推荐2获取用户历史行为特征数据，所述用户历史行为特征数据包括用根据所述用户历史行为特征数据，基于MIND模型构建多兴趣用户画像，所基于用户对每一类别的候选商品的行为交互频率，计算每一类别根据用户对每一类别的候选商品的行为交互时间，基于时间衰根据每一类别的候选商品的所述第一权重和所述第二权重，计算每基于每一个类别的候选商品的综合权重，从所有类别的候选商品中所述MIND模型包括嵌入池化层、多兴趣提取层和标签感知注意层；所述根据所所述多兴趣提取层，基于胶囊网络的动态路由机制，对所述用户历史所述标签感知注意层，用于通过注意力机制计算多个兴趣嵌入向根据每一类别的候选商品的所述第一权重和所述第二权重，计算每;其中，为类别c的候选商品的综合权重，O,c,为类别的候选商品的第一权;3;据用户对类别c,的候选商品的点击率和购买率，对;c的候选商品的购买率，为用户对类别c的候选商品;对所有类别的候选商品按照综合权重从大到小排序，将排名靠前的预选商品推荐给用户。;其中，K为不同推荐策略的数量，为第k种策略对类别c,的候选商品的综合权4将m个不同类别的候选商品中评分靠前的一个或多个候选商品推荐给用获取模块，用于获取用户历史行为特征数据，所述用户历史行为特征所述多兴趣用户画像表达了用户感兴趣的多类候计算模块，用于基于用户对每一类别的候选商品的行为交推荐模块，用于基于每一个类别的候选商品的综合权重，从所有选出其中一个或多个类别的候选商品推荐给用户；所述MIND模型包括嵌入池化层、多兴趣提取层和标签感知注意层；所述根据所所述多兴趣提取层，基于胶囊网络的动态路由机制，对所述用户历史所述标签感知注意层，用于通过注意力机制计算多个兴趣嵌入向根据每一类别的候选商品的所述第一权重和所述第二权重，计算每;5获取用户历史行为特征数据，所述用户历史行为特征数据包括用户在网上浏览、6述多兴趣用户画像表达了用户感兴趣的多类7向量之间的相似度；以及将相似度大于预设相似度阈值的商品作为用户感兴趣的候选商[0016]为进一步实现这一策略，可以引入MIND模型（Multi_InterestNetworkwith;[0020]通过相似度计算公式计算用户的N个兴趣嵌入向量与用户浏览过的每一类别的商品之间的相似度，将与用户的N个兴趣嵌入向量之间的相似度大于预设相似度阈值的商品8;fi表示用户对类别c的候选商品的行为交互频率，为用户对类别c,的候;其中，CR,为用户对类别C的候选商品的购买率，CTR,为用户对类别C的候选商α和β分别为购买率和点击率的权重系数。;c的候选商品的行为发生时间，λ为时间衰[0028]较小的值表示行为影响较长时间保留，而较大的值则表示行为影响更快衰9;者选取其中的某一个或多个候选商品推荐给用;其中，K为不同推荐策略的数量，o,"为第k种策略对类别c的候选商品的综合分；将m个不同类别的候选商品中评分靠前的一个或多个候选商品推荐给用对每一类别的候选商品按其综合权重从高到低进地选择出合适类别的商品推荐给用户，能够更加灵活地处理用户的多样化行为和需求变现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0049]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上