[发明专利]一种商品图片的自适应热门指数排序方法

说明书

本发明公开了一种商品图片的自适应热门指数排序方法，具体包括以下步骤：向各待推荐商品图片添加标签并按标签类别进行分类；获取用户的历史行为数据；计算每类标签下各待推荐商品图片的经时间衰减加权的点击率得分并按得分高低进行排序；构建用户图像；根据用户图像和各类标签的图片排行榜，生产推荐候选集推荐给用户。本发明的方法结合用户偏好的商品图片属性，将匹配度最高的商品图片推荐给用户，保证了用户体验，避免历史累计，降低了以前热门商品的权重，消除了马太效应。

技术领域

本发明涉及计算机数据处理技术领域，尤其涉及一种商品图片的自适应热门指数排序方法。

背景技术

随着时代发展，人们更加注重生活品质，在众多的商品中，能够让人们发现自己喜欢的物品，推荐系统起着很大的作用。

推荐系统是帮助用户快速发现感兴趣的信息的工具，主要通过用户的历史行为，充分挖掘用户的兴趣，主动给用户推荐感兴趣或者有用的信息。一个好的图片推荐系统应当要具有较高的推荐准确率、商品覆盖率、新颖性，能够给用户带来惊喜等。

马太效应，即强者更强，弱者更弱的效应。如果一个系统会增大热门物品和非热门物品流行度的差距，也就是让热门的物品更加热门，不热门的物品更加不热门，这样不热门的物品就很难甚至没有机会推荐给用户，那么这个系统就具有马太效应。

商品图片推荐系统和其他推荐系统不同的是：商品图片的内容很难用简短的语言表述清楚。图片内容可从图片属性进行衡量，比如对于服装图片，有风格、款式等，食品图片有食材、口味等。而且有些图片还具有一定时效性，比如服装图片。一个好的商品图片推荐系统不仅要具有较好的用户体验，较高的推荐准确率，还要消除马太效应，然而目前主流的推荐系统，是具有马太效应的。因此如何避免马太效应成为本领域技术人员需要解决的问题。

发明内容

有鉴于此，本发明提供了一种商品图片的自适应热门指数排序方法，用以解决上述背景技术中存在的问题。

一种商品图片的自适应热门指数排序方法，具体包括以下步骤：

S1，根据待推荐商品图片的商品属性向各个待推荐商品图片添加标签，并按标签类别对待推荐商品图片进行归类；

S2，获取用户在预设统计周期内的历史行为数据；

S3，根据用户的历史行为数据，计算每类标签下各待推荐商品图片的经时间衰减加权的点击率得分，并根据点击率得分高低获取各类标签的图片排行榜；

S4，根据用户的历史行为数据，构建用户画像；

S5，根据用户图像以及各类标签的图片排行榜，生产推荐候选集推荐给用户。

优选地，步骤S3中根据用户的历史行为数据，计算每类推荐标签下各待推荐商品图片的经时间衰减加权的点击率得分的具体步骤为：

S31，根据用户的历史行为数据，统计每类标签下每个待推荐商品图片在每个点击周期中的点击率；

S32，计算每个点击周期的时间衰减系数；

S33，分别计算每类标签下各个待推荐商品图片在整个预设统计周期内的经时间衰减加权的点击率得分；

S34，将每类标签下各个待推荐商品图片按照点击率得分高低分别进行排序，得到各类标签的图片排行榜。

优选地，第i类标签下第j张待推荐商品图片的点击率得分其中，为第i类标签下第j张待推荐商品图片在第T_k点击周期中的点击率，i和j均为正整数；decay(T_k,k,α)为第T_k点击周期的时间衰减系数；