专利交易市场

本发明涉及数据处理技术领域，具体涉及一种商品推荐方法、装置及系统，所述方法包括：获取预先收集的历史商品信息，从所述历史商品信息中提取待切分中文句，根据待切分中文句建立商品的特征词表；确定与用户行为关联的商品，获取所述商品的商品信息，根据所述特征词表删除所述商品信息中不属于所述特征词表的特征词，得到所述商品的商品特征项；基于所述商品特征项建立用户画像信息表，从所述用户画像信息表中的特征项序列中筛选出特征序列，作为该用户的用户画像；基于目标用户的用户画像确定目标用户的近邻用户，从近邻用户的列表区中确定目标用户的商品推荐列表，本发明能够缓解数据稀疏问题，降低计算规模，提高商品推荐的时效性。

本申请涉及信息推荐技术领域，公开一种用于商品推荐的图神经网络模型构建方法。该方法包括：获取用户的行为数据、商品之间的关系、商家之间的关系、用户之间的关系、商品和商家之间的关系；根据行为数据、商品之间的关系、商家之间的关系、用户之间的关系、商品和商家之间的关系获取多路异构图；根据多路异构图获得图神经网络模型。本方案得到的图神经网络模型由于考虑了多种维度的属性，使得其输出的结果在用于商品推荐时更加符合用户的行为，提高了用户获得商品推荐结果时的体验。本申请还公开一种用于商品推荐的图神经网络模型构建装置及设备、用于商品推荐的方法、装置及设备。

本发明公开了基于协同过滤模型的商品推荐方法和系统，包括数据收集模块，用于在电商平台场景下收集用户以及商品的数据；数据预处理模块，用于对收集的数据进行预处理；协同模型训练模块，用于基于用户行为协同过滤模型训练推荐结果；模型验证模块，用于核验其推荐结果是否符合用户的行为趋势；深度制定模块，用于进行二级训练，制定深度个性化商品规格的推荐，利用数据挖掘和机器学习技术对数据进行分析，从而提取出用户特征、商品特征以及场景特征，建立用户专属兴趣偏好模型，最后从海量商品中找到用户感兴趣的商品，满足用户个性化的需求，本发明，具有实用性强和个性化程度高的特点。