| 主权项 |
一种基于阶段的动态产品推荐方法，其特征在于以下步骤：a.首先分割用户的购买记录，将其分为不同阶段：定义一个统一的时间片T作为一个分割单位，然后根据T来分割购买记录H，即H={H<sub>t0</sub>,H<sub>t1</sub>,…,H<sub>tn</sub>}，其中t<sub>0</sub>表示当前阶段，即最近购买时期，对于每个时期，都使用商品分类法对用户行为H<sub>ti</sub>进行建模；b.使用产品分类方法对用户的长期偏好进行建模：对用户长期偏好进行建模包括生成用户信息以及模型改善；生成用户信息：假设基本的类别向量为<c<sub>1</sub>,c<sub>2</sub>,c<sub>3</sub>,c<sub>4</sub>,c<sub>5</sub>>,权重类别向量<img file="762219dest_path_image001.GIF" wi="29" he="62" />=<1,2,0,1,1>，其中每一项表示用户对相应的类别的隐式评分;权重类别向量是l<sub>2</sub>归一化的,用户的长期信息为R<sub>u1</sub>={<img file="866310dest_path_image002.GIF" wi="31" he="62" />,<img file="583730dest_path_image003.GIF" wi="31" he="62" />,<img file="165890dest_path_image004.GIF" wi="31" he="62" />,…},确定u<sub>1</sub>的当前推荐阶段为H<sub>t0</sub>；c.基于与目标用户相似的用户的购买行为构建一张多模态图；建立一个节点包括用户、产品和类别的多模态图，而节点之间的边的权重由邻接矩阵W确定;U<sub>p</sub>、P<sub>p</sub>、P<sub>c</sub>分别表示用户与产品、用户与类别、产品与类别之间的关系， <img file="2014105029650100001dest_path_image005.GIF" wi="154" he="90" />;d.在构建的多模态图上运用随机游走推理，得到最终的推荐列表：执行随机游走原理RWR来取得与给定用户q高度相关的元素，在向量<img file="917945dest_path_image006.GIF" wi="97" he="62" />选择一个排在顶端的元素子集e，如果e<sub>i</sub>是用户，则选择e<sub>i</sub>最近购买的产品放进推荐列表l中；如果e<sub>i</sub>是产品，则直接将e<sub>i</sub>放进l中；如果e<sub>i</sub>是类别，则选择对e<sub>i</sub>的IC值贡献最大的产品放进l中,进而得到最终的产品推荐列表。 |
