8、基于用户行为理解的智能推荐系统

基于用户行为理解的智能推荐系统

1 引言

在当今商业电子采购决策过程中，有一个方法被认为是颇具前景的，它能为消费者的决策提供有力支持。该方法主要运用深度学习，聚焦于用户的一般行为，通过对用户行为的分析和处理，为用户提供精准的推荐。

2 提出的方法

2.1 用户行为表示

用户行为以元组 ${a, o, t}$ 的形式存储，其中：
- $a$：用户的动作类型，明确其完成的工作类型。
- $o$：用户做出动作所针对的对象。
- $t$：动作 $a$ 作用于对象 $o$ 的时间。
- $a$ 和 $t$ 是唯一或原子的。对于一个用户，所有与对象相关的动作可表示为：
$U = { (a_j, o_j, t_j) | j = 1, 2, \cdots, m }$

2.2 方法的总体框架

该方法的总体策略分为以下几个模块：
1. 为每个用户寻找特征的原始空间
2. 对获取的用户行为原始空间进行分组
3. 在每个组内进行时间划分
4. 对行为进行语义分组
5. 减少获得的语义空间，并将相近的语义组划分为新组
6. 使用创建的组，并将这些组分配给深度学习网络层
7. 根据用户的行为特征向用户推荐，并使用训练好的网络（训练模型）进行预测

下面是该方法的流程图：

graph LR
    A[寻找特征原始空间] --> B[行为原始空间分组]
    B --> C[时间划分]
    C --&g