【技术实现步骤摘要】
本专利技术属于电商平台个性化推荐，具体涉及一种实现跨平台商品特征融合的商品点击率预测方法。
技术介绍
1、随着互联网技术的快速发展和移动智能设备的广泛应用，各种在线社交媒体、电子商务平台、视频娱乐等网络服务平台迅速涌现，极大地丰富了人们的网络生活，从而使网络服务更加普及、广泛和多样化。在众多的网络服务中，电商领域尤为突出，它不仅为人们提供了便捷的购物体验，还通过个性化推荐技术，帮助用户迅速找到符合自己兴趣和需求的商品。个性化推荐不仅为用户找到自己喜欢的商品提供了便利,也为电商平台带来了更多的商业机会和价值。基于用户长期兴趣和短期兴趣对用户行为数据进行挖掘，实现个性化推荐，已经收到了国内外学者的广泛关注。
2、目前为止，国内外研究者对商品推荐进行了大量的研究工作。现有的商品推荐方法总体上可以划分为两大类：基于用户属性和历史行为数据的推荐方法和基于机器学习和深度学习复杂模型的推荐方法。前者通过在社交平台上公开的属性信息和社交网络的拓扑结构来衡量用户之间的相似度；后者通过特征工程来提取用户特征，并在标记数据的基础上训练分类模型，最后利用训练好的模型对个性化推荐进行预测。
3、综上所述，众多研究人员已经在个性化研究方面取得了诸多成就，为进一步的研究奠定了坚实的基础。结合实际电商平台的营销数据进行跨平台用户推荐的研究过程中仍然存在如下的一些挑战：
4、问题1：跨平台数据分布存在差异性，特征分布和数据尺度不统一，导致跨平台特征融合效果不理想。不同电商平台下侧重商品种类存在差异，同时对用户而言对不同平台倾向
5、问题2：个跨平台下用户购物偏好差异化严重影响对用户兴趣偏好的全貌表示。电商平台服务策略引导用户消费导致用户对不同平台下偏好存在差异。单一电商平台的用户数据不足以全貌表示用户的兴趣特征，导致点击率预测出现偏差；
6、问题3：电商平台有效数据稀疏，有效数据获取困难。对于已经存在的用户和商品交互数据相对于整体数据集而言是稀疏的，导致模型无法达到理想效果，从而影响预测模型。
技术实现思路
1、为解决上述技术问题，本专利技术提供一种实现跨平台商品特征融合的商品点击率预测方法，包括：
2、s1：提取目标平台商品特征信息指导源平台商品迁移，将源平台商品集合划分为共享商品集合和私有商品集合，分配不同的映射矩阵，结合卷积和哈达玛积迁移源平台不同商品集合；
3、s2：根据用户行为和关系信息、共享商品集合和私有商品集合得到不同的向量，然后对多个向量进行嵌入拼接，最终得到一个包含用户信息、共享偏好和私有偏好的特征向量；
4、s3：对用户群体进行划分，构建相似用户群体，增强用户潜在兴趣商品特征信息，并降低用户和商品之间匹配的复杂度；
5、s4：降低用户和商品之间匹配的复杂度后，基于包含用户信息、共享偏好和私有偏好的特征向量对群体内每个用户进行独立的点击率预测计算，并进行聚合得到用户对于该商品的综合点击率预测值。
6、本专利技术的有益效果：
7、本专利技术解决了跨平台跨域用户行为序列融合后部分数据丢失导致推荐效果不理想问题，对用户潜在兴趣商品和行为跨平台全貌表示，减小了用户和商品的特征维度，降低了数据处理的复杂度；
8、本专利技术通过对不同操作商品赋予不同的映射矩阵，更细粒度的实现跨平台特征融合，使得推荐结果更接近真实情况，同时，通过跨平台用户历史行为序列融合，能够实现更精准的跨平台商品点击率预测。
本文档来自技高网...【技术保护点】
1.一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，提取目标平台商品特征信息指导源平台商品迁移，包括：
3.根据权利要求1所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，根据用户行为和关系信息、共享商品集合和私有商品集合得到不同的向量，对多个向量进行嵌入拼接得到一个包含用户信息、共享偏好和私有偏好的特征向量，包括：
4.根据权利要求3所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，对共享商品集合和私有商品集合分别构建共享商品嵌入矢量ui(shared)和私有商品嵌入矢量ui(private)，包括：
5.根据权利要求3所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，构建包含用户相关信息的用户行为嵌入矢量ui(friends)，包括：
6.根据权利要求3所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，通过对共享商品集合和私有商品集合构建商品知识图谱，
7.根据权利要求6所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，针对共享商品知识图谱、私有商品知识图谱和用户知识图谱三个视图，每一层视图中采用HAN中聚合邻域节点信息的策略，针对不同类别用户行为进行嵌入表示，得到包含用户行为信息、共享商品信息和私有商品信息的整体嵌入矢量包括：
8.根据权利要求1所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，根据用户自身属性和潜在兴趣商品相似度，对用户群体进行划分，构建相似用户群体，增强用户潜在兴趣商品特征信息，并降低用户和商品之间匹配的复杂度，包括：
9.根据权利要求1所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，基于包含用户信息、共享偏好和私有偏好的特征向量对群体内每个用户进行独立的点击率预测计算，并进行聚合得到用户对于该商品的综合点击率预测值，包括：
...【技术特征摘要】
1.一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，包括：
2.根据权利要求1所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，提取目标平台商品特征信息指导源平台商品迁移，包括：
3.根据权利要求1所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，根据用户行为和关系信息、共享商品集合和私有商品集合得到不同的向量，对多个向量进行嵌入拼接得到一个包含用户信息、共享偏好和私有偏好的特征向量，包括：
4.根据权利要求3所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，对共享商品集合和私有商品集合分别构建共享商品嵌入矢量ui(shared)和私有商品嵌入矢量ui(private)，包括：
5.根据权利要求3所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，构建包含用户相关信息的用户行为嵌入矢量ui(friends)，包括：
6.根据权利要求3所述的一种实现跨平台商品特征融合的商品点击率预测方法，其特征在于，通过对共享商品集合和私有商品集合构建商品知识图谱，...
【专利技术属性】
技术研发人员：段思睿，付闽鑫，王蓉，贾朝龙，李茜，李暾，肖云鹏，
申请(专利权)人：重庆邮电大学，
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。