CN110288419A - 一种动态更新权重的电商农产品推荐方法 - Google Patents

Abstract

一种动态更新权重的电商农产品推荐方法。本发明公开了一种在农场类游戏电商平台下的农产品推荐方法，步骤一：获取用户运动信息和历史种植或购买的农产品数据建立模型，步骤二：生成特征集，并计算农产品与用户模型的相似度，步骤三：使用公式计算历史推荐中每个特征的权重，更新历史数据作为下一次推荐时计算使用的权重，步骤四：将农产品特征属性和用户模型的相似度和历史推荐中特征的权重相乘，步骤五：根据结果选取推荐度最高的n种农产品推荐给用户，该方法能够通过用户的运动消息和在线行为来调整权重，可以随着用户的状态和行为的改变而改变，从而达到及时更新的智能推荐，完善了农场类游戏的推荐功能，同时解决了推荐及时更新的问题。

Description

一种动态更新权重的电商农产品推荐方法

技术领域

本发明涉及人工智能推荐用户所需农产品相关技术领域，具体为一种动态更新权重的电商农产品推荐方法。

背景技术

当今社会，随着生活水平的逐步提高以及亚健康问题的日渐严重，人们对农产品的质量需求越来越高，农产品质量安全和食品营养搭配是人们越来越看重的生活需求。电商发展越来越快的今天，虚拟农场与现实农场结合的模式成为了新亮点，它能够让用户自我种植农产品，在游戏的同时吃上有质量保证的高品质食品，因此线上线下结合的农场游戏电商已成为当代市民购买农产品生鲜的新模式，这种模式在满足了市民的娱乐需求的同时，还通过线下配送满足了用户对于高质量农产品的需求。而随着信息爆炸式增长，个性化推荐系统已是电子商务领域不可缺少的一大部分。

当今社会，随着生活水平的逐步提高以及亚健康问题的日渐严重，人们对农产品的质量需求越来越高，农产品质量安全和食品营养搭配是人们越来越看重的生活需求。电商发展越来越快的今天，虚拟农场与现实农场结合的模式成为了新亮点，它能够让用户自我种植农产品，在游戏的同时吃上有质量保证的高品质食品，因此线上线下结合的农场游戏电商已成为当代市民购买农产品生鲜的新模式，这种模式在满足了市民的娱乐需求的同时，还通过线下配送满足了用户对于高质量农产品的需求。而随着信息爆炸式增长，个性化推荐系统已是电子商务领域不可缺少的一大部分。

目前，使用最多的推荐方法主要有基于内容推荐，协同过滤推荐等方法。

专利CN108038133A公开了一种个性化推荐算法，核心是收集用户行为数据，将该用户行为数据分成用户的偏好模型数据和用户当前浏览的活动主题数据，然后应用协同过滤算法对所述的偏好模型数据进行处理，给用户基于协同过滤的文化活动推荐。

专利CN105427050A公开了一种基于信任度模型的食品质量评估方法，通过分析用户行为数据，从兴趣深度、广度和兴趣时效3个角度来解析用户间的信任度构成，再利用用户对食品的评价等信息来分析食品本身的信任度，最后将用户间信任度和食品间信任度相结合来评估食品的质量。

但是以上单一推荐算法并不利用物品的内容属性计算物品的相似度，无法做到自适应权重，不能够随着用户状态和兴趣的改变进行及时更新，它的局限性已经不再能够较好地适应日益复杂的电子商务系统。

发明内容

本发明的目的在于提供一种动态更新权重的电商农产品推荐方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种动态更新权重的电商农产品推荐方法，该种动态更新权重的电商农产品推荐方法包括以下基本步骤：

步骤一，获取农场用户数据，建立用户模型矩阵：所述用户数据包括大量的农场用户历史行为数据和用户的运动数据；

步骤二，生成特征集：由每个历史推荐数据生成特征集，并计算农产品与用户模型的相似度；

步骤三，计算权重值：根据用户历史数据计算每个特征集中模块的推荐权重，使用公式计算权重值；

步骤四，计算农场中每个农产品的推荐度；

步骤五，将推荐度最高的农产品推荐给用户。

优选的，所述步骤一中用户模型矩阵z＝{z1,z2,...,zn},其中zt表示用户的兴趣属性和运动信息，t∈[1，n]。

优选的，所述的兴趣属性包括农产品的种类、价格、生长周期、营养价值等食品特征。

优选的，所述步骤二中推荐农产品x＝{x1,x2,...xm}，其中xk的特征属性为y＝{y1,y2,...yt}，其中k[1,m]。所述每个推荐食品的xk的特征集合y与用户模型z的相似度计算公式为

优选的，所述步骤三还包括以下具体计算步骤：

(1)、在一段时间内用户查看或购买种植的农产品次数为c＝{c1,c2,...cl}，其中ci为用户查看或购买种植的食品来自特征集中特征模块i的次数，通过公式来计算特征模块i的权重估计值Gi’；

(2)、采用以下公式计算先验概率p(Gi’|hj)

当权重取值hj越靠近权重估计值Gi’时则概率越大，反之则概率越小；

(3)、采用以下公式计算后验概率P(hj|Gi’)

(4)、使用以下公式确定特征模块i的权重Gi，并更新权重分布G，

由此计算每个模块的权重值。

优选的，所述步骤四采用以下公式来计算推荐农产品集x＝{x1,x2,...xn}中每个农产品xi的推荐度ri

ri＝Gi×simk。

与现有技术相比，本发明的有益效果是：

综上所述，本发明具有以下有益效果：通过采用组合推荐算法解决权重自适应的更新分配问题，计算简单，步骤少，解决单一推荐算法的局限性，根据用户在线行为调整特征集推荐权重，随着用户的兴趣变化和运动数据的改变动态更新推荐食品，做到精准化推荐。

附图说明

图1为一种动态更新权重的智能食品推荐方法的总体流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供一种技术方案：一种动态更新权重的智能食品推荐方法，包括以下具体步骤：

步骤一，录入农场用户数据，用户模型矩阵z＝{z1,z2,...,zn},其中zt表示用户的兴趣属性和运动信息，t∈[1，n]。所述的兴趣属性包括农产品的种类、价格、生长周期、营养价值等食品特征；

步骤二，由每个历史推荐数据生成特征集，推荐农产品x＝{x1,x2,...xm}，其中xk的特征属性为y＝{y1,y2,...yt}，其中k[1,m]。所述每个推荐食品的xk的特征集合y与用户模型z的相似度计算公式为

步骤三，根据用户历史数据计算每个特征集中模块的推荐权重，在一段时间内用户查看或购买种植的农产品次数为c＝{c1,c2,...cl}，其中ci为用户查看或购买种植的农产品来自特征集中特征模块i的次数，通过公式来计算特征模块i的权重估计值Gi’；

采用以下公式计算先验概率p(Gi’|hj)

当权重取值hj越靠近权重估计值wi’时则概率越大，反之则概率越小；

采用以下公式计算后验概率p(Gj|wi’)

使用以下公式确定特征模块i的权重Gi，并更新权重分布G。

由此计算每个模块的权重值；

步骤四，计算农场中每个农产品的推荐度，采用以下公式来计算推荐农产品集x＝{x1,x2,...xn}中每个食品xi的推荐度ri

ri＝Gi×simk；

步骤六，推荐输出：将推荐度最高的农产品推荐给用户；

步骤七，计算下一个时间周期内用户反馈数据，并更新用户模型；

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种动态更新权重的电商农产品推荐方法，其特征在于：该种动态更新权重的电商农产品推荐方法包括以下基本步骤：

步骤一，获取农场用户数据，建立用户模型矩阵：所述用户数据包括大量的农场用户历史行为数据和用户的运动数据；

步骤二，生成特征集：由每个历史推荐数据生成特征集，并计算农产品与用户模型的相似度；

步骤三，计算权重值：根据用户历史数据计算每个特征集中模块的推荐权重，使用公式计算权重值；

步骤四，计算农场中每个农产品的推荐度；

步骤五，将推荐度最高的农产品推荐给用户。

2.根据权利要求1所述的一种动态更新权重的电商农产品推荐方法，其特征在于：所述步骤一中用户模型矩阵z＝{z1,z2,...,zn},其中zt表示用户的兴趣属性和运动信息，t∈[1，n]。

3.根据权利要求2所述的一种动态更新权重的电商农产品推荐方法，其特征在于：所述的兴趣属性包括农产品的种类、价格、生长周期、营养价值等食品特征。

4.根据权利要求1所述的一种动态更新权重的电商农产品推荐方法，其特征在于：所述步骤二中推荐农产品x＝{x1,x2,...xm}，其中xk的特征属性为y＝{y1,y2,...yt}，其中k[1,m]。所述每个推荐食品的xk的特征集合y与用户模型z的相似度计算公式为

5.根据权利要求1所述的一种动态更新权重的电商农产品推荐方法，其特征在于：所述步骤三还包括以下具体计算步骤：

(1)、在一段时间内用户查看或购买种植的农产品次数为c＝{c1,c2,...cl}，其中ci为用户查看或购买种植的食品来自特征集中特征模块i的次数，通过公式来计算特征模块i的权重估计值Gi’；

(2)、采用以下公式计算先验概率p(Gi’|hj)

当权重取值hj越靠近权重估计值Gi’时则概率越大，反之则概率越小；

(3)、采用以下公式计算后验概率P(hj|Gi’)

(4)、使用以下公式确定特征模块i的权重Gi，并更新权重分布G，

由此计算每个模块的权重值。

6.根据权利要求1所述的一种动态更新权重的电商农产品推荐方法，其特征在于：所述步骤四采用以下公式来计算推荐农产品集x＝{x1,x2,...xn}中每个农产品xi的推荐度ri

ri＝Gi×simk。