CN116703530B - 一种基于知识图谱的服装推荐*** - Google Patents
一种基于知识图谱的服装推荐*** Download PDFInfo
- Publication number
- CN116703530B CN116703530B CN202310961982.XA CN202310961982A CN116703530B CN 116703530 B CN116703530 B CN 116703530B CN 202310961982 A CN202310961982 A CN 202310961982A CN 116703530 B CN116703530 B CN 116703530B
- Authority
- CN
- China
- Prior art keywords
- clothing
- information
- user
- garment
- knowledge graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010276 construction Methods 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims description 98
- 238000000034 method Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于知识图谱的服装推荐***,属于服装推荐领域,解决了如何快速且精准的捕捉用户感兴趣的服装特征,从而为用户推荐感兴趣的服装的问题;通过信息收集模块对在售的服装信息进行收集,用于服装知识图谱的构建;以及对用户行为信息和对应用户个人信息进行收集,并映射至用户数据集,从而实现了数据快速整合,方便后续服装推荐模块对所需要的数据进行提取,提高数据处理效率;通过知识图谱构建模块对获取的在售服装信息进行服装知识图谱的构建;通过服装推荐模块根据用户数据集对目标用户进行服装推荐;结合服装知识图谱能够快速匹配到目标用户所点击的服装,以及匹配到用户感兴趣的服装,从而为其提供精准的服装推荐。
Description
技术领域
本发明属于服装推荐领域,涉及知识图谱技术,具体是一种基于知识图谱的服装推荐***。
背景技术
知识图谱是一种用于表示和组织知识的图状数据结构,旨在捕捉现实世界中的概念、事实和关联,并以图的形式表示它们之间的关系。基于知识图谱将电商平台的服装向用户进行推荐可以很好的满足用户的购买需求,效率高。
经检索,中国专利(CN116308677A)提出了一种基于动态知识图谱的服装穿戴推荐方法,制定推荐规则包括确定服装要素、确定用户特征、设计服装推荐领域主题词表及制定服装推荐规则量化标准;基于制定好的推荐规则,构建服装推荐基础要素知识库,包括服装要素及用户特征;基于服装推荐基础要素知识库构建动态知识图谱,进行服装穿戴知识存储和构建,从已有的知识中推理出新的服装搭配规则;基于动态知识图谱构建服装推荐***,包括搭配推荐和用户个性化推荐,通过计算综合搭配度评分,输出较优的服装推荐结果。
但该现有技术是基于知识图谱针对用户的穿戴搭配进行推荐,该方式虽然在一定程度上满足了用户的需求,但很多时候用户并不需要进行整体的服装搭配,只是在电商平台进行浏览,从而选择自身感兴趣的服装。如何快速且精准的捕捉用户感兴趣的服装特征,从而为用户推荐感兴趣的服装,本发明提出了一种基于知识图谱的服装推荐***。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于知识图谱的服装推荐***,该一种基于知识图谱的服装推荐***解决了如何快速且精准的捕捉用户感兴趣的服装特征,从而为用户推荐感兴趣的服装的问题。
为实现上述目的,根据本发明的第一方面的实施例提出一种基于知识图谱的服装推荐***,包括:
信息收集模块,用于对在售的服装信息、用户行为信息以及对应用户个人信息进行收集,将在售的服装信息发送至知识图谱构建模块,将用户行为信息和对应用户个人信息映射至用户数据集,并将用户数据集发送至服装推荐模块;
知识图谱构建模块,用于根据获取的在售的服装信息构建服装知识图谱,并将构建完成的服装知识图谱存于图数据库中;
图数据库,用于对获取的服装知识图谱进行存储和管理;
服装推荐模块,用于根据用户数据集和服装知识图谱对目标用户进行服装推荐;通过搜索行为信息分析搜索关键词获取第一服装特征,将第一服装特征与服装知识图谱进行匹配,获取第一类推荐服装;在第一类推荐服装的基础上,统计目标用户点击服装的数量,情形一:若点击的服装数量达到预设数量阈值之前存在加购、购买以及收藏任意行为,则针对存在加购、购买或收藏的服装的服装特征进行提取,获取第二服装特征,从而根据第二服装特征从服装知识图谱匹配相同的服装向目标用户推荐;情形二:若点击的服装数据达到预设数量阈值,且没有出现加购行为、购买行为以及收藏行为之中的任意一项行为,则通过分析获取第三服装特征,从而根据第三服装特征从服装知识图谱匹配相同的服装向目标用户推荐。
进一步地,在售的服装信息包括相应服装的类别、唯一标识号、穿戴性别、颜色、材质、款式、尺码、适合季节、品牌、价格以及历史点击量;用户行为信息包括搜索行为信息、点击行为信息、浏览行为信息、加购行为信息、购买行为信息以及收藏行为信息;对应用户个人信息包括用户的账号、性别、年龄、身高以及体重。
进一步地,用户数据集是预先根据用户个人信息、搜索行为信息、点击行为信息、浏览行为信息、加购行为信息、购买行为信息以及收藏行为信息的顺序定义了一组预定的特征字段和范围。
进一步地,知识图谱构建模块构建方式如下:
获取在售的服装信息;
对服装信息进行实体、关系以及属性的抽取;实体是服装的类别;关系是服装的唯一标识号、穿戴性别、颜色、材质、款式、尺码、适合季节、品牌、价格以及历史点击量;属性是服装的唯一标识号、穿戴性别、颜色、材质、款式、尺码、适合季节、品牌、价格以及历史点击量所对应的信息;
根据实体、关系以及属性构建同一件服装的多个三元组;进而构建所有服装的服装知识图谱,并将构建完成的服装知识图谱存于图数据库中。
进一步地,服装推荐模块对搜索行为信息分析过程如下:
利用文字识别技术从搜索行为信息获取搜索关键词,将搜索关键词拆分为实体、关系以及属性的三元组形式,并将该搜索关键词的三元组标记为第一服装特征;
将第一服装特征与服装知识图谱进行匹配,获取包含第一服装特征的一组服装,将该组服装按照历史点击量从大到小的顺序进行排列,并推荐给用户,并将该组服装标记为第一类推荐服装。
进一步地,服装推荐模块针对情形一的分析过程如下:
当目标用户点击的服装数据达到预设数量阈值之前存在对同一服装发生加购、购买以及收藏任意一项、两项或三项行为,则获取目标用户发生加购行为、购买行为或收藏行为的所对应服装的唯一标识号,根据该唯一标识号从服装知识图谱获取对应唯一标识号的所有三元组信息;将该所有三元组信息标记为第二服装特征;
在第一类推荐服装的基础上,将第二服装特征与服装知识图谱进行匹配,获取与第二服装特征所包含的任意一个三元组信息或任意多个三元组信息相同的一组服装,将该组服装标记为第二类推荐服装;
将第二类推荐服装排列在已经发生浏览行为的服装的后面;
统计第二类推荐服装所包含的各个服装与第二服装特征相同的三元组的数量,将第二类推荐服装所包含的服装按照相同三元组的数量从大到小的顺序进行排列;并推荐给用户;
若第二类推荐服装中所包含的相同三元组的数量相同,则按照历史点击量的大小来进一步排序。
进一步地,服装推荐模块针对情形二的分析过程如下:
当用户点击的服装数量达到预设数量阈值,但没有出现加购行为、购买行为以及收藏行为之中的任意一项行为,则获取用户所点击的各个服装的唯一标识号;根据唯一标识号从服装知识图谱获取对应唯一标识号的所有三元组信息;
将所点击的各个服装的三元组进行比对;
统计各个实体的数量,选取其中数量最多的实体作为最终实体;
在各个三元组的实体与最终实体相同的情况下,统计同一关系的所有属性的数量Ni,并进一步统计相同关系相同属性的数量Nij,其中i表示关系信息,j表示属性信息;
利用公式aij=Nij/Ni,获取相同实体、相同关系下i属性的权重系数aij;
针对同一实体、同一关系,选取其中权重系数最大的属性作为该关系的最终属性;进而针对最终实体的多个关系以及关系对应的最终属性构成若干个最终三元组,将该最终三元组标记为第三服装特征;
在第一类推荐服装的基础上,将第三服装特征与服装知识图谱进行匹配,获取与第三服装特征所包含的任意一个三元组信息或任意多个三元组信息相同的一组服装,将该组服装标记为第三类推荐服装;
将第三类推荐服装排列在已经发生浏览行为的服装的后面;
统计第三类推荐服装所包含的各个服装与第三服装特征相同的三元组的数量,将第三类推荐服装所包含的服装按照相同三元组的数量从大到小的顺序进行排列;并推荐给用户;
若第三类推荐服装中所包含的相同三元组的数量相同,则按照历史点击量的大小来进一步排序
与现有技术相比,本发明的有益效果是:
1、在本发明中,通过信息收集模块对在售的服装信息进行收集,用于服装知识图谱的构建,以及对用户行为信息和对应用户个人信息进行收集,并将收集的用户个人信息和用户行为信息映射至用户数据集,从而实现了对用户个人信息和用户行为信息进行了快速整合,方便后续服装推荐模块对所需要的数据进行提取,提高数据处理效率。
2、在本发明中,通过知识图谱构建模块对获取的在售服装信息进行服装知识图谱的构建,为后续服装推荐模块提供目标用户发生点击行为的服装特征,并提供与该服装特征匹配的服装,从而推荐给目标用户;能够为服装推荐模块提供数据基础,从而提高服装推荐的效率
3、在本发明中,通过服装推荐模块根据用户数据集对目标用户进行服装推荐;其中用户数据集只针对一次搜索行为;首先通过搜索关键词提取第一服装特征,从而根据第一服装特征从服装知识图谱匹配相同的服装向目标用户推荐,然后根据目标用户的点击行为来分情形推荐,若点击的服装数据达到预设数量阈值之前存在加购、购买以及收藏任意行为,则针对存在加购、购买或收藏的服装的服装特征进行提取,获取第二服装特征,从而根据第二服装特征从服装知识图谱匹配相同的服装向目标用户推荐;若点击的服装数据达到预设数量阈值,且没有出现加购行为、购买行为以及收藏行为之中的任意一项行为,则通过分析获取第三服装特征,从而根据第三服装特征从服装知识图谱匹配相同的服装向目标用户推荐;结合服装知识图谱能够快速匹配到目标用户所点击的服装,以及匹配到用户感兴趣的服装,从而为其提供精准的服装推荐。
附图说明
图1为本发明的一种基于知识图谱的服装推荐***框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于知识图谱的服装推荐***,信息收集模块、知识图谱构建模块、图数据库以及服装推荐模块;
信息收集模块,用于对在售的服装信息、用户行为信息以及对应用户个人信息进行收集;
在本实施例中,是基于电商平台对用户进行服装推荐;针对电商平台的所有在售的服装信息进行收集,并针对进入电商平台的用户所发生的行为信息和其个人信息进行收集;
可以理解的是,在售的服装信息包括相应服装的类别、唯一标识号、穿戴性别、颜色、材质、款式、尺码、适合季节、品牌、价格以及历史点击量等;其中,服装的类别指的是T恤、衬衫、外套、裤子、裙子等;服装的款式指的是同一服装类别不同的设计;
所述信息收集模块将在售的服装信息发送至知识图谱构建模块;
用户行为信息包括搜索行为信息、点击行为信息、浏览行为信息、加购行为信息、购买行为信息以及收藏行为信息等;
对应用户个人信息包括用户的账号、性别、年龄、身高、体重等;
将用户行为信息和对应用户个人信息映射至用户数据集;
其中用户数据集是预先根据用户个人信息、搜索行为信息、点击行为信息、浏览行为信息、加购行为信息、购买行为信息以及收藏行为信息的顺序定义了一组预定的特征字段和范围;
需要说明的是,当用户发生第二次搜索行为,则用户数据集中除用户个人信息的其他信息均清除;以及当用户彻底退出该电商平台时,则用户数据集中的所有内容清除;
所述信息收集模块将用户数据集发送至服装推荐模块;
在本实施例中,通过信息收集模块对在售的服装信息进行收集,用于服装知识图谱的构建,以及对用户行为信息和对应用户个人信息进行收集,并将收集的用户个人信息和用户行为信息映射至用户数据集,从而实现了对用户个人信息和用户行为信息进行了快速整合,方便后续服装推荐模块对所需要的数据进行提取,提高数据处理效率;
知识图谱构建模块,用于根据获取的在售的服装信息构建服装知识图谱;方式如下:
获取在售的服装信息;
对服装信息进行实体、关系以及属性的抽取;
其中实体可以是服装的类别等;
关系可以是服装的唯一标识号、穿戴性别、颜色、材质、款式、尺码、适合季节、品牌、价格以及历史点击量等;
属性可以是服装的唯一标识号、穿戴性别、颜色、材质、款式、尺码、适合季节、品牌、价格以及历史点击量所对应的信息;如穿戴性别对应的信息是男或女;
根据实体、关系以及属性构建同一件服装的多个三元组,例如服装的类型是外套,该外套的颜色是白色,则构成的三元组为(外套,颜色,白色);
进而构建所有服装的服装知识图谱,并将构建完成的服装知识图谱存于图数据库中;
图数据库,用于对获取的服装知识图谱进行存储和管理;
在本实施例中,通过知识图谱构建模块对获取的在售服装信息进行服装知识图谱的构建,为后续服装推荐模块提供目标用户发生点击行为的服装特征,并提供与该服装特征匹配的服装,从而推荐给目标用户;能够为服装推荐模块提供数据基础,从而提高服装推荐的效率;
服装推荐模块,用于根据用户数据集和服装知识图谱对目标用户进行服装推荐;具体过程如下:
获取目标用户的用户数据集;
利用文字识别技术从搜索行为信息获取搜索关键词,将搜索关键词拆分为实体、关系以及属性的三元组形式,并将该搜索关键词的三元组标记为第一服装特征;
将第一服装特征与服装知识图谱进行匹配,获取包含第一服装特征的一组服装,将该组服装按照历史点击量从大到小的顺序进行排列,并推荐给用户;并将该组服装标记为第一类推荐服装;
在该搜索关键词的基础上,获取目标用户的点击行为信息,统计目标用户点击的服装数量,将目标用户点击的服装数量与预设数量阈值进行比对;存在以下情形:
需要说明的是,该预设数量阈值是人为设定;
情形一:当目标用户点击的服装数据达到预设数量阈值之前存在对同一服装发生加购、购买以及收藏任意一项、两项或三项行为,则获取目标用户发生加购行为、购买行为或收藏行为的所对应服装的唯一标识号,根据该唯一标识号从服装知识图谱获取对应唯一标识号的所有三元组信息;将该所有三元组信息标记为第二服装特征;
在第一类推荐服装的基础上,将第二服装特征与服装知识图谱进行匹配,获取与第二服装特征所包含的任意一个三元组信息或任意多个三元组信息相同的一组服装,将该组服装标记为第二类推荐服装;
将第二类推荐服装排列在已经发生浏览行为的服装的后面;浏览行为指的是用户浏览过的服装,可以是用户发生点击行为的服装,也可以是用户没有发生点击行为的服装;
统计第二类推荐服装所包含的各个服装与第二服装特征相同的三元组的数量,将第二类推荐服装所包含的服装按照相同三元组的数量从大到小的顺序进行排列;并推荐给用户;
若第二类推荐服装中所包含的相同三元组的数量相同,则按照历史点击量的大小来进一步排序;
情形二:当用户点击的服装数量达到预设数量阈值,但没有出现加购行为、购买行为以及收藏行为之中的任意一项行为,则获取用户所点击的各个服装的唯一标识号;根据唯一标识号从服装知识图谱获取对应唯一标识号的所有三元组信息;
将所点击的各个服装的三元组进行比对;
统计各个实体的数量,选取其中数量最多的实体作为最终实体;
在各个三元组的实体与最终实体相同的情况下,统计同一关系的所有属性的数量Ni,并进一步统计相同关系相同属性的数量Nij,其中i表示关系信息,j表示属性信息;
利用公式aij=Nij/Ni,获取相同实体、相同关系下i属性的权重系数aij;
针对同一实体、同一关系,选取其中权重系数最大的属性作为该关系的最终属性;进而针对最终实体的多个关系以及关系对应的最终属性构成若干个最终三元组,将该最终三元组标记为第三服装特征;
在第一类推荐服装的基础上,将第三服装特征与服装知识图谱进行匹配,获取与第三服装特征所包含的任意一个三元组信息或任意多个三元组信息相同的一组服装,将该组服装标记为第三类推荐服装;
将第三类推荐服装排列在已经发生浏览行为的服装的后面;
统计第三类推荐服装所包含的各个服装与第三服装特征相同的三元组的数量,将第三类推荐服装所包含的服装按照相同三元组的数量从大到小的顺序进行排列;并推荐给用户;
若第三类推荐服装中所包含的相同三元组的数量相同,则按照历史点击量的大小来进一步排序;
在本实施例中,通过服装推荐模块根据用户数据集对目标用户进行服装推荐;其中用户数据集只针对一次搜索行为;首先通过搜索关键词提取第一服装特征,从而根据第一服装特征从服装知识图谱匹配相同的服装向目标用户推荐,然后根据目标用户的点击行为来分情形推荐,若点击的服装数据达到预设数量阈值之前存在加购、购买以及收藏任意行为,则针对存在加购、购买或收藏的服装的服装特征进行提取,获取第二服装特征,从而根据第二服装特征从服装知识图谱匹配相同的服装向目标用户推荐;若点击的服装数据达到预设数量阈值,且没有出现加购行为、购买行为以及收藏行为之中的任意一项行为,则通过分析获取第三服装特征,从而根据第三服装特征从服装知识图谱匹配相同的服装向目标用户推荐;结合服装知识图谱能够快速匹配到目标用户所点击的服装,以及匹配到用户感兴趣的服装,从而为其提供精准的服装推荐。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种基于知识图谱的服装推荐***,其特征在于,包括:
信息收集模块,用于对在售的服装信息、用户行为信息以及对应用户个人信息进行收集,将在售的服装信息发送至知识图谱构建模块,将用户行为信息和对应用户个人信息映射至用户数据集,并将用户数据集发送至服装推荐模块;
知识图谱构建模块,用于根据获取的在售的服装信息构建服装知识图谱,并将构建完成的服装知识图谱存于图数据库中;
图数据库,用于对获取的服装知识图谱进行存储和管理;
服装推荐模块,用于根据用户数据集和服装知识图谱对目标用户进行服装推荐;通过搜索行为信息分析搜索关键词获取第一服装特征,将第一服装特征与服装知识图谱进行匹配,获取第一类推荐服装;在第一类推荐服装的基础上,统计目标用户点击服装的数量,情形一:若点击的服装数量达到预设数量阈值之前存在加购、购买以及收藏任意行为,则针对存在加购、购买或收藏的服装的服装特征进行提取,获取第二服装特征,从而根据第二服装特征从服装知识图谱匹配相同的服装向目标用户推荐;情形二:若点击的服装数据达到预设数量阈值,且没有出现加购行为、购买行为以及收藏行为之中的任意一项行为,则通过分析获取第三服装特征,从而根据第三服装特征从服装知识图谱匹配相同的服装向目标用户推荐;
服装推荐模块针对情形二的分析过程如下:
当用户点击的服装数量达到预设数量阈值,但没有出现加购行为、购买行为以及收藏行为之中的任意一项行为,则获取用户所点击的各个服装的唯一标识号;根据唯一标识号从服装知识图谱获取对应唯一标识号的所有三元组信息;
将所点击的各个服装的三元组进行比对;
统计各个实体的数量,选取其中数量最多的实体作为最终实体;
在各个三元组的实体与最终实体相同的情况下,统计同一关系的所有属性的数量Ni,并进一步统计相同关系相同属性的数量Nij,其中i表示关系信息,j表示属性信息;
利用公式aij=Nij/Ni,获取相同实体、相同关系下i属性的权重系数aij;
针对同一实体、同一关系,选取其中权重系数最大的属性作为该关系的最终属性;进而针对最终实体的多个关系以及关系对应的最终属性构成若干个最终三元组,将该最终三元组标记为第三服装特征;
在第一类推荐服装的基础上,将第三服装特征与服装知识图谱进行匹配,获取与第三服装特征所包含的任意一个三元组信息或任意多个三元组信息相同的一组服装,将该组服装标记为第三类推荐服装;
将第三类推荐服装排列在已经发生浏览行为的服装的后面;
统计第三类推荐服装所包含的各个服装与第三服装特征相同的三元组的数量,将第三类推荐服装所包含的服装按照相同三元组的数量从大到小的顺序进行排列;并推荐给用户;
若第三类推荐服装中所包含的相同三元组的数量相同,则按照历史点击量的大小来进一步排序。
2.根据权利要求1所述的一种基于知识图谱的服装推荐***,其特征在于,在售的服装信息包括相应服装的类别、唯一标识号、穿戴性别、颜色、材质、款式、尺码、适合季节、品牌、价格以及历史点击量;用户行为信息包括搜索行为信息、点击行为信息、浏览行为信息、加购行为信息、购买行为信息以及收藏行为信息;对应用户个人信息包括用户的账号、性别、年龄、身高以及体重。
3.根据权利要求1所述的一种基于知识图谱的服装推荐***,其特征在于,用户数据集是预先根据用户个人信息、搜索行为信息、点击行为信息、浏览行为信息、加购行为信息、购买行为信息以及收藏行为信息的顺序定义了一组预定的特征字段和范围。
4.根据权利要求2所述的一种基于知识图谱的服装推荐***,其特征在于,知识图谱构建模块构建方式如下:
获取在售的服装信息;
对服装信息进行实体、关系以及属性的抽取;实体是服装的类别;关系是服装的唯一标识号、穿戴性别、颜色、材质、款式、尺码、适合季节、品牌、价格以及历史点击量;属性是服装的唯一标识号、穿戴性别、颜色、材质、款式、尺码、适合季节、品牌、价格以及历史点击量所对应的信息;
根据实体、关系以及属性构建同一件服装的多个三元组;进而构建所有服装的服装知识图谱,并将构建完成的服装知识图谱存于图数据库中。
5.根据权利要求1所述的一种基于知识图谱的服装推荐***,其特征在于,服装推荐模块对搜索行为信息分析过程如下:
利用文字识别技术从搜索行为信息获取搜索关键词,将搜索关键词拆分为实体、关系以及属性的三元组形式,并将该搜索关键词的三元组标记为第一服装特征;
将第一服装特征与服装知识图谱进行匹配,获取包含第一服装特征的一组服装,将该组服装按照历史点击量从大到小的顺序进行排列,并推荐给用户,并将该组服装标记为第一类推荐服装。
6.根据权利要求1所述的一种基于知识图谱的服装推荐***,其特征在于,服装推荐模块针对情形一的分析过程如下:
当目标用户点击的服装数据达到预设数量阈值之前存在对同一服装发生加购、购买以及收藏任意一项、两项或三项行为,则获取目标用户发生加购行为、购买行为或收藏行为的所对应服装的唯一标识号,根据该唯一标识号从服装知识图谱获取对应唯一标识号的所有三元组信息;将该所有三元组信息标记为第二服装特征;
在第一类推荐服装的基础上,将第二服装特征与服装知识图谱进行匹配,获取与第二服装特征所包含的任意一个三元组信息或任意多个三元组信息相同的一组服装,将该组服装标记为第二类推荐服装;
将第二类推荐服装排列在已经发生浏览行为的服装的后面;
统计第二类推荐服装所包含的各个服装与第二服装特征相同的三元组的数量,将第二类推荐服装所包含的服装按照相同三元组的数量从大到小的顺序进行排列;并推荐给用户;
若第二类推荐服装中所包含的相同三元组的数量相同,则按照历史点击量的大小来进一步排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961982.XA CN116703530B (zh) | 2023-08-02 | 2023-08-02 | 一种基于知识图谱的服装推荐*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310961982.XA CN116703530B (zh) | 2023-08-02 | 2023-08-02 | 一种基于知识图谱的服装推荐*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116703530A CN116703530A (zh) | 2023-09-05 |
CN116703530B true CN116703530B (zh) | 2023-10-31 |
Family
ID=87826044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310961982.XA Active CN116703530B (zh) | 2023-08-02 | 2023-08-02 | 一种基于知识图谱的服装推荐*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703530B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102002A (zh) * | 2020-09-16 | 2020-12-18 | 珠海格力电器股份有限公司 | 基于知识图谱的商品推荐方法、装置、计算机和存储介质 |
CN112612973A (zh) * | 2020-12-31 | 2021-04-06 | 重庆邮电大学 | 结合知识图谱的个性化智能服装搭配推荐方法 |
CN113988978A (zh) * | 2021-10-27 | 2022-01-28 | 江阴逐日信息科技有限公司 | 基于知识图谱的服装搭配推荐方法、***以及设备 |
CN116308677A (zh) * | 2023-03-31 | 2023-06-23 | 东华大学 | 一种基于动态知识图谱的服装穿戴推荐方法 |
CN116308683A (zh) * | 2023-05-17 | 2023-06-23 | 武汉纺织大学 | 基于知识图谱的服装品牌定位推荐方法、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8370360B2 (en) * | 2005-12-31 | 2013-02-05 | G & G Commerce Ltd. | Merchandise recommending system and method thereof |
-
2023
- 2023-08-02 CN CN202310961982.XA patent/CN116703530B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102002A (zh) * | 2020-09-16 | 2020-12-18 | 珠海格力电器股份有限公司 | 基于知识图谱的商品推荐方法、装置、计算机和存储介质 |
CN112612973A (zh) * | 2020-12-31 | 2021-04-06 | 重庆邮电大学 | 结合知识图谱的个性化智能服装搭配推荐方法 |
CN113988978A (zh) * | 2021-10-27 | 2022-01-28 | 江阴逐日信息科技有限公司 | 基于知识图谱的服装搭配推荐方法、***以及设备 |
CN116308677A (zh) * | 2023-03-31 | 2023-06-23 | 东华大学 | 一种基于动态知识图谱的服装穿戴推荐方法 |
CN116308683A (zh) * | 2023-05-17 | 2023-06-23 | 武汉纺织大学 | 基于知识图谱的服装品牌定位推荐方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116703530A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107861972B (zh) | 一种用户录入商品信息后显示商品全结果的方法及设备 | |
US20220138831A1 (en) | Method of Providing Fashion Item Recommendation Service Using User's Body Type and Purchase History | |
CN107944035B (zh) | 一种融合视觉特征和用户评分的图像推荐方法 | |
CN109559208A (zh) | 一种信息推荐方法、服务器及计算机可读介质 | |
CN110909176A (zh) | 数据推荐方法、装置、计算机设备以及存储介质 | |
CN103246980B (zh) | 信息输出方法及服务器 | |
CN107122980B (zh) | 识别商品所属类目的方法和装置 | |
CN108363821A (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
CN109146626B (zh) | 一种基于用户动态兴趣分析的时尚服装搭配推荐方法 | |
CN106055710A (zh) | 基于视频的商品推荐方法及装置 | |
CN111488385B (zh) | 基于人工智能的数据处理方法、装置和计算机设备 | |
CN106021603A (zh) | 一种基于分割和特征匹配的服装图像检索方法 | |
CN108415913A (zh) | 基于不确定邻居的人群定向方法 | |
CN108615177A (zh) | 基于加权提取兴趣度的电子终端个性化推荐方法 | |
CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN105931082A (zh) | 一种商品类目关键词提取方法和装置 | |
KR20210131198A (ko) | 추천 상품 광고 방법, 장치 및 컴퓨터 프로그램 | |
CN117495513B (zh) | 一种基于大数据和人工智能的购物推荐方法及*** | |
KR20160117678A (ko) | 큐레이션 커머스에서 상품 등록 및 추천 방법 | |
KR20220019737A (ko) | 패션 상품 추천 방법, 장치 및 컴퓨터 프로그램 | |
Liu et al. | FRSFN: A semantic fusion network for practical fashion retrieval | |
CN115982474B (zh) | 基于社交网络的时尚人格预测和服装推荐方法及装置 | |
KHALID et al. | Design and implementation of clothing fashion style recommendation system using deep learning. | |
CN113034237A (zh) | 服饰套装推荐***与方法 | |
CN116703530B (zh) | 一种基于知识图谱的服装推荐*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |