買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州智聰網絡科技有限公司申請的專利基于用戶興趣遷移的冷啟動推薦方法、裝置及存儲設備獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN112667899B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202011613270.1，技術領域涉及：G06Q30/0601；該發明授權基于用戶興趣遷移的冷啟動推薦方法、裝置及存儲設備是由請求不公布姓名設計研發完成，并于2020-12-30向國家知識產權局提交的專利申請。

本基于用戶興趣遷移的冷啟動推薦方法、裝置及存儲設備在說明書摘要公布了：本發明所要解決的技術問題是針對現有技術的缺陷，利用電商新用戶在內容平臺的歷史行為信息，提取用戶興趣偏好完成個性化的用戶冷啟動推薦。為實現以上目的，本發明基于用戶興趣遷移的冷啟動推薦方法、裝置及存儲設備，利用新用戶在其他平臺的行為足跡，構建用戶的群體屬性。然后基于人以群分的理論，根據用戶興趣特征，進行聚類，將用戶劃分成多個子集，然后根據各子集用戶的歷史行為計算得到商品偏好，作為該類用戶的候選集。采用了所述的技術方案，能更準確地預測到新用戶可能喜歡的商品，使得新用戶可以更快地找到可能感興趣的商品，并且更快速找到合適自身的社交圈子，使得新用戶在新平臺上獲得更友好的使用體驗，從而提升新用戶的留存率。

本發明授權基于用戶興趣遷移的冷啟動推薦方法、裝置及存儲設備在權利要求書中公布了：1.基于用戶興趣遷移的冷啟動推薦方法，其特征在于：包括： 構建一個同時具備電商、內容屬性的用戶集合，獲取該部分用戶在內容平臺的歷史行為日志以及內容標簽數據； 構建表征該集合用戶的用戶特征，利用k-means++模型對用戶進行聚類，計算各個群體內用戶的商品偏好，將其作為該群體的商品推薦列表，其中利用k-means++模型對用戶進行聚類的步驟具體包括： 根據用戶在內容平臺的訪問日志，利用LDA構建用戶主題模型，得到各用戶在主題上的概率分布，作為用戶特征向量； 將用戶特征向量作為k-means++模型的輸入，對用戶進行聚類，得到最終表征群體的質心以及用戶分類標簽；所述利用LDA構建用戶主題模型，得到各用戶在主題上的概率分布，作為用戶特征向量的具體步驟包括： 利用用戶在內容平臺的訪問日志，構建用戶-詞語矩陣，基于用戶-詞語矩陣，利用LDA構建用戶主題模型，得到用戶-主題向量作為用戶特征向量， 統計各個群體內若干最熱門商品集合,作為該群體用戶的推薦榜單；所述用戶-詞語矩陣；具體包括： 剔除日志數據中的噪聲數據，包括不具備標簽信息的內容、以及用戶行為數量過少的用戶數據； 根據內容-標簽字典，將用戶歷史瀏覽日志中的內容映射成標簽，獲得用戶內容標簽文檔； 對用戶內容標簽文檔進行分詞、去停詞，獲得文檔的向量化表示；計算每個詞在每個文檔的出現次數，獲得由特征詞出現次數組成的用戶-詞語向量，以及由全用戶-詞語向量構成的用戶-詞語矩陣；基于用戶-詞語矩陣，利用LDA構建用戶主題模型，得到用戶-主題向量作為用戶特征向量，包括： 根據經驗確定主題個數k的范圍,遍歷k訓練LDA用戶主題模型，觀測不同k值訓練模型下的topic情況，確定合適的主題參數k； 基于最佳主題個數k,訓練得到用戶在每個主題上的分布，作為用戶特征向量； 對于電商新用戶，根據用戶近期在內容平臺的訪問日志，同理構造得到用戶特征向量，選取距離公式計算該用戶與各群體質心之間的距離，將距離最小值所在群體作為適配該用戶的群體，并向所述用戶推薦該群體的商品推薦列表；其中計算各個群體內若干最熱門商品集合,作為該群體用戶的推薦榜單具體包括： 對于各個群體用戶： 獲取該群體用戶一段時間內的行為日志，包括瀏覽、搜索、加購、下單等關鍵行為； 對每個商品依次執行： 1以周為維度統計商品的各行為次數，對各個指標進行最大最小歸一化處理，記為 2基于組合賦權法對各個行為進行賦權，其中 3采用加權求和計算得到，統計周期下該商品的綜合得分 其中：為商品第周行為歸一化后的發生次數；為行為的權重系數； 4考慮歷史數據的時效性，通過時間衰減系數對歷史得分進行降權，得到商品最終得分： 其中，為時間衰減函數，形式如下： 根據商品的最終得分排序，篩選得分的最高的若干項作為各群體用戶的候選推薦榜單。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州智聰網絡科技有限公司，其通訊地址為：310000 浙江省杭州市西湖區蓮花街333號南一號樓七層702室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。