System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 组合商品推荐方法及其装置、设备、介质制造方法及图纸_技高网

组合商品推荐方法及其装置、设备、介质制造方法及图纸

技术编号:43746520 阅读:4 留言:0更新日期:2024-12-20 13:05
本申请涉及一种组合商品推荐方法及其装置、设备、介质,所述方法包括:确定用户的历史行为商品数据集中各个商品之间的关联规则指标,基于关联规则指标构造有向带权图;确定有向带权图中的起始商品节点;基于起始商品节点,对有向带权图执行随机游走操作以获取多条商品路径,对所述商品路径中的商品节点进行向量化,得到每个商品节点的节点向量;融合商品路径中各个商品相对应的文本向量、图片向量和节点向量,得到各个商品的综合向量;基于综合向量计算出起始商品节点对应的商品与其商品路径中其他商品之间的相似度,根据相似度筛选出起始商品节点相对应的组合商品。本申请通过融合多维度特征实现了更精准的组合商品推荐。

【技术实现步骤摘要】

本申请涉及电商,尤其涉及一种组合商品推荐方法及其装置、设备、介质


技术介绍

1、组合商品推荐是电商平台中高频使用的推广方式,特别是在基于独立站的电商平台中,为提升用户购物体验,而推荐相应的商品数据集。具体来说,在用户点击、加购或购买商品的场景中,电商平台的服务器会根据用户当前操作的商品确定可推荐的商品组合,并向用户排序展示该组合商品。

2、在现有的商品推荐技术中,关联规则挖掘是一种常用的方法,该方法通过分析用户的历史行为数据,挖掘出商品之间的频繁项集和关联规则,从而为用户推荐相关的商品组合。然而,现有的这种关联规则挖掘方法通常只考虑商品的共现频率,忽略了商品之间的方向性和权重关系,难以准确反映用户对不同商品的偏好程度。尽管随着深度学习技术的发展,基于图神经网络的推荐方法逐渐受到关注,通过构建商品之间的有向带权图,利用图结构来捕捉商品之间的复杂关联关系,进而为用户推荐更精准的组合商品。但现有技术这些方法往往利用的是商品的单一模态信息,其难以全面地表达商品的特征,从而导致推荐结果的准确性下降,降低用户的满意度和购物体验。


技术实现思路

1、本申请的首要目的在于解决上述问题至少之一而提供一种组合商品推荐方法及其装置、设备、介质。

2、为满足本申请的各个目的,本申请采用如下技术方案:

3、适应本申请的目的之一而提供的一种组合商品推荐方法及其装置、设备、介质,包括如下步骤:

4、确定用户的历史行为商品数据集中各个商品之间的关联规则指标,基于所述关联规则指标构造以所述各个商品作为节点的有向带权图;

5、监控用户在终端设备上的交互行为,以确定有向带权图中的起始商品节点;

6、基于所述起始商品节点,对所述有向带权图执行随机游走操作以获取多条商品路径,对所述商品路径中的商品节点进行向量化,以得到每个所述商品节点的节点向量;

7、融合所述商品路径中各个商品相对应的文本向量、图片向量以及节点向量,得到各个商品的综合向量;

8、基于所述综合向量计算出所述起始商品节点对应的商品与其商品路径中各个其他商品之间的相似度,根据相似度筛选出所述起始商品节点相对应的组合商品。

9、适应本申请的目的之一的组合商品推荐方法而提出的一种组合商品推荐装置,其包括:

10、关联规则指标确定模块,设置为确定用户的历史行为商品数据集中各个商品之间的关联规则指标,基于所述关联规则指标构造以所述各个商品作为节点的有向带权图;

11、起始商品节点确定模块,设置为监控用户在终端设备上的交互行为,以确定有向带权图中的起始商品节点;

12、商品节点向量学习模块,设置为基于所述起始商品节点,对所述有向带权图执行随机游走操作以获取多条商品路径,对所述商品路径中的商品节点进行向量化,以得到每个所述商品节点的节点向量;

13、多模态信息融合模块,设置为融合所述商品路径中各个商品相对应的文本向量、图片向量以及节点向量,得到各个商品的综合向量;

14、商品推荐列表生成模块,设置为基于所述综合向量计算出所述起始商品节点对应的商品与其商品路径中各个其他商品之间的相似度,根据相似度筛选出所述起始商品节点相对应的组合商品。

15、又一方面,适应本申请的目的之一而提供的一种计算机设备,包括中央处理器和存储器,所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本申请所述的组合商品推荐方法的步骤。

16、又一方面,适应本申请的另一目的而提供的一种计算机可读存储介质,其以计算机可读指令的形式存储有依据所述的组合商品推荐方法所实现的计算机程序,该计算机程序被计算机调用运行时,执行相应的方法所包括的步骤。

17、本申请的技术方案存在多方面优势,包括但不限于如下各方面:

18、本申请通过确定用户的历史行为数据商品数据集中各个商品之间的关联规则指标,构造有向带权图。这种方法能够捕捉商品之间的复杂关联关系,包括方向性和权重关系,从而更准确地反映用户对不同商品的偏好程度。通过监控用户交互行为以确定起始商品节点,执行随机游走操作获取多条商品路径并进行向量化,融合文本、图片和节点向量得到综合向量,计算相似度并筛选组合商品,实现了高效、精准的商品推荐。通过文本、图片、节点向量多模态信息的融合,全面表达了商品的特征,避免仅依赖单一模态信息的局限性,提升了推荐结果的准确性。本申请不仅能够捕捉商品之间的复杂关联关系,还能结合多维度特征提升推荐的准确性和用户满意度,以及提升用户的购物体验和销售转化率。

本文档来自技高网...

【技术保护点】

1.一种组合商品推荐方法,其特征在于,包括:

2.根据权利要求1所述的组合商品推荐方法,其特征在于,确定用户的历史行为商品数据集中各个商品之间的关联规则指标,基于所述关联规则指标构造以所述各个商品作为节点的有向带权图,包括:

3.根据权利要求2所述的组合商品推荐方法,其特征在于,计算所述有向带权图中两两商品之间的关联规则指标,包括:

4.根据权利要求1所述的组合商品推荐方法,其特征在于,基于所述起始商品节点,对所述有向带权图执行随机游走操作以获取多条商品路径,包括:

5.根据权利要求4所述的组合商品推荐方法,其特征在于,根据所述权重矩阵,计算当前商品节点与所有邻居商品节点的转移概率,所述转移概率为所述有向边权重和当前商品节点所有出边的有向边权重之和,包括:

6.根据权利要求1所述的组合商品推荐方法,其特征在于,对所述商品路径中的商品节点进行向量化,以得到每个所述商品节点的节点向量,包括:

7.根据权利要求1所述的组合商品推荐方法,其特征在于,基于所述综合向量计算出所述起始商品节点对应的商品与其商品路径中各个其他商品之间的相似度,根据相似度筛选出所述起始商品节点相对应的组合商品,包括:

8.一种组合商品推荐装置,其特征在于,包括:

9.一种计算机设备,包括中央处理器和存储器,其特征在于,所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行如权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质,其特征在于,其以计算机可读指令的形式存储有依据权利要求1至7中任意一项所述的方法所实现的计算机程序,该计算机程序被计算机调用运行时,执行相应的方法所包括的步骤。

...

【技术特征摘要】

1.一种组合商品推荐方法,其特征在于,包括:

2.根据权利要求1所述的组合商品推荐方法,其特征在于,确定用户的历史行为商品数据集中各个商品之间的关联规则指标,基于所述关联规则指标构造以所述各个商品作为节点的有向带权图,包括:

3.根据权利要求2所述的组合商品推荐方法,其特征在于,计算所述有向带权图中两两商品之间的关联规则指标,包括:

4.根据权利要求1所述的组合商品推荐方法,其特征在于,基于所述起始商品节点,对所述有向带权图执行随机游走操作以获取多条商品路径,包括:

5.根据权利要求4所述的组合商品推荐方法,其特征在于,根据所述权重矩阵,计算当前商品节点与所有邻居商品节点的转移概率,所述转移概率为所述有向边权重和当前商品节点所有出边的有向边权重之和,包括:

6.根据权利要求1所述的组合...

【专利技术属性】
技术研发人员:冯一丁
申请(专利权)人:广州商耘网络科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1