一种考虑重复购买行为的会话推荐方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112819575A(43)申请公布日2021.05.18(21)申请号202110102234.7(22)申请日2021.01.26(71)申请人中国计量大学地址310018浙江省杭州市下沙高教园区学源街258号(72)发明人顾盼(51)Int.Cl.G06Q30/06(2012.01)G06F16/9536(2019.01)G06F16/2458(2019.01)G06F16/332(2019.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书7页附图2页(54)发明名称一种考虑重复购买行为的会话推荐方法(57)摘要本发明公开了一种考虑重复购买行为的会话推荐方法。该方法建立一个模型对当前会话和用户长期兴趣进行建模，并预测用户点下一个点击的物品。用户在在线平台上往往会有固定的行为习惯，因此本方法提出一种考虑重复购买行为的推荐方法，主要由四个部分组成：第一部分是根据用户当前交互会话序列，得到用户短期、长期兴趣表征和辅助行为(购买)表征。第二部分是根据用户短期和长期兴趣表征，选择重复模式或探索模式。第三部分是在重复模式下，根据用户的短期、长期兴趣表征和辅助行为(购买)表征，在用户历史购买的物品序列中进行推荐。第四部分是在探索模式下，根据用户的短期和长期兴趣表征，对不在用户历史购买的物品序列中的物品进行推荐。CN112819575ACN112819575A权利要求书1/3页1.一种考虑重复购买行为的会话推荐方法，其特征在于：根据用户当前交互会话序列中的辅助行为(auxiliarybehavior)序列，得到用户辅助行为(购买)表征；用户当前交互的会话可以表示为ST＝{x1，x2，…，xτ，…，xt}，其中，xτ代表第τ个物品，T表示当前会话的时间段下标，且ST的向量表征为{x1，x2，…，xτ，…，xt}，其中d是物品向量表征的长度；ST表示当前会话中所有交互的物品序列，其中，购买行为序列为且AT的向量表征为通常，在推荐系统中，把交互序列中的交互类型叫做目标类型(targettype)，把购买行为类型叫做辅助类型(auxiliarytype)；采用平均池(mean‑pooling)对购买行为序列进行表征，如下：是其中，AT是当前会话中的购买行为序列，是购买行为序列AT中购买的物品，是物品a的向量表示，|AT|表示序列AT的个数，p是购买行为序列表征；根据用户当前交互会话序列，得到用户短期兴趣表征ps；本方法采用门控循环单元网络(GRU)对用户当前交互序列进行表征；GRU的输入序列为ST＝{x1，x2，…，xτ，…，xt}；最后得到当前会话序列表征为用户短期兴趣(short‑terminterest)表征为前会话序列表征更新用户长期兴趣(long‑terminterest)表征pl；用户当前会话所在时间为T，用户历史所有会话表征仍然采用门控循环单元网络(GRU)结构得到，此时用户历史会话表征序列为用户长期兴趣的序列性不强，因此采用平均池(mean‑pooling)获得用户较为稳定的长期兴趣表征pl：其中，ZT‑1为时间T之前的用户历史会话表征列表，zτ为第τ个用户历史会话表征，|ZT‑1|l表示序列ZT‑1的个数；p是用户的长期兴趣表征；根据用户的短期和长期兴趣表征，在重复推荐模式和探索推荐模式中选择；在本方法l中，基于用户的当前会话ST和用户长期兴趣p，用户下一个交互物品xt+1的概率P(xt+1|ST，lllllp)可以进一步分解为：P(xt+1|ST，p)＝P(r|ST，p)P(xt+1|r，ST，p)+P(e|ST，p)P(xt+1|e，ST，pl)l其中，r和e分别代表重复模式(repeatmode)和探索模式(exploremode)；P(r|ST，p)ll和P(e|ST，p)代表基于当前序列ST和用户长期兴趣p，计算重复模式和探索模式的概率；Pll(xt+1|r，ST，p)和P(xt+1|e，ST，p)分别代表在重复模式和探索模式下，推荐物品xt+1的概率；ll判断推荐模式采用重复模式还是探索模式也就是计算概率P(r|ST，p)和P(e|ST，p)；在重复模式下，根据用户的短期、长期兴趣表征和辅助行为(购买)表征，在用户历史购买的物品序列中进行推荐；令用户历史消费序列为BT‑1＝{x1，x2，…，xl}，用户历史消费序列BT‑1的向量表征为其中上标a表示购买行为(auxiliarybehavior)；那么，在重l复模式下，用户历史购买的物品的推荐概率P(xτ|r，ST，p)是：2CN112819575A权利要求书2/3页其中，是用户历史消费序列中第τ个物品xτ的向量