[发明专利]一种基于协同过滤算法的服务信息推荐的装置及方法

说明书

本发明提供了一种基于协同过滤算法的服务信息推荐的装置及方法，获取目标数据集，对目标人群进行筛选定位，确定参加不同活动的潜在人群；针对参加不同活动的潜在人群，基于协同过滤推荐算法，推荐其可能感兴趣的活动信息；针对推荐的活动信息，提取地址信息，结合与地址信息相关的天气和交通预警信息，得到出行计划建议信息；本发明通过识别不同的人群特征，基于协同过滤算法，为不同的人员精准推荐不同的服务信息，针对性更强，也能够提升用户体验感。

技术领域

本发明属于信息推荐与计算机技术领域，具体涉及一种基于协同过滤算法的服务信息推荐的装置及方法。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

目前，基于用户行为的协同过滤推荐方法是基于已有的用户行为数据，通过数据挖掘找出和目标用户类似的用户，进而对目标用户进行推荐。然而，据发明人了解，基于公共推荐算法推荐的信息，往往针对性不够强，所推荐内容也不够精准详实；同时不同年龄、身体状态的人员，对于很多服务内容也有个人在意的信息，例如天气状态等，但目前的服务信息推荐不会针对上述不同，提供相关信息，用户体验感较差。

发明内容

本发明为了解决上述问题，提出了一种基于协同过滤算法的服务信息推荐的装置及方法，本发明通过识别不同的人群特征，基于协同过滤算法，为不同的人员精准推荐不同的服务信息，针对性更强，也能够提升用户体验感。

根据一些实施例，本发明采用如下技术方案：

一种基于协同过滤算法的服务信息推荐的方法，包括以下步骤：

获取目标数据集，对目标人群进行筛选定位，确定参加不同活动的潜在人群；

针对参加不同活动的潜在人群，基于协同过滤推荐算法，推荐其可能感兴趣的活动信息；

针对推荐的活动信息，提取地址信息，结合与地址信息相关的天气和交通预警信息，得到出行计划建议信息。

作为可选择的实施方式，对目标人群进行筛选定位的具体过程包括：

使用GRU神经网络对数据集中的所有目标人群进行健康水平预测，将预测结果作为人员的健康评定标签，根据健康评定标签对人群进行筛选；

使用异构数据库，分析目标数据集，建立参与过不同活动的人员知识库；

建立Cox比例风险模型，筛选维度指标，使用K-means聚类，初步确定对各个活动感兴趣的潜在人群。

作为进一步限定的实施方式，通过GRU神经网络对目标人群进行健康水平预测，去除其中健康水平少于设定值的人群，对剩下的人群建立参与过不同活动的人员知识库，然后建立Cox比例风险模型，筛选出包括年龄、性别的维度指标，使用K-means聚类，初步确定参加不同活动的潜在人群。

作为可选择的实施方式，针对参加不同活动的潜在人群，基于协同过滤推荐算法，推荐其可能感兴趣的活动信息的具体过程是：

基于筛选出来的维度指标，将维度指标以矩阵的形式表示出来，计算已参加人员和潜在人群之间的维度指标相似度，采用皮尔逊相关系数计算两者之间的相似性，选择相似性大于设定值的潜在人员，选择其曾经参加过的活动或相似活动进行推荐。

作为可选择的实施方式，提取地址信息，结合与地址信息相关的天气和交通预警信息，得到出行计划建议信息的具体过程：

进行活动推荐时，获取被推荐信息者的位置信息，若无法获取，根据其以往所在地的所属区域，确定其位置信息，调用气象局或相关网站开放的数据服务接口，获取当前所处位置的天气信息，以及活动所在地天气信息，提前给相应人员进行当日及未来一段时间内的天气预报推送和交通服务信息推送。

一种基于协同过滤算法的服务信息推荐的装置，包括：