[发明专利]基于情景感知的危化品信息智能推荐方法和系统

说明书

本发明提供一种基于情景感知的危化品信息智能推荐方法和系统，属于智能推荐领域。所述方法包括：获取当前情景数据；对当前情景数据进行识别处理，得到情景数据的四元组数据对象；对情景数据的四元组数据对象的不同情景特征与查询信息进行融合抽象，得到抽象后的情景数据；利用训练好的卷积神经网络模型对抽象后的情景数据进行特征提取识别，输出危化品信息推荐结果。所述系统应用该方法。针对危化品公共信息资源服务的特点，利用了深度学习的卷积神经网络算法，实现了基于情景感知的危化品信息智能推荐，提高了推荐信息的精准度，节省了用户检索服务时间。卷积神经网络的特征提取能力更是避免了“冷启动”难题。

技术领域

本发明涉及智能推荐技术领域，具体地涉及一种基于情景感知的危化品信息智能推荐方法和一种基于情景感知的危化品智能推荐系统，利用深度学习的卷积神经网络对情景信息特征提取，实现危化品公共资源信息服务的智能推荐。

背景技术

近年来，危化品事故频发，特别是重特大事故的发生，使人们对危化品事故动态、事故预警、应急处置、安全作业等相关信息的需求度与关注度越来越高。但是，对危化品相关信息的检索还处于基础的主动搜索阶段，我国的应急管理研究还处于初级阶段，应急管理信息化建设仍一直处于相对滞后的状态。如何快速有效的挖掘出有价值的信息，实现危化品信息的智能推荐是现阶段亟待解决的问题。

情景感知推荐系统，具有“普适计算”和“个性化”两种优势，相比传统的推荐系统，情景因素的引入，提高了推荐精确度和智能化水平。基于协同过滤的情景感知推荐系统因流程清晰，易于实现的优点被广泛使用于电子商务、移动商务应用、信息搜索、在线旅游、音乐、电影推荐等行业。

目前智能推荐系统在危化品行业的应用比较少，正因如此，现有的数据信息没有发挥应有的作用。针对危化品的信息特点，需要一个能自动根据不同情景推荐不同内容的智能系统。协同过滤的情景感知推荐系统基本满足这个要求，也在其他行业应用广泛，但存在冷启动问题、稀疏性问题、多维数据难挖掘、模型训练难这些问题。

发明内容

本发明实施方式的目的是提供一种基于情景感知的危化品信息智能推荐方法和系统，系统应用该方法，针对危化品公共信息资源服务的特点，利用了深度学习的卷积神经网络算法，实现了基于情景感知的危化品信息智能推荐，提高了推荐信息的精准度，节省了用户检索服务时间。卷积神经网络可以处理多维数据，卷积层之间的稀疏连接及权重系数共享，可以减少网络的参数总量，降低网络复杂性。卷积神经网络的特征提取能力更是避免了“冷启动”难题。

为了实现上述目的，本发明第一方面提供一种基于情景感知的危化品信息智能推荐方法，所述方法包括：

情景生成：获取当前情景数据，所述当前情景数据包括原始情景信息和高级情景信息；

所述原始情景信息至少包括：地理位置信息、时间信息、光亮度信息、声音信息以及空气成分信息；

所述高级情景信息至少包括：用户人口学信息、用户搜索记录、用户浏览记录、用户当前活动信息以及过去使用习惯。

情景处理与识别：对当前情景数据进行识别处理，得到情景数据的四元组数据对象，包括：

对当前情景数据进行清洗；

对清洗后的情景数据进行组合、归并，生成包括计算情景、用户情景、物理情景、时间情景、社会情景等多个维度的深层情景信息；

将所述深层情景信息输入到危化品公共信息资源服务平台进行过滤和筛选，得到情景数据的四元组数据对象。

情景抽象：对情景数据的四元组数据对象的不同情景特征与查询信息进行融合抽象，得到抽象后的情景数据。通过融合、聚合等情景抽象操作，找到情景之间的关联，获取外部交互特征的情景信息。