User Profile Long Memory — 跨会话用户画像：育儿阶段感知与偏好记忆

1. 解决的问题

用户上月购买了 Stage 1 奶粉，系统推断宝宝约 2-3 月龄

2. 核心算法逻辑

传统电商推荐的痛点：每次会话独立，用户偏好从零识别——上月的购买行为、表达过的品牌偏好、当下育儿阶段的隐含需求全部丢失。用户画像长期记忆（User Profile Long Memory）通过跨会话持久化画像，将用户的历史交互沉淀为可更新、可检索的结构化特征，驱动无缝个性化体验。

3. 业务应用场景

业务问题：用户上月购买了 Stage 1 奶粉，系统推断宝宝约 2-3 月龄。本月用户再次进入 App，系统需要主动预判宝宝已接近 4-5 月，即将进入 Stage 2 窗口，无需用户重复说明偏好即可精准推荐。

数据要求： - 历史购买记录：品类（Stage 1/2/3 奶粉、辅食泥、学步玩具）+ 购买时间 - 浏览行为：浏览了哪些品类页 + 停留时长 - 画像特征存储：JSON 结构，持久化到用户数据库

| 时间节点 | 画像状态 | 推荐行为 | |---------|---------|---------| | 购买 Stage 1（Month 0） | `baby_stage=NEWBORN, brand=Aptamil, organic=True` | 写入画像 | | 用户回访（Month 3） | 推断宝宝≈4月，检测到临近升阶窗口 | 推荐 Stage 2 同品牌有机配方 + 辅食入门套装 | | 用户回访（Month 6） | 推断宝宝≈8月，进入辅食深度期 | 推荐有机米粉/果泥 + Stage 3 过渡产品 |

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

• 育儿阶段感知是母婴场景特有的强信号，其他通用推荐系统缺失此维度
• 实现成本低（无 LLM 调用、无向量库），运行成本接近零
• 与 Shopping Companion Agent 结合后形成完整的"偏好识别→记忆→复现"闭环
• 仅基于购买行为推断，浏览行为未纳入时推断精度受限
• 多宝宝家庭（二胎）可能导致阶段推断混乱（需要会话分离机制）

7. 代码模板

代码块数量：1 · 路径：paper2skills-code/user_analytics/user_profile_long_memory

"""
User Profile Long Memory — 跨会话用户画像积累
来源: Personalized Memory Architecture + LLM Personal Assistant 2025-2026
场景: 育儿阶段感知 + 品牌偏好 + 价格敏感度的持久化画像管理
"""

import math
import json
from dataclasses import dataclass, field
from datetime import datetime, timezone
from enum import Enum
from typing import Optional


# ─────────────────────────────────────────────
# 枚举定义
# ─────────────────────────────────────────────

class UserProfileDimension(Enum):
    """用户画像维度枚举"""
    PARENTING_STAGE = "parenting_stage"       # 育儿阶段
    BRAND_PREFERENCE = "brand_preference"     # 品牌偏好
    PRICE_SENSITIVITY = "price_sensitivity"   # 价格敏感度
    ORGANIC_PREFERENCE = "organic_preference" # 有机偏好
    CATEGORY_AFFINITY = "category_affinity"   # 品类亲和度
    QUALITY_WEIGHT = "quality_weight"         # 品质权重
    BABY_AGE_MONTHS = "baby_age_months"       # 宝宝月龄（推断值）


class ParentingStage(Enum):
    """育儿阶段枚举"""
    NEWBORN = "newborn"           # 新生儿（0-3月）
    INFANT = "infant"             # 婴儿期（4-6月）
    CRAWLER = "crawler"           # 爬行期（7-9月）
    TODDLER_EARLY = "toddler_early"   # 学步初期（10-12月）
    TODDLER_MID = "toddler_mid"       # 学步中期（13-18月）
    TODDLER_LATE = "toddler_late"     # 学步晚期（19-24月）
    PRESCHOOL = "preschool"       # 学前期（25+月）
    UNKNOWN = "unknown"           # 未知阶段


# ─────────────────────────────────────────────
# 数据类定义
# ─────────────────────────────────────────────

@dataclass
class ProfileAttribute:
    """单一画像属性，含置信度与衰减机制"""
    value: object
    confidence: float                          # 置信度 [0,1]
    last_updated: str                          # ISO 8601 时间戳
    decay_rate: float = 0.05                   # 月衰减率（λ）
    source: str = "purchase_history"           # 来源标注
    evidence_count: int = 1                    # 支撑证据条数

    def effective_confidence(self, now: Optional[datetime] = None) -> float:
        """计算时间衰减后的有效置信度"""
        if now is None:
            now = datetime.now(timezone.utc)
        last = datetime.fromisoformat(self.last_updated)

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。