[发明专利]一种个性化推荐系统排序结果的改进方法

说明书

本发明属于系统排序技术领域，尤其是涉及一种个性化推荐系统排序结果的改进方法，包括以下步骤：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；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；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。本发明提出一种结合用户显式行为，对经过排序后的商品进行重排序的方法，经过对比实验发现，该方法比一般的推荐系统的推荐结果精度得到很大提升。

技术领域

本发明涉及系统排序技术领域，尤其涉及一种个性化推荐系统排序结果的改进方法。

背景技术

随着移动互联网的高速发展，推荐系统越来越成为各个互联网产品的标配，从电商网站到视音频产品，从O2O业务到新零售领域，推荐系统一方面帮助消费者从浩繁如海的商品库中找到感兴趣的商品，另一方面可以帮助互联网公司提高销售额等指标。

近年来推荐系统逐渐成为研究热点，好的推荐算法和好的策略层出不穷，当前排序部分所用的特征，特别用户的兴趣特征均是通过隐式行为进行计算得出，也就是通过点击，浏览、购买、收藏等行为通过一定的计算逻辑扩展得出一系列特征，但是一般并没有使用用户的显式行为，显式行为指的是用户对商品的明确的带有用户主观目的行为，例如评分、主动填写自己的兴趣爱好等，显式行为带有用户大量有用的信息，充分利用起来可以提高推荐系统的精度。

为此，我们提出一种个性化推荐系统排序结果的改进方法来解决上述问题。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种个性化推荐系统排序结果的改进方法。

为了实现上述目的，本发明采用了如下技术方案：一种个性化推荐系统排序结果的改进方法，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。

在上述的一种个性化推荐系统排序结果的改进方法中，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]。

在上述的一种个性化推荐系统排序结果的改进方法中，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。

在上述的一种个性化推荐系统排序结果的改进方法中，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。