买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门理工学院

摘要：本发明公开了一种基于人工智能的电商平台个性化服装推荐方法及系统，涉及电子商务技术领域，包括：收集用户基本信息和用户行为数据，构建用户画像；所述构建用户画像包括基于用户基本信息构建第一用户画像，基于用户行为数据构建第二用户画像；对电商平台商品进行特征提取，并与第一用户画像进行匹配，建立风格标签库进行分类；基于第二用户画像利用混合推荐算法生成个性化推荐结果，通过风格标签库更新个性化推荐结果，进行个性化服装推荐。本发明提供的基于人工智能的电商平台个性化服装推荐方法提高了推荐的准确性和个性化程度。能够满足用户的个性化需求，增强用户的购物体验和满意度，优化库存管理和营销策略，提高商业运营效率。

主权项：1.一种基于人工智能的电商平台个性化服装推荐方法，其特征在于，包括：收集用户基本信息和用户行为数据，构建用户画像；所述构建用户画像包括基于用户基本信息构建第一用户画像，基于用户行为数据构建第二用户画像；对电商平台商品进行特征提取，并与第一用户画像进行匹配，计算用户画像与商品综合特征向量的匹配度，基于匹配结果建立风格标签库进行分类；基于第二用户画像利用混合推荐算法生成个性化推荐结果，通过风格标签库更新个性化推荐结果，进行个性化服装推荐；所述计算用户画像与商品综合特征向量的匹配度表示为： 其中，表示余弦相似度，A表示用户画像向量，B表示商品综合特征向量，表示用户画像向量的范数，表示商品综合特征向量的范数，表示调整后的商品综合特征向量，表示商品综合特征向量的均值，S表示协方差矩阵，表示初步匹配商品的数量，表示第个初步匹配商品的调整后商品综合特征向量，表示第个初步匹配商品调整后商品综合特征向量与均值的差的转置，表示马氏距离，表示用户画像向量与调整后商品综合特征向量的差的转置，表示协方差矩阵的逆矩阵；所述用户基本信息包括年龄、性别、地理位置、职业、收入水平；所述用户行为数据包括最近浏览的商品ID列表、浏览频率、最近购买的商品ID列表、购买频率、平均评分、评价情感分析结果、最近搜索的关键词列表、搜索频率、最近点击的广告ID列表、点击频率、分享的商品ID列表、评论情感分析结果；所述建立风格标签库进行分类包括从电商平台的商品数据库中获取商品图像，对图像进行尺寸调整、去噪和标准化处理；使用ResNet50模型对预处理后的商品图像进行初步特征提取，提取颜色、材质和款式的视觉特征；使用视觉变换网络对初步提取的视觉特征进行进一步处理，提取图像的高层次特征，高层次特征包括图像的全局结构特征和局部模式特征；从商品描述中提取文本数据，文本数据包括品牌、款式、材质和价格，对文本数据进行清洗和标准化处理，并使用BERT模型进行文本特征提取，生成表示商品描述语义的文本特征向量；对图像的高层次特征和文本特征分别进行标准化处理，将标准化后的图像的高层次特征和文本特征融合，构建商品综合特征向量；将商品综合特征向量与第一用户画像通过用户画像与商品综合特征向量的匹配度进行初步匹配，为每个用户生成初步匹配的商品列表；在初步匹配的基础上，使用标签传播算法和图卷积网络，根据用户画像的偏好和商品综合特征向量的匹配度对商品进行细化分类，将商品细分为具体子类；根据细化分类的结果，为每个商品生成风格标签，风格标签包括颜色、材质、款式、品牌和价格，并将风格标签存储生成风格标签库；所述生成初步匹配的商品列表包括设置匹配度阈值，筛选出马氏距离小于匹配度阈值的商品；所述利用混合推荐算法生成个性化推荐结果包括通过协同过滤算法分析用户与商品之间的相似性，使用用户的评分数据计算相似性矩阵，计算用户与商品之间的相似性，得到用户与商品的相似性矩阵；根据相似性矩阵，筛选出与当前用户偏好相似的商品列表，选择相似度最高的商品作为候选商品；利用内容推荐算法，从商品描述中提取关键词和标签特征，使用自然语言处理技术进行文本分析，构建候选商品特征向量，根据用户的浏览频率、购买频率、最近浏览的商品ID列表、最近购买的商品ID列表、最近搜索的关键词列表、最近点击的广告ID列表、分享的商品ID列表和评价情感分析结果生成初始的用户行为特征向量，再进一步将用户历史上互动过的候选商品特征向量进行加权平均，形成最终的用户行为特征向量；计算用户行为特征向量与候选商品特征向量之间的相似度，推荐与用户过去喜欢的商品相似的商品，生成推荐商品列表；使用矩阵分解技术对用户-物品评分矩阵进行分解，提取潜在特征，利用用户的历史评分数据构建用户-物品评分矩阵，行表示用户，列表示商品，值为用户对商品的评分；将评分矩阵分解为用户特征矩阵和商品特征矩阵，提取用户和商品的潜在特征，采用奇异值分解方法，得到用户特征向量和候选商品特征向量；利用分解后的特征矩阵，预测用户对未评分商品的可能评分，计算用户特征向量和候选商品特征向量的内积，得到预测评分；将相似性矩阵、相似度和预测评分结合，对每个商品，根据协同过滤、内容推荐和矩阵分解的结果，分别赋予权重，计算综合评分，根据综合评分，从高到低排序，生成初步推荐列表；所述通过风格标签库更新个性化推荐结果包括检查初步推荐商品的标签匹配情况，若没有对应的标签，将对应商品标记为缺失标签，将缺失标签的商品与标签库其他商品进行对比，利用相似商品的标签补全缺失标签；若初步推荐商品的特征在风格标签库中有对应的标签，从风格标签库中提取与初步推荐商品相关的颜色、材质、款式、品牌和价格特征标签；计算每个初步推荐商品的标签匹配评分，根据用户的第二用户画像，为每个商品计算行为特征评分，将标签匹配评分与行为特征评分结合，通过加权平均方法计算每个商品的综合匹配度评分，根据综合匹配度评分，从高到低排序初步推荐商品，生成最终推荐列表；所述进行个性化服装推荐包括在电商平台的用户界面将推荐商品按照综合匹配度评分排序，显示在用户的推荐页面中；在推荐商品的展示页面上，显示每个商品的风格标签，在推荐商品页面，提供每个推荐商品的推荐理由，生成推荐解释；添加用户反馈机制，用户对每个推荐商品进行评分或标记是否喜欢；根据用户的实时反馈，动态调整推荐列表，使用实时数据和用户的即时反馈，更新用户画像，调整推荐结果。

全文数据：

权利要求：

百度查询： 厦门理工学院 一种基于人工智能的电商平台个性化服装推荐方法及系统