[发明专利]推荐方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种推荐方法，其特征在于，用于为用户推荐商品，所述方法包括：

获取电商平台的待处理用户数据，每个所述待处理用户数据包括用户ID、用户对商品的操作行为；

针对每个用户ID，在所述待处理用户数据的基础上计算与该用户ID对应的各个操作行为的权重；

针对每个用户ID，根据与该用户ID对应的权重，计算与该用户对应的各个商品的评分；

根据每个用户ID对应的各个商品的评分及协同过滤算法，确定与每个用户ID对应的推荐商品。

2.根据权利要求1所述的方法，其特征在于，在所述获取电商平台的待处理用户数据之前，所述方法还包括：

获取多个用户数据；

对所述多个用户数据进行过滤，得到所述待处理用户数据。

3.根据权利要求2所述的方法，其特征在于，每个用户数据包括时间戳，所述对所述多个用户数据进行过滤，包括：

计算每个用户数据所包括的时间戳与当前时间点之间的时间间隔长度；

滤除所述时间间隔长度大于时间阈值的用户数据。

4.根据权利要求2或3所述的方法，其特征在于，每个用户数据包括商品ID，所述对所述多个用户数据进行过滤，包括：

针对每个商品ID对应的商品，计算与该商品产生操作关系的用户数量；

将所述用户数量不在阈值区间内的商品确定为待过滤商品；

滤除与所述待过滤商品对应的商品ID所在的用户数据。

5.根据权利要求1所述的方法，其特征在于，所述针对每个用户ID，在所述待处理用户数据的基础上计算与该用户ID对应的各个操作行为的权重，包括：

针对每个用户ID，筛选出与该用户ID对应的待处理用户数据；

针对每个用户ID，通过与该用户ID对应的待处理用户数据，构建与该用户ID对应的决策矩阵其中，d₁、…、d_k为各个操作行为的类别，s₁、…、s_n为商品，为该用户ID对应的用户针对s_n商品进行d_k操作行为的次数，n、k为正整数；

针对每个用户ID，通过与该用户ID对应的决策矩阵，计算与该用户ID对应的各个操作行为的权重。

6.根据权利要求5所述的方法，其特征在于，所述针对每个用户ID，通过与该用户ID对应的决策矩阵，计算与该用户ID对应的各个操作行为的权重，包括：

针对每个用户ID，将与该用户ID对应的决策矩阵进行归一化处理，得到归一化矩阵，其中，所述归一化矩阵中的每个元素为

针对每个用户ID，基于公式计算与该用户ID对应的归一化矩阵中的每个元素的特征比重，得到特征比重矩阵；

针对每个用户ID，基于公式计算与该用户ID对应的特征比重矩阵中的每一列元素对应的操作行为的熵值，得到针对该用户ID的每个操作行为的熵值；

针对每个用户ID，基于公式d_j＝1-e_j计算与该用户ID对应的每个操作行为的熵值的差异性系数；

针对每个用户ID，基于公式计算与该用户ID对应的每个操作行为的熵权，并将熵权确定为权重；

其中，i、j、m为正整数。

7.根据权利要求6所述的方法，其特征在于，所述针对每个用户ID，根据与该用户ID对应的权重，计算与该用户对应的各个商品的评分，包括：

针对每个用户ID，基于公式计算与该用户对应的各个商品的评分；

其中，I(u_i→i_j)为二值函数，当I(u_i→i_j)为1时，表征用户ID为u_i时对应的用户对商品i_j存在操作行为，当I(u_i→i_j)为0时，表征用户ID为u_i时对应的用户对商品i_j不存在操作行为。