【技術實現步驟摘要】
本專利技術涉及信息推送技術，尤其涉及基于用戶畫像的禮物推薦方法及系統。
技術介紹
1、隨著電子商務和社交網絡的發展，個性化推薦系統在近年來變得越來越重要。這些系統能夠分析用戶的歷史行為數據，包括購買歷史、瀏覽歷史以及用戶在社交平臺上的互動，從而預測用戶的興趣和需要，為他們推薦可能感興趣的商品或服務。在所有類型的推薦系統中，禮物推薦因其特殊性而受到特別關注，它不僅需要考慮接受禮物的用戶的喜好，還要考慮送禮人的購買意圖和情感表達。
2、現有禮物推薦的具體應用中仍存在一些局限性：
3、個性化不足：傳統推薦系統往往忽略了禮物選擇中的個性化元素，即禮物的選擇不僅反映了接受者的喜好，也是送禮者情感表達的一部分。
4、動態偏好問題：用戶的興趣和需求可能會隨時間、場合或特定節日而變化，現有系統往往難以捕捉這種動態變化，尤其是在預測禮物接受者的喜好時。
5、社交關系考慮不足：在選擇禮物時，送禮者和接受者之間的社交關系密切度是一個重要因素，而現有的推薦系統往往未能充分考慮這一點。
技術實現思路
1、本專利技術實施例提供基于用戶畫像的禮物推薦方法及系統，能夠解決現有技術中的問題。
2、本專利技術實施例的第一方面，
3、提供基于用戶畫像的禮物推薦方法，包括：
4、收集禮物相關數據，包括禮物名稱、類別、價格、適用場景、受眾群體的信息，將禮物相關數據構建成包含實體和關系的禮物知識圖譜；獲取用戶的歷史購買記錄、瀏覽記錄、收藏記錄
5、基于增強用戶畫像，構建包含用戶興趣相似度、消費習慣相似度、社交關系相似度的多個維度的相似度計算模型；在禮物知識圖譜中，以當前用戶為起點，利用多維度相似度計算模型和圖搜索算法，搜索與當前用戶相似度最高的其他用戶節點；收集與當前用戶相似度最高的其他用戶節點所關聯的禮物實體，形成候選禮物集合；
6、根據當前用戶的地理位置、時間、節日的上下文信息，對候選禮物集合進行篩選和排序；基于篩選和排序后的候選禮物集合，結合當前用戶的增強用戶畫像，生成個性化的禮物推薦列表。
7、在一種可選的實施方式中，
8、基于所述初步用戶畫像確定用戶-物品評分矩陣，根據填充后的用戶-物品評分矩陣構建用戶-物品二部圖包括：
9、基于所述初步用戶畫像確定用戶-物品評分矩陣，所述用戶-物品評分矩陣中的每一項表示一個用戶對某個物品的評分，所述評分為標準化處理后的評分；
10、根據填充后的用戶-物品評分矩陣構建用戶-物品二部圖，所述用戶-物品二部圖包括用戶節點集合和物品節點集合，用戶節點與物品節點之間的邊的權重為對應的評分值；計算所述用戶-物品二部圖中用戶節點到物品節點以及物品節點到用戶節點的轉移概率，所述轉移概率由節點之間的評分值和節點的度決定。
11、在一種可選的實施方式中，
12、在禮物知識圖譜中，以當前用戶為起點，利用多維度相似度計算模型和圖搜索算法，搜索與當前用戶相似度最高的其他用戶節點包括：
13、基于隨機游走得到的訪問序列，計算用戶之間的相似度，所述相似度的計算綜合考慮訪問序列中兩個用戶節點出現的位置、頻率以及衰減因子的影響包括：；
14、其中， sim(u，v)表示用戶 u和用戶 v的相似度，α表示隨機游走序列對應的權重系數， t表示隨機游走的總步數； γ表示衰減因子，用于控制相似度計算對遠距離節點的敏感程度； β表示用戶-物品交互對應的權重系數， i表示物品集合， w i表示物品 i的重要性權重，表示當用戶u對物品i有交互時取值為1，否則為0，表示當用戶v對物品i有交互時取值為1，否則為0， r ui、 r vi分別表示用戶u對物品i進行交互以及用戶v對物品i進行交互，表示物品i在用戶u和v的交互記錄中的相似度；t表示隨機游走的步數索引， i u表示用戶u對物品i的評分行為特征， i v表示用戶v對物品i的評分行為特征， u t表示用戶u在隨機游走的步數索引t的行為，1( u t=v):?表示指示函數，當用戶u和v在隨機游走的步數索引t的行為相同時為1，否則為0。
15、在一種可選的實施方式中，
16、利用多維度相似度計算模型和圖搜索算法，搜索與當前用戶相似度最高的其他用戶節點還包括：
17、構建馬爾可夫決策過程模型：定義狀態空間，包含當前訪問的用戶節點、該用戶節點的鄰居節點集合、該用戶節點的特征向量以及當前上下文信息；定義動作空間為從當前用戶節點可訪問的下一個用戶節點；設計獎勵函數，綜合考慮用戶相似度、多樣性，其中包含可調節的權重系數；
18、設計基于圖注意力網絡的策略網絡：構建輸入層，將狀態編碼為向量表示；構建圖注意力層，使用多頭注意力機制捕捉節點間的重要性關系；構建輸出層，使用softmax函數輸出動作概率分布；
19、采用近端策略優化算法訓練策略網絡：定義裁剪的目標函數，包含重要性采樣比率和優勢函數；使用廣義優勢估計計算優勢函數；設計并學習值函數網絡以估計狀態價值；引入熵正則化項以鼓勵策略探索；構建總體優化目標，結合裁剪目標函數、值函數損失和熵正則化項；
20、利用訓練好的策略網絡執行相似用戶發現：
21、輸入目標用戶節點及其相關信息到策略網絡；根據策略網絡輸出的概率分布選擇下一個訪問節點；重復執行游走過程，直到達到預定的游走步數或滿足停止條件；收集游走過程中訪問的用戶節點，作為相似用戶候選集；對候選集中的用戶進行排序，生成最終的相似用戶列表。
22、在一種可選的實施方式中，
23、所述方法還包括：
24、執行訓練過程：
25、使用當前策略在用戶圖中進行多輪游走，收集狀態-動作-獎勵-下一狀態樣本；基于收集的數據和當前值函數網絡計算每個時間本文檔來自技高網...
【技術保護點】
1.基于用戶畫像的禮物推薦方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，基于所述初步用戶畫像確定用戶-物品評分矩陣，根據填充后的用戶-物品評分矩陣構建用戶-物品二部圖包括：
3.根據權利要求1所述的方法，其特征在于，在禮物知識圖譜中，以當前用戶為起點，利用多維度相似度計算模型和圖搜索算法，搜索與當前用戶相似度最高的其他用戶節點包括：
4.根據權利要求3所述的方法，其特征在于，利用多維度相似度計算模型和圖搜索算法，搜索與當前用戶相似度最高的其他用戶節點還包括：
5.根據權利要求4所述的方法，其特征在于，所述方法還包括：
6.根據權利要求1所述的方法，其特征在于，根據當前用戶的地理位置、時間、節日的上下文信息，對候選禮物集合進行篩選和排序；基于篩選和排序后的候選禮物集合，結合當前用戶的增強用戶畫像，生成個性化的禮物推薦列表包括：
7.基于用戶畫像的禮物推薦系統，用于實現前述權利要求1-6中任一項所述的方法，其特征在于，包括：
8.一種電子設備，其特征在于，包括：
9.
...【技術特征摘要】
1.基于用戶畫像的禮物推薦方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，基于所述初步用戶畫像確定用戶-物品評分矩陣，根據填充后的用戶-物品評分矩陣構建用戶-物品二部圖包括：
3.根據權利要求1所述的方法，其特征在于，在禮物知識圖譜中，以當前用戶為起點，利用多維度相似度計算模型和圖搜索算法，搜索與當前用戶相似度最高的其他用戶節點包括：
4.根據權利要求3所述的方法，其特征在于，利用多維度相似度計算模型和圖搜索算法，搜索與當前用戶相似度最高的其他用戶節點還包括：
5.根據權利要求4所述的方法，...
【專利技術屬性】
技術研發人員：胡貴華，
申請(專利權)人：眾星北斗北京科技發展有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。