技術(shù)特征：

1.基于消費(fèi)者行為的商品推薦方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于消費(fèi)者行為的商品推薦方法，其特征在于，所述s1中的行為序列數(shù)據(jù)采集包括用戶交互行為日志的提取，從電子商務(wù)平臺(tái)的后臺(tái)數(shù)據(jù)庫(kù)中，通過(guò)日志分析工具獲取用戶在平臺(tái)上生成的交互行為日志，所述日志包括用戶的點(diǎn)擊行為、瀏覽記錄、搜索查詢以及購(gòu)買交易，將行為序列數(shù)據(jù)按時(shí)間順序排列，并根據(jù)用戶唯一標(biāo)識(shí)符進(jìn)行歸檔，以形成用戶的完整行為序列；

3.根據(jù)權(quán)利要求2所述的基于消費(fèi)者行為的商品推薦方法，其特征在于，所述動(dòng)態(tài)窗口調(diào)整算法將長(zhǎng)時(shí)間行為序列劃分為多個(gè)短期行為片段具體包括：

4.根據(jù)權(quán)利要求3所述的基于消費(fèi)者行為的商品推薦方法，其特征在于，所s2中的多模態(tài)行為上下文融合具體包括：

5.根據(jù)權(quán)利要求4所述的基于消費(fèi)者行為的商品推薦方法，其特征在于，所述s3中的長(zhǎng)短期記憶網(wǎng)絡(luò)lstm基于行為片段，使用長(zhǎng)短期記憶網(wǎng)絡(luò)lstm對(duì)行為片段進(jìn)行建模，捕捉用戶行為的長(zhǎng)期依賴性特征。

6.根據(jù)權(quán)利要求5所述的基于消費(fèi)者行為的商品推薦方法，其特征在于，所述s3還包括將長(zhǎng)期依賴性特征向量與行為上下文特征向量進(jìn)行融合，結(jié)合用戶當(dāng)前的行為情境和歷史行為的長(zhǎng)期依賴關(guān)系，構(gòu)建一個(gè)綜合的特征向量，所述綜合的特征向量包括用戶行為的長(zhǎng)期依賴性和當(dāng)前行為上下文。

7.根據(jù)權(quán)利要求6所述的基于消費(fèi)者行為的商品推薦方法，其特征在于，所述基于上下文的意圖推測(cè)模型構(gòu)建包括利用融合后的綜合特征向量作為輸入，推測(cè)用戶的長(zhǎng)期購(gòu)物意圖并生成用戶行為的意圖向量，所述用戶行為的意圖向量表示用戶在長(zhǎng)期行為序列和當(dāng)前情境下的購(gòu)物意圖，生成的所述用戶意圖向量綜合了用戶的長(zhǎng)期行為依賴性和當(dāng)前行為上下文特征。

8.根據(jù)權(quán)利要求7所述的基于消費(fèi)者行為的商品推薦方法，其特征在于，所述意圖預(yù)測(cè)模型基于前饋神經(jīng)網(wǎng)絡(luò)，模型結(jié)構(gòu)包括：

9.根據(jù)權(quán)利要求1所述的基于消費(fèi)者行為的商品推薦方法，其特征在于，所述s4中的多目標(biāo)優(yōu)化與推薦策略生成具體包括：

10.根據(jù)權(quán)利要求9所述的基于消費(fèi)者行為的商品推薦方法，其特征在于，所述目標(biāo)函數(shù)包括：

技術(shù)總結(jié)
本發(fā)明涉及推薦方法技術(shù)領(lǐng)域，具體涉及基于消費(fèi)者行為的商品推薦方法，包括以下步驟：從電子商務(wù)平臺(tái)中的用戶交互行為日志中，提取包括點(diǎn)擊、瀏覽、搜索、購(gòu)買的行為序列數(shù)據(jù)，并通過(guò)序列數(shù)據(jù)切片技術(shù)，將用戶的長(zhǎng)時(shí)間行為序列劃分為多個(gè)具有長(zhǎng)期依賴關(guān)系的行為片段；生成行為上下文特征向量；基于長(zhǎng)期依賴性特征向量以及行為上下文特征向量，構(gòu)建基于上下文的意圖推測(cè)模型，推測(cè)用戶的長(zhǎng)期購(gòu)物意圖，并生成用戶行為的意圖向量；通過(guò)多目標(biāo)優(yōu)化算法，生成滿足多種目標(biāo)的推薦策略，將生成的推薦策略應(yīng)用于實(shí)時(shí)推薦中。本發(fā)明，提高了推薦的個(gè)性化程度，能夠更好地滿足用戶的多樣化需求，從而提高了用戶的滿意度。

技術(shù)研發(fā)人員：戚洪標(biāo),劉亞軍,張盼,李小歐
受保護(hù)的技術(shù)使用者：北京壹心壹翼科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19