[发明专利]一种面向用户需求倾向的云制造服务推荐方法

说明书

本发明提出了一种面向用户需求倾向的云制造服务推荐方法，该方法首先对云制造的分类和服务描述的部分信息进行规范。然后选取某个领域内一定数量的用户以及这些用户在一段时间内用过的所有服务，针对每个用户把这些服务的名称和简要介绍合并成文本。通过比对文本相似度的方法，确定有类似需求的用户。针对某个用户选取一些与其相似度接近的部分用户，对比其在某个服务类型点下的服务使用情况。将该用户未使用但是相似用户使用的服务进行推荐。本方法考虑到了相似用户需求的用户在所有类型服务的需求上的特点相似性，其推荐的服务一定经过了其他企业的应用。是一种准确率非常高的推荐方法。

技术领域

本发明设计一种面向用户需求倾向的云制造服务推荐方法，该方法在云制造服务分类体系及服务发布标准下，对用户使用过的服务进行分析，利用词袋模型获取与目标用户有相似需求倾向的用户。通过对比二者之间的差异性，选择合适的服务推荐给目标用户。该方法可把用户的需求倾向看成了是一个联系的整体，推荐的服务针对性更强，且都是经过实际检验，可靠性得到保证，属于制造领域。

背景技术

目前的电商、社交、制造等平台中，推荐系统是非常重要的一个环节。系统可以通过用户的一些行为推断其可能感兴趣的方向，将该方向的内容推荐给用户。这种方式下常见的方式有关联法、分类/聚类和协同过滤等方法。这些方法都是基于一定的用户行为，寻找用户的规律，进行推荐。

关联法主要是对用户对哪些产品或内容感兴趣，系统获取同时对该产品或内容感兴趣的其他用户，将其他用户的其他感兴趣方面推荐给当前用户。目前国内的大部分电商都提供类似的服务。在用户购买了某个商品后，系统往往会给出购买了该商品的其他用户还购买了什么东西作为推荐。这类方法的目标关注是商品本身，以商品为核心把用户联系起来，最终形成一个网络。这种方法适用较为简单，但是盲目性太强，构建方式不够严谨，往往推荐的准确率低。分类/聚类技术与关联法的出发点不同，其把用户组作为一个核心。即通过一定的方法把用户进行分类，默认为同类型的用户其感兴趣的商品一定相似。以用户组为单位，把该用户组下购买过的商品进行互相推荐。这种方法把用户固定于一定的类别，而该类别往往是提前固定或通过算法确定。不同的分类方法、应用方向等的不同，效果相差很大。目前比较成功的方法是协同过滤方法，该方法通过一些成熟的技术，对大量用户的数据进行分析和挖掘，发现用户的兴趣倾向，进行推荐。严格讲，协同过滤法中必然包含了关联法和分类/聚类法的相关思想或算法。在具体实施过程中，最常见的实现方式是标签法。即通过一定的方法或算法对用户和服务贴标签，寻找有相同标签的组合，在标签的基础上构建表示模型，进行推荐。这类方法的好处在于计算简便，速度较快。但是缺点是推荐的准确率不高，因为标签方式仅仅把最有含义的词语挑了出来，造成了巨大的语义损失。

实践证明，面向不同的应用，应该设计合适推荐方法。在云制造领域中，平台中的面向服务包含多种分类方式，不同的分类方式会造成不同的分类结果。而这些分类结果都是一种从上而下的树状结构。不同的用户会有不同的需求倾向，表现出来就是其感兴趣的服务处于的节点位置。同时，云制造服务的发布有严格的标准，其名称和简介必须包含准确的语义信息。

针对上述问题及云制造平台的这两个特点，本发明提出了一种面向用户需求倾向的云制造服务推荐方法。该方法提取同大类用户适用的一定次数的服务，生成用户服务文本，利用词袋模型得到与目标用户有相似需求倾向的用户，对比之间服务的差异，选取合适的服务推荐给目标服务。

本发明的目的为：获取用户在语义层面上的潜在需求倾向，结合云制造服务分类规则，更为准确地将经过实践检验的服务推荐给用户。

发明内容

针对上述问题及云制造平台的这两个特点，本发明提出了一种面向用户需求倾向的云制造服务推荐方法。该方法将某大类用户近期使用过的一定数量的服务名称和简介叠加生成用户文本，计算文本相似度获取与目标用户的需求倾向接近的用户。根据云制造服务分类，从下至上对比服务，进行服务推荐。

本发明采用的技术方案为：一种面向用户需求倾向的云制造服务推荐方法，该方法包括3个步骤：