【CN110084670A】一种基于LDAMLP的货架商品组合推荐方法【专利】

(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 (21)申请号 201910297823.8
(22)申请日 2019.04.15
(71)申请人 东北大学
地址 110819 辽宁省沈阳市和平区文化路3
号巷11号
(72)发明人 于瑞云　郭玥　
(74)专利代理机构 沈阳东大知识产权代理有限
公司 21109
代理人 梁焱
(51)Int.Cl.
G06Q 30/06(2012.01)
(54)发明名称
一种基于LDA-MLP的货架商品组合推荐方法
(57)摘要
本发明涉及货架商品组合推荐技术领域，提
供一种基于LDA -MLP的货架商品组合推荐方法，
首先从订单数据中提取测试集和训练集；然后根
据训练集构建LDA模型，并利用Gibbs采样求解该
模型，得到用户和商品的潜在特征向量；接着构
建用户商品交互矩阵；再构建MLP模型，构建并最
小化目标函数以训练MLP模型；对测试集按货架
分组，通过LDA模型和MLP模型得到每个货架中用
户对商品的偏好，进行偏好融合，得到用户群组
对商品的偏好；最后基于Top -N算法，对偏好排
序，选择偏好程度最高的前s个商品组成该货架
的商品组合推荐列表。

本发明能够不依赖显式评
分信息、解决数据稀疏性问题，为群组用户进行
商品组合推荐且推荐准确性高。

权利要求书2页 说明书8页 附图5页CN 110084670 A 2019.08.02
C N 110084670
A
1.一种基于LDA -MLP的货架商品组合推荐方法，其特征在于，包括下述步骤：
步骤1：收集用户购买货架上商品的订单数据，从所述订单数据中提取最近一个月的订单数据作为测试集，从所述订单数据中提取每个用户最近一次购买商品的订单数据作为验证集，将所述订单数据中除测试集、验证集之外的订单数据作为训练集；所述训练集包括M 个用户U＝{u 1,u 2,...,u m ,...,u M }的订单记录，用户u m 的每条订单记录为用户u m 在该订单中购买的商品集合，m∈{1，2，...，M}，货架上商品的集合为V＝{v 1,v 2,...,v n ,...,v N }，n∈{1，2，...，N}，货架上商品种类的集合为W＝{w 1,w 2,...,w k ,...,w K }，k∈{1，2，...，K}；
步骤2：构建用户购买商品的LDA模型，提取用户与商品的潜在特征向量：
步骤2.1：根据所述训练集的订单数据，构建用户兴趣矩阵R＝(r mn )M ×N ，r mn 为用户u m 购买商品v n 的次数；
步骤2.2：根据用户兴趣矩阵R，构建用户u m 的文档d m ，组成文档集合D；其中，将用户u m 购买的每件商品作为文档d m 中的一个单词，将用户u m 购买商品v n 的次数r mn 作为商品v n 在文档d m 中出现的次数；
步骤2.3：将商品的每一个种类作为一个主题，得到主题集合T＝W＝{w 1,w 2,...,w k ,...,w K }，所述文档集合D、主题集合T构成用户购买商品的LDA模型；其中，对于用户u m ，主题w服从多项分布，即w～Multi(w|θm )，θm 为用户u m 的主题分布；
对于主题w k ，商品v服从多项分布，
即为主题w k 的商品分布；θm 、的先验概率分布为Dirichlet分布；
步骤2.4：利用Gibbs采样对LDA模型进行求解，得到用户潜在矩阵(Θ)M ×K 与商品潜在矩阵(Φ)K ×N ；其中，(Θ)M ×K 的第m行为θm ，将θm 作为用户u m 的潜在特征向量，
(Φ)K ×N
的第k行为将(Φ)K ×N 的第n列φn 作为商品v n 的潜在特征向量；
步骤3：将用户对商品的反馈作为隐式反馈，构建用户商品交互矩阵Y＝(y mn )M ×N ；其中，若用户u m 购买过商品v n ，则用户u m 与商品v n 之间存在交互，y mn ＝1；若用户u m 没有购买过商品v n ，则用户u m 与商品v n 之间不存在交互，y mn ＝0；
步骤4：利用所述训练集，构建用户购买商品的MLP模型，然后构建目标函数，最小化所述目标函数以对MLP模型进行训练；所述MLP模型包括输入层、隐藏层、输出层，
所述输入层
所述隐藏层为层数为L 的神经协同过滤层，隐藏层的第l 层的输出
为
所述输出层为用户u m 对商品v n
的偏好程度其中，f l 为隐藏层第l
层的映射函数，W l 、b l 、a l 分别为隐藏层第l层的权重矩阵、偏置向量、激活函数；
步骤5：对所述测试集中的订单数据按照货架进行分组，将每个货架的订单数据输入LDA模型中，将LDA模型的输出输入训练后的MLP模型中，得到每个货架中每个用户对每个商品的偏好程度；将每个货架面向的用户集合作为一个用户群组，利用偏好融合策略对每个用户群组中各个用户对商品的偏好程度进行融合，得到该用户群组对商品的偏好程度；
步骤6：基于Top -N算法，对每个货架中用户群组对每个商品的偏好程度进行排序，选择偏好程度最高的前s个商品组成该货架的商品组合推荐列表。

2.根据权利要求1所述的基于LDA -MLP的货架商品组合推荐方法，其特征在于，所述步骤4中，所述激活函数为ReLU函数；所述目标函数为二类交叉熵损失函数
权　利　要　求　书1/2页2CN 110084670 A。