[发明专利]一种面向社交电商用户的个性化推荐方法

权利要求书

1.一种面向社交电商用户的个性化推荐方法，其特征在于，包括以下步骤：

S1)初始特征生成，包括

采集商品信息，生成商品特征；

采集用户信息信息，采用以下公式生成用户偏好特征：

其中，u表示用户偏好特征，w为遗忘因子，取值0到1，d为时间，p为商品信息；

S2)用户-商品交互特征提取：在曝光过程中不断调整特征取值，曝光后点击和下单视为正向操作，曝光后未点击视为负向操作，每次曝光推荐之后对用户偏好特征进行更新；

S3)推荐列表生成：基于用户对商品的下单概率生成推荐列表。

2.根据权利要求1所述的一种面向社交电商用户的个性化推荐方法，其特征在于：

所述用户信息包括近期用户购买商品的价格信息、点击过的商品信息及购买商品的品类信息，从而生成用户购买价格偏好、点击价格偏好及购买品类偏好特征。

3.根据权利要求1所述的一种面向社交电商用户的个性化推荐方法，其特征在于：

所述步骤S2)采用以下公式更新用户偏好特征：

u(i)＝u(i)₀+λP(k)

其中，u表示用户特征，λ为操作权重，其中曝光后下单和点击为正值，曝光后未点击为负值，P为曝光商品信息。

4.根据权利要求1所述的一种面向社交电商用户的个性化推荐方法，其特征在于：

步骤S3)分别采用LGBM、XGBOOST、RF和LR算法计算用户对商品的下单概率，最后将四个模型进行加权融合，根据融合后的AUC，求得最优的组合权重。

5.根据权利要求4所述的一种面向社交电商用户的个性化推荐方法，其特征在于：

利用融合模型计算用户对所有商品的下单概率，下单概率大的商品在推荐列表中相对靠前。

6.根据权利要求1所述的一种面向社交电商用户的个性化推荐方法，其特征在于，还包括以下步骤：

S4)抓取用户操作数据，更新交互特征。