CN118941365B 一种基于用户偏好分析的商品推送方法及系统 （武汉市跃动无限网络科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118941365B(45)授权公告日2025.07.04

(21)申请号202411121634.2

(22)申请日2024.08.15

(65)同一申请的已公布的文献号申请公布号CN118941365A

(43)申请公布日2024.11.12

(73)专利权人武汉市跃动无限网络科技有限公

司

地址430056湖北省武汉市武汉经济技术

开发区军山街小军山社区商业楼103-

51

(72)发明人张圣余靖

(74)专利代理机构深圳市育科知识产权代理有限公司44509

专利代理师何立刚

(51)Int.CI.

GO6Q30/0601(2023.01)GO6F16/35(2025.01)GO6F16/3332(2025.01)

GO6F16/334(2025.01)

GO6N3/0455(2023.01)

GO6N3/048(2023.01)

GO6F18/23213(2023.01)GO6F18/24(2023.01)

(56)对比文件

CN114564956A,2022.05.31

CN116579824A,2023.08.11

审查员王济琳

权利要求书4页说明书11页附图1页

(54)发明名称

一种基于用户偏好分析的商品推送方法及系统

(57)摘要

CN118941365B本发明公开了一种基于用户偏好分析的商品推送方法及系统，涉及电子商务技术领域，包括收集多源数据，对用户评论进行情感倾向分析生成用户画像并构建商品知识图谱，使用模糊卡诺模型评估特征重要性并生成特征一情感对；基于用户画像和特征一情感对构建用户一商品交互图，根据用户一商品交互图中的时空信息计算商品间的上下文感知相似度。本发明通过使用情感分析技术和模糊卡诺模型，不仅提高了用户画像的精确度，还通过特征—情感对精细化了商品特征的重要性评估，构建用户一商品交互图并结

CN118941365B

收集多源数据，对用户评论进行情感倾向分析生

收集多源数据，对用户评论进行情感倾向分析生

成用户画像并构建商品知识图谱，使用模糊卡诺

模型评估特征重要性并生成特征-情感对

基于用户画像和特征-情感对构建用户-商品交互

图，根据用户-商品交互图中的时空信息计算商品

间的上下文感知相似度

根据商品间的上下文感知相似度生成推荐列表

CN118941365B权利要求书1/4页

2

1.一种基于用户偏好分析的商品推送方法，其特征在于：包括，

收集多源数据，对用户评论进行情感倾向分析，计算情感得分，生成用户画像并构建商品知识图谱，使用模糊卡诺模型评估特征重要性，计算每个商品特征的重要性指数并生成特征一情感对；

基于用户画像和特征一情感对构建用户一商品交互图，根据用户一商品交互图中的时空信息计算商品间的上下文感知相似度；

根据商品间的上下文感知相似度生成推荐列表；

结合特征的情感得分和重要性指数为每个商品生成一个特征一情感对列表，每个特征一情感对包括特征名称、情感得分和重要性指数；

所述根据用户一商品交互图中的时空信息计算商品间的上下文感知相似度指使用GraphSAGE模型从交互图中学习商品的嵌入表示，嵌入向量生成公式为：

h(5)=μ(W).4({(-1)|u∈Q(v)})+BK)),

式中，h(k)是第k层中节点v的嵌入向量，h(k-1)是节点u在第k-1层的嵌入向量，Q(v)是节点v的邻居节点集合，A是聚合函数，w(k)是权重矩阵，B(k)是第k层的偏置项，μ为ReLU激活函数；

结合商品的嵌入向量和上下文属性，计算商品间的上下文感知相似度：

式中，Sim。是商品o和商品g的相似度，h。和h是商品的嵌入向量，γ是上下文的权重因子，0(o,g)是上下文相似度；

根据计算得到的相似度，为用户推荐上下文相关的相似商品。

2.如权利要求1所述的基于用户偏好分析的商品推送方法，其特征在于：所述收集多源数据，对用户评论进行情感倾向分析，计算情感得分，生成用户画像并构建商品知识图谱指从网站、移动应用和社交媒体收集用户的行为数据、商品数据以及上下文数据包括地理位置、时间戳以及设备信息，对收集的数据进行清洗并使用NLP工具对用户评论进行分词、去停用词和词性标注；

选择用户行为中的关键特征，包括访