一种融合属性偏好与群体反馈的个性化产品搜索方法及系统

本发明一种融合属性偏好与群体反馈的个性化产品搜索方法及系统，属于深度学习技术领域。现有个性化搜索算法往往是交互驱动的，忽视了用户的评分信息，且对多属性评分场景的研究不足，未能有效建模用户的细粒度属性偏好，导致对用户需求把握不够精准。此外，大部分算法对搜索结果的排序方法单一，缺乏必要的反馈信息，不利于提升用户对搜索结果的信任度。针对上述问题，提出融合属性偏好与群体反馈的个性化产品搜索方法，基于用户的多维评分信息构建用户‑查询‑产品加权超图，通过超图卷积学习节点表征，同时建立等级一致性测度挖掘用户的属性偏好，进而结合群体的多属性评分对搜索列表进行重排，为用户提供更具参考价值的高质量搜索列表，提高用户满意度。