[发明专利]基于云存储的网络数据处理方法

说明书

本发明提供了一种基于云存储的网络数据处理方法，该方法包括：云服务器为导航用户生成多条路线信息；根据预定义推荐规则，选定最优路线；将最优路线信息反馈给导航用户。本发明提出了一种基于云存储的网络数据处理方法，通过划分用户偏好，并根据用户偏好局部相似性将全局邻近与局部邻近推荐结果相拟合，从而提高推荐精度，提高用户使用导航功能的便利性。用户终端可以按照预定义推荐规则获取推荐路线信息，满足用户的不同需求。

技术领域

本发明涉及大数据，特别涉及一种基于云存储的网络数据处理方法。

背景技术

随着生活水平的逐渐提高，人们的活动范围也逐渐扩大，不再仅限于自己的日常生活区域。传统的导航仪路线规划基本基于算法，虽然通过离线算路或者在线算路的方法相对于单一的算路方式提供了备选算路方式，在无网络或无离线导航数据的情形下，导航系统会自动将在线算路方式切换到备选的离线算路方式。对城市道路的规划不能覆盖对道路情况、不同时间点的车流量，是否有实用小路，路段舒适度等复杂情况的考虑，有时所推荐的路线可能堵车严重、或者用时较长等，使得现有的导航功能无法满足用户的需求，影响用户的舒适性和便利性。并且在算路切换过程中，备选算路方式只能向用户推荐单一路线，随着导航系统规模的进一步扩大，用户数量和地理数据急剧增加，导致用户计分数据的极端稀疏性，而通过全局相似度计算得到的邻近不准确，从而导致路线推荐的推荐质量急剧下降。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种基于云存储的网络数据处理方法，包括：

云服务器为导航用户生成多条路线信息；

根据预定义推荐规则，选定最优路线；

将最优路线信息反馈给导航用户。

优选地，所述推荐规则采用基于路线聚类和局部偏好拟合的推荐规则，推荐过程包括如下步骤：

1)在离线确定的候选路线集合中，采用相似度最大化准则确定K个初始聚类中心；

2)根据相似度和最大k-means聚类算法对所有路线进行聚类；

3)在聚类基础上，寻找局部邻近用户；

4)将局部邻近用户以相似度和之比作为权值进行拟合，根据全局邻近用户与局部邻近用户对路线的计分，估计导航用户对路线的计分，完成推荐。

优选地，所述步骤1)具体为：

1.1)使用余弦相似度计算所有路线i，j之间的相似度sim(i,j)，其中，i,j＝1,2,…,n,i≠j：

其中，U_i,j表示路线i和路线j共同计分的路线集，U_i表示路线i有计分的路线集，U_j表示路线j有计分的路线集，r_u,i表示导航用户u对路线i的计分，r_u,j表示导航用户u对路线j的计分，聚类后使得K个聚类划分的相似度和J的值达到最大，利用pearson相似度计算；

将所有路线之间相似度最小的两条路线作为前两个初始聚类中心μ₁和μ₂，k＝2；

1.2)计算未选为初始聚类中心的其它路线i到已被选定的每一个聚类中心μ₁,μ₂,…,μ_k的相似度sim(i,μ₁),sim(i,μ₂),…,sim(i,μ_k)；