[发明专利]一种个性化推荐系统排序结果的改进方法

权利要求书

1.一种个性化推荐系统排序结果的改进方法，其特征在于，包括以下步骤：

S1、首先是进行数据埋点，用户登录APP或者网站后，一般在首页或者登录跳转后，出现可以让用户选择感兴趣的商品类别弹窗等形式，用户可以单选或者多选感兴趣的商品类别；

S2、采集埋点数据，进行持久化存储，用户选择完商品类别弹窗后，需要以商品类别列表以json的格式存入Hbase数据库中，并标注好写入的时间戳,对应时间戳t1；

S3、召回部分，可以通过协同过滤策略、热度召回策略、关联规则策略等多个召回策略等；

S4、排序部分，通过XGboost，深度学习等预测机器学习模型，得到每个用户对自己的商品召回池中的各个商品的预测分值；

S5、重排序部分，基于现有的业务运营策略，对排序结果进行适当调整；

S6、排序结果改进部分，这里主要是采用的是结合用户之前主动选择的兴趣类别列表，将属于该类别列表的待推荐商品，在排序的分值的基础上乘以一定权重W得到最终的分值。

2.根据权利要求1所述的一种个性化推荐系统排序结果的改进方法，其特征在于，所述步骤S1中的商品类别例如新闻app，可以让用户主动选择军事、国际、科技类别的标签，音乐app，可以选择摇滚、古典等类别，选择后的商品类别对应列表[category1,category2,category3]。

3.根据权利要求1所述的一种个性化推荐系统排序结果的改进方法，其特征在于，所述步骤S3中的召回部分需要结合用户的隐式行为，从物料库中得到待推荐商品的召回池，一般是物料库的商品数量的千分之一或者万分之一。

4.根据权利要求1所述的一种个性化推荐系统排序结果的改进方法，其特征在于，所述步骤S4中的预测分值范围在0～1之间，基于召回池的商品的预测分值对商品进行排序。

5.根据权利要求1所述的一种个性化推荐系统排序结果的改进方法，其特征在于，所述步骤S6中的预测分值乘以权重值之后，最终这些商品的排名会比之前更靠前，最终达到提高商品点击率，转化率等指标。

6.根据权利要求1所述的一种个性化推荐系统排序结果的改进方法，其特征在于，所述权重值的计算方法为其中W是要在排序分值后乘以的权重，范围在1.0～2.0，β是自定义的用户兴趣衰减时间周期，默认为10，也就是从用户选择兴趣类别那天起，往后推10天后,用户兴趣完全衰减，w＝1.0,这时权重作用失效，β偏大，则衰减缓慢，反之则偏快，α是用户选择兴趣类别与当前推荐日期的天数差。