【技术实现步骤摘要】
本专利技术涉及电子商务，特别是一种基于用户偏好分析的商品推送方法及系统。
技术介绍
1、在数字化和电子商务的迅猛发展背景下，个性化推荐系统已成为吸引用户并提升用户体验的关键技术，推荐系统的核心目标是准确预测用户的兴趣和偏好，以便向用户推荐最合适的商品或服务。早期的推荐系统主要依赖于简单的协同过滤技术，该技术通过分析用户的历史行为数据来预测用户可能感兴趣的新商品或服务。随着技术的进步，推荐系统逐渐融入更复杂的算法，如矩阵分解、深度学习和自然语言处理等，使得推荐结果更加精准和个性化。
2、然而，现有的推荐技术仍存在一些不足之处，许多系统仍依赖于显式用户反馈，如评分和评论，而忽视了隐式反馈的潜在价值，未能充分利用用户情感倾向和上下文信息，导致推荐结果在某些情况下缺乏个性化和相关性，影响推荐系统的有效性和用户的最终满意度。
技术实现思路
1、鉴于上述现有的基于用户偏好分析的商品推送方法及系统中存在的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于许多系统仍依赖于显式用户反馈，如评分和评论，而忽视了隐式反馈的潜在价值，未能充分利用用户情感倾向和上下文信息，导致推荐结果在某些情况下缺乏个性化和相关性，影响推荐系统的有效性和用户的最终满意度。
3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于用户偏好分析的商品推送方法，其包括，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，使用模糊卡诺模型评估特征重要性并生成
4、作为本专利技术所述基于用户偏好分析的商品推送方法的一种优选方案，其中：所述收集多源数据，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站、移动应用和社交媒体收集用户的行为数据、商品数据以及上下文数据包括地理位置、时间戳以及设备信息，对收集的数据进行清洗并使用nlp工具对用户评论进行分词、去停用词和词性标注；
5、选择用户行为中的关键特征，包括访问频率、购买频次和社交互动频率，使用one-hot编码和te-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，将行为数据与地理位置、时间戳和设备信息整合，为每个用户行为记录附上上下文标签；
6、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，输出每个情感类别的概率；
7、在另一个全连接层使用线性函数计算情感强度：
8、i＝σ(vitx+bi)，
9、式中，i是情感强度，σ是sigmoid函数，vi和bi是情感强度层的权重和偏差，t是转置操作；
10、根据情感类别概率值和强度为每条评论计算情感得分：
11、sl＝p(rl)×i(rl)，
12、式中sl是第l条用户评论的情感得分，p(rl)是第l条用户评论的情感类别概率值，i(rl)是第l条用户评论的情感强度；
13、计算每个用户的总体情感得分，综合所有评论的情感信息：
14、
15、式中，stotal是用户的总体情感得分，n是用户的评论数量；
16、根据总情感得分为用户分配情感标签：
17、若stotal≥0.75，则情感标签为“积极”；
18、若0.75>stotal>0.25，则情感标签为“中立”；
19、若stotal≤0.25，则情感标签为“消极”；
20、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不同的群体；
21、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-hot编码表示类别和品牌，标准化价格和评分；
22、通过共现分析和协同过滤技术识别商品之间的关系，使用点互信息计算商品之间的关系强度pmi(x,y)：
23、
24、式中，p(x,y)是商品x和y同时出现的概率，p(x)和p(y)分别为商品x和商品y单独出现的概率；
25、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pmi值和用户的行为模式定义商品间的边缘；
26、当有新商品加入以及商品信息发生变化时进行更新，重新计算相关商品的pmi值，并在商品知识图谱中更新相应的边缘权重和节点信息。
27、作为本专利技术所述基于用户偏好分析的商品推送方法的一种优选方案，其中：所述通过商品知识图谱识别用户评论中与商品相关的特征并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别，使用在线调查工具收集用户响应，对用户响应进行编码转换，将likert量表分数转化为模糊集合所需的数值输入；
28、对于满意度和期望级别，定义三个模糊集合，包括高模糊集合、中模糊集合和低模糊集合，使用三角隶属函数表示每个模糊集合：
29、
30、式中，δ(q)是隶属函数，a'，b'，c'是针对高、中、低满意度的分界点，q是评分值；
31、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，使用模糊and计算每个商品特征的重要性指数：
32、gt＝min(μsat(f),μexp(f))，
33、式中，gt是商品特征t的重要性指数，μsat(f)和μexp(f)分别是满意度和期望的模糊隶属度；
34、根据特征重要性和情感得分生成每个商品特征的综合重要性报告；
35、结合特征的情感得分和重要性得分为每个商品生成一个特征－情感对列表，每个特征－情感对包括特征名称、情感得分和重要性得分。
36、作为本专利技术所述基于用户偏好分析的商品推送方法的一种优选方案，其中：所述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－情感对结合，对每一层用户与商品的交互，标注相关的商品特征及用户对商品特征的情感得分和重要性；
37、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，对每个独立的商品创建一个节点，节点属性包括商品的id、类别以及品牌，将用户的每组行为映射为用户－商品交互图的边缘并将上下文信息作为边缘属性，使用图数据库存储用户－商品交互图。
38、作为本专利技术所述基于用户偏好分析的商品推送方法的一种优选方案，其中：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graphsage模型从交互图中学习商品的嵌入表示，嵌入生成公式为：
39、
40、式中，是第k层中节点v的本文档来自技高网...
【技术保护点】
1.一种基于用户偏好分析的商品推送方法，其特征在于：包括，
2.如权利要求1所述的基于用户偏好分析的商品推送方法，其特征在于：所述收集多源数据，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站、移动应用和社交媒体收集用户的行为数据、商品数据以及上下文数据包括地理位置、时间戳以及设备信息，对收集的数据进行清洗并使用NLP工具对用户评论进行分词、去停用词和词性标注；
3.如权利要求2所述的基于用户偏好分析的商品推送方法，其特征在于：所述通过商品知识图谱识别用户评论中与商品相关的特征并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别，使用在线调查工具收集用户响应，对用户响应进行编码转换，将Likert量表分数转化为模糊集合所需的数值输入；
4.如权利要求3所述的基于用户偏好分析的商品推送方法，其特征在于：所述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－情感对结合，对每一层用户与商品的交互，标注相关的商品特征及用户对商
5.如权利要求4所述的基于用户偏好分析的商品推送方法，其特征在于：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GraphSAGE模型从交互图中学习商品的嵌入表示，嵌入生成公式为：
6.如权利要求5所述的基于用户偏好分析的商品推送方法，其特征在于：所述根据商品间的上下文感知相似度生成推荐列表指对于每个用户，从与用户历史交互商品相似度最高的商品中选取M个商品，作为候选推荐集，根据用户当前的上下文过滤不符合当前情境的商品，优化候选集；
7.如权利要求6所述的基于用户偏好分析的商品推送方法，其特征在于：所述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品的反应，将收集的用户反馈整合到用户画像中，实时更新用户偏好和行为模式。
8.一种基于权利要求1-7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好分析的商品推送系统，其特征在于：包括，
9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于用户偏好分析的商品推送方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于用户偏好分析的商品推送方法的步骤。
...【技术特征摘要】
1.一种基于用户偏好分析的商品推送方法，其特征在于：包括，
2.如权利要求1所述的基于用户偏好分析的商品推送方法，其特征在于：所述收集多源数据，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站、移动应用和社交媒体收集用户的行为数据、商品数据以及上下文数据包括地理位置、时间戳以及设备信息，对收集的数据进行清洗并使用nlp工具对用户评论进行分词、去停用词和词性标注；
3.如权利要求2所述的基于用户偏好分析的商品推送方法，其特征在于：所述通过商品知识图谱识别用户评论中与商品相关的特征并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别，使用在线调查工具收集用户响应，对用户响应进行编码转换，将likert量表分数转化为模糊集合所需的数值输入；
4.如权利要求3所述的基于用户偏好分析的商品推送方法，其特征在于：所述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－情感对结合，对每一层用户与商品的交互，标注相关的商品特征及用户对商品特征的情感得分和重要性；
5.如权利要求4所述的基于用户偏好分析的商品推送方法，其特征在于：所述根据用户－商品交互图中的时空信息计算商品间...
【专利技术属性】
技术研发人员：张圣，余靖，
申请(专利权)人：武汉市跃动无限网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。