• / 14

基于商品知识图谱特征学习的推荐方法及系统

关 键  词:
基于 商品 知识 图谱 特征 学习 推荐 方法 系统
资源描述:

《基于商品知识图谱特征学习的推荐方法及系统》文档由会员分享,可在线阅读,更多相关《基于商品知识图谱特征学习的推荐方法及系统(14页珍藏版)》请在白瓜网上搜索。

1、权重值; 204、 将商品搭配模型和基本商品知识图谱融合, 形成关联商品知识图谱。 4.如权利要求1商品间关联度的高低, 设置相应的权重值; 203、 根据用户购买情况和商品促销情况及时更新商品之间的生成关联商 品知识图谱, 具体为: 201、 根据网站中的商品分类构建商品搭配模型; 202、 根据, 其特征在于, 所述 步骤S102中创建商品搭配模型, 将构建好的商品知识图谱融合商品搭配模型, 入到neo4j中生成原始商品知识图谱。 3.如权利要求1所述的一种基于商品知识图谱特征学习的推荐方法对上述分词结果提取 关键词, 从关键词里找实体商品和关系, 建立商品三元组, 生成 csv表格, 导。

2、价格、 评价; 对电商网站商品 数据进行清洗为: 根据商品的名称和评论进行分词, 建立专有词字典, 体和关系, 构建商品知识图谱具 体为: 对电商网站商品数据采集, 包括商品的名称、 销量、 分类、 谱特征学习的推荐方法, 其特征在于, 所述 步骤S101中对电商网站商品数据采集与清洗, 提取商品实商品实体之间的相关性, 从而根据 结果对用户进行商品推荐。 2.如权利要求1所述的一种基于商品知识图从而得到基 于商品推荐主题的实体和关系向量; S104、 构建推荐模型, 通过向量的余弦相似度来计算 生成关联商品 知识图谱; S103、 提取关联商品知识图谱特征, 使用知识图谱特征学习算法进行学习。

3、关系, 构建商品知识图谱; S102、 创建商品搭配模型, 将构建好的商品知识图谱融合商品搭配模型,推荐方法, 其特征在于, 包括以下步骤: S101、 对电商网站商品数据采集与清洗, 提取商品实体和9318 A 2020.07.03 CN 111369318 A 1.一种基于商品知识图谱特征学习的, 实现商品推荐命 中率准确率的大幅度提升。 权利要求书2页 说明书7页 附图4页 CN 11136后进行商品推荐。 本发 明通过关联商品知识图谱构建、 更新, 以及特征 学习方法, 构建商品推荐系统特征学习, 降维得到商品实体和 关系向量; 计算知识图谱匹配到的商品间相关 度, 对相关度进行排序之。

4、关联商品知识图谱; 根据用户的历史购 买记录确定待匹配商品实体, 连接关联商品知识 图谱, 进行商品能提取, 商品知识图谱构建; 利用商品分类结合 商品搭配模型对商品知识图谱中的实体进行融 合, 构建低的 问题。 本发明提供的方法包括电商平台商品信息 的智能获取; 商品信息清洗, 商品实体和关系智 品知识图谱特征 学习的推荐方法及系统, 构建关联商品知识图 谱, 用于解决商品推荐的重复率高和准确率54)发明名称 一种基于商品知识图谱特征学习的推荐方 法及系统 (57)摘要 本发明公开了一种基于商20.01) G06F 40/289(2020.01) G06F 40/295(2020.01) ( 30/02(2012.01) G06F 16/36(2019.01) G06F 40/284(20 34122 代理人 叶丹 (51)Int.Cl. G06Q 30/06(2012.01) G06Q超 焦俊高佳乐李健李菲 赵子豪王梦瑶 (74)专利代理机构 合肥鼎途知识产权代理事务 所(普通合伙)安徽农业大学 地址 230036 安徽省合肥市长江西路130号 (72)发明人 辜丽川王星月饶海笛王(21)申请号 202010131570.X (22)申请日 2020.02.28 (71)申请人 (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日。

展开阅读全文
  白瓜网所有资源均用户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:基于商品知识图谱特征学习的推荐方法及系统
链接地址:https://www.baigua.net/doc/666894.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

copyright@ 20018-2021 白瓜网版权所有

经营许可证编号:粤ICP备20005300号-1