本申請(qǐng)涉及大數(shù)據(jù)領(lǐng)域，尤其涉及一種基于大數(shù)據(jù)的電商個(gè)性化推薦方法。

背景技術(shù)：

1、用戶在瀏覽電商商品頁面時(shí)，系統(tǒng)通常會(huì)根據(jù)用戶的瀏覽偏好為其推薦商品。然而，用戶的偏好是動(dòng)態(tài)的，而現(xiàn)有的個(gè)性化推薦方法通常難以發(fā)掘用戶的新興趣，容易使用戶陷入信息繭房，導(dǎo)致推薦的內(nèi)容同質(zhì)化。因此，為了在依據(jù)固有的信息進(jìn)行商品推薦和探索用戶的新興趣之間取得一定的平衡，亟需一種更為準(zhǔn)確的電商個(gè)性化推薦方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例的主要目的在于提供一種基于大數(shù)據(jù)的電商個(gè)性化推薦方法，旨在解決相關(guān)技術(shù)中電商平臺(tái)的商品個(gè)性化推薦難以發(fā)掘用戶新興趣，導(dǎo)致推薦內(nèi)容單一，準(zhǔn)確度不高的問題。

2、本發(fā)明實(shí)施例提供一種基于大數(shù)據(jù)的電商個(gè)性化推薦方法，包括：

3、獲取用戶對(duì)應(yīng)用戶特征信息，所述用戶特征信息包括：用戶基本信息、用戶行為信息、用戶上下文信息；

4、根據(jù)所述用戶特征信息，從候選商品中確定第一推薦商品并向用戶展示所述第一推薦商品；

5、根據(jù)用戶基于所述第一推薦商品的操作信息，確定所述第一推薦商品的置信水平數(shù)據(jù)；

6、在所述置信水平數(shù)據(jù)大于第一預(yù)設(shè)閾值的情況下，根據(jù)所述操作信息對(duì)所述第一推薦商品進(jìn)行擴(kuò)充，得到第二推薦商品；

7、向用戶展示所述第一推薦商品和所述第二推薦商品；

8、所述在所述置信水平數(shù)據(jù)大于第一預(yù)設(shè)閾值的情況下，根據(jù)所述操作信息對(duì)所述第一推薦商品進(jìn)行擴(kuò)充，得到第二推薦商品，包括：

9、在所述置信水平數(shù)據(jù)大于第一預(yù)設(shè)閾值的情況下，計(jì)算各個(gè)目標(biāo)商品的上置信界限數(shù)據(jù)，其中，所述目標(biāo)商品為除所述第一推薦商品以外的候選商品；

10、將所述上置信界限數(shù)據(jù)大于第二預(yù)設(shè)閾值的目標(biāo)商品確定為所述第二推薦商品；

11、所述在所述置信水平數(shù)據(jù)大于第一預(yù)設(shè)閾值的情況下，計(jì)算各個(gè)目標(biāo)商品的上置信界限數(shù)據(jù)，包括：

12、根據(jù)下式計(jì)算所述上置信界限數(shù)據(jù)：

13、

14、其中，ucbi表示第i個(gè)目標(biāo)商品的上置信界限數(shù)據(jù)，是第i個(gè)目標(biāo)商品的收益期望，ntotal為推薦商品的總次數(shù)，ni為推薦第i個(gè)目標(biāo)商品的次數(shù)，si表示第i個(gè)目標(biāo)商品與用戶的匹配度。

15、本發(fā)明實(shí)施例提供一種基于大數(shù)據(jù)的電商個(gè)性化推薦方法，本申請(qǐng)通過獲取用戶對(duì)應(yīng)用戶特征信息，所述用戶特征信息包括：用戶基本信息、用戶行為信息、用戶上下文信息，通過獲取表征用戶偏好的用戶特征信息作為商品推薦的依據(jù)，有利于商品推薦的冷啟動(dòng)；根據(jù)所述用戶特征信息，從候選商品中確定第一推薦商品并向用戶展示所述第一推薦商品，根據(jù)用戶特征信息篩選出向用戶展示的第一推薦商品，使用戶能夠?yàn)g覽到可能感興趣的商品，提高用戶瀏覽電商平臺(tái)的體驗(yàn)度；根據(jù)用戶基于所述第一推薦商品的操作信息，確定所述第一推薦商品的置信水平數(shù)據(jù)，確定第一推薦商品對(duì)應(yīng)的置信區(qū)間大小，以便根據(jù)置信區(qū)間確定第一推薦商品的準(zhǔn)確度；在所述置信水平數(shù)據(jù)大于第一預(yù)設(shè)閾值的情況下，根據(jù)所述操作信息對(duì)所述第一推薦商品進(jìn)行擴(kuò)充，得到第二推薦商品，若第一推薦商品的置信區(qū)間較大，則說明目前第一推薦商品的范圍過于寬泛，可能無法準(zhǔn)確反映出用戶的喜好，需要通過第二推薦商品探索用戶的新喜好；向用戶展示所述第一推薦商品和所述第二推薦商品，使用戶瀏覽第一推薦商品和第二推薦商品并執(zhí)行點(diǎn)擊、購(gòu)買等操作，以便獲取針對(duì)第一推薦商品和第二推薦商品的反饋。

技術(shù)特征：

1.一種基于大數(shù)據(jù)的電商個(gè)性化推薦方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的電商個(gè)性化推薦方法，其特征在于，所述用戶基本信息包括：用戶屬性信息、設(shè)備型號(hào)信息；所述用戶行為信息包括：歷史瀏覽信息、歷史操作信息；所述用戶上下文信息包括：興趣標(biāo)簽信息、用戶社交信息，所述根據(jù)所述用戶特征信息，從候選商品中確定第一推薦商品并向用戶展示所述第一推薦商品，包括：

3.根據(jù)權(quán)利要求2所述的基于大數(shù)據(jù)的電商個(gè)性化推薦方法，其特征在于，所述根據(jù)所述用戶特征向量與各所述候選商品的商品屬性向量進(jìn)行匹配，將匹配度大于預(yù)設(shè)匹配度的候選商品確定為所述第一推薦商品，包括：

4.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的電商個(gè)性化推薦方法，其特征在于，所述根據(jù)用戶基于所述第一推薦商品的操作信息，確定所述第一推薦商品的置信水平數(shù)據(jù)，包括：

5.根據(jù)權(quán)利要求4所述的基于大數(shù)據(jù)的電商個(gè)性化推薦方法，其特征在于，所述根據(jù)用戶基于所述第一推薦商品的操作信息，確定所述第一推薦商品的置信水平數(shù)據(jù)，包括：

技術(shù)總結(jié)
本發(fā)明實(shí)施例提供一種基于大數(shù)據(jù)的電商個(gè)性化推薦方法，屬于大數(shù)據(jù)領(lǐng)域。該方法包括獲取用戶對(duì)應(yīng)用戶特征信息，所述用戶特征信息包括：用戶基本信息、用戶行為信息、用戶上下文信息；根據(jù)所述用戶特征信息，從候選商品中確定第一推薦商品并向用戶展示所述第一推薦商品；根據(jù)用戶基于所述第一推薦商品的操作信息，確定所述第一推薦商品的置信水平數(shù)據(jù)；在所述置信水平數(shù)據(jù)大于第一預(yù)設(shè)閾值的情況下，根據(jù)所述操作信息對(duì)所述第一推薦商品進(jìn)行擴(kuò)充，得到第二推薦商品；向用戶展示所述第一推薦商品和所述第二推薦商品；本發(fā)明在依據(jù)固有的信息進(jìn)行商品推薦和探索用戶的新興趣之間取得一定的平衡，大大提高電商個(gè)性化推薦方法的準(zhǔn)確性。

技術(shù)研發(fā)人員：葉翔
受保護(hù)的技術(shù)使用者：杭州麗冠科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30