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！

龙图腾网获悉杭州智聪网络科技有限公司申请的专利基于用户兴趣迁移的冷启动推荐方法、装置及存储设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN112667899B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202011613270.1，技术领域涉及：G06Q30/0601；该发明授权基于用户兴趣迁移的冷启动推荐方法、装置及存储设备是由请求不公布姓名设计研发完成，并于2020-12-30向国家知识产权局提交的专利申请。

本基于用户兴趣迁移的冷启动推荐方法、装置及存储设备在说明书摘要公布了：本发明所要解决的技术问题是针对现有技术的缺陷，利用电商新用户在内容平台的历史行为信息，提取用户兴趣偏好完成个性化的用户冷启动推荐。为实现以上目的，本发明基于用户兴趣迁移的冷启动推荐方法、装置及存储设备，利用新用户在其他平台的行为足迹，构建用户的群体属性。然后基于人以群分的理论，根据用户兴趣特征，进行聚类，将用户划分成多个子集，然后根据各子集用户的历史行为计算得到商品偏好，作为该类用户的候选集。采用了所述的技术方案，能更准确地预测到新用户可能喜欢的商品，使得新用户可以更快地找到可能感兴趣的商品，并且更快速找到合适自身的社交圈子，使得新用户在新平台上获得更友好的使用体验，从而提升新用户的留存率。

本发明授权基于用户兴趣迁移的冷启动推荐方法、装置及存储设备在权利要求书中公布了：1.基于用户兴趣迁移的冷启动推荐方法，其特征在于：包括： 构建一个同时具备电商、内容属性的用户集合，获取该部分用户在内容平台的历史行为日志以及内容标签数据； 构建表征该集合用户的用户特征，利用k-means++模型对用户进行聚类，计算各个群体内用户的商品偏好，将其作为该群体的商品推荐列表，其中利用k-means++模型对用户进行聚类的步骤具体包括： 根据用户在内容平台的访问日志，利用LDA构建用户主题模型，得到各用户在主题上的概率分布，作为用户特征向量； 将用户特征向量作为k-means++模型的输入，对用户进行聚类，得到最终表征群体的质心以及用户分类标签；所述利用LDA构建用户主题模型，得到各用户在主题上的概率分布，作为用户特征向量的具体步骤包括： 利用用户在内容平台的访问日志，构建用户-词语矩阵，基于用户-词语矩阵，利用LDA构建用户主题模型，得到用户-主题向量作为用户特征向量， 统计各个群体内若干最热门商品集合,作为该群体用户的推荐榜单；所述用户-词语矩阵；具体包括： 剔除日志数据中的噪声数据，包括不具备标签信息的内容、以及用户行为数量过少的用户数据； 根据内容-标签字典，将用户历史浏览日志中的内容映射成标签，获得用户内容标签文档； 对用户内容标签文档进行分词、去停词，获得文档的向量化表示；计算每个词在每个文档的出现次数，获得由特征词出现次数组成的用户-词语向量，以及由全用户-词语向量构成的用户-词语矩阵；基于用户-词语矩阵，利用LDA构建用户主题模型，得到用户-主题向量作为用户特征向量，包括： 根据经验确定主题个数k的范围,遍历k训练LDA用户主题模型，观测不同k值训练模型下的topic情况，确定合适的主题参数k； 基于最佳主题个数k,训练得到用户在每个主题上的分布，作为用户特征向量； 对于电商新用户，根据用户近期在内容平台的访问日志，同理构造得到用户特征向量，选取距离公式计算该用户与各群体质心之间的距离，将距离最小值所在群体作为适配该用户的群体，并向所述用户推荐该群体的商品推荐列表；其中计算各个群体内若干最热门商品集合,作为该群体用户的推荐榜单具体包括： 对于各个群体用户： 获取该群体用户一段时间内的行为日志，包括浏览、搜索、加购、下单等关键行为； 对每个商品依次执行： 1以周为维度统计商品的各行为次数，对各个指标进行最大最小归一化处理，记为 2基于组合赋权法对各个行为进行赋权，其中 3采用加权求和计算得到，统计周期下该商品的综合得分 其中：为商品第周行为归一化后的发生次数；为行为的权重系数； 4考虑历史数据的时效性，通过时间衰减系数对历史得分进行降权，得到商品最终得分： 其中，为时间衰减函数，形式如下： 根据商品的最终得分排序，筛选得分的最高的若干项作为各群体用户的候选推荐榜单。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州智聪网络科技有限公司，其通讯地址为：310000 浙江省杭州市西湖区莲花街333号南一号楼七层702室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。