[发明专利]基于多目标属性的最近邻搜索的服务推荐方法

说明书

本发明提供了一种基于多目标属性的最近邻搜索的服务推荐方法。所述基于多目标属性的最近邻搜索的服务推荐方法包括如下步骤：步骤S1、提取目标用户的特征及需求；步骤S2、进行多目标属性的最近邻搜索，找到合适的服务响应。本发明根据目标用户的特征、喜好和共享需求，匹配商家提供服务的共享特征，通过多目标属性的最近邻搜索，找到合适的服务响应，将商家的共享服务推荐和匹配给目标用户，实现共享服务的最大价值化。

技术领域

本发明涉及共享服务推荐技术领域，特别涉及基于多目标属性的最近邻搜索的服务推荐方法。

背景技术

共享服务的推荐算法是一种特殊的信息过滤技术，向目标用户推荐目标用户感需要的共享出行服务。在互联网应用中，一个典型的推荐系统会根据目标用户的某些特征做出一个目标用户概况，由此来推算目标用户对某些潜在服务的喜好程度。目标用户特征可以从目标用户浏览历史(基于内容的推荐)或者从目标用户的社会环境(协同推荐)来得到。

传统推荐算法是解决internet网上购物中信息过载的一种有效机制，在一个商务推荐站点，顾客可以寻找感兴趣的服务，由推荐站点为其在网上进行自动搜索，顾客可以轻松地选择到合适的服务。因此，智能推荐系统的主要目标是帮助顾客在internet海量信息环境下进行服务检索和比较。它的具体任务就是顾客遍历海量服务信息，从中筛选出符合顾客购买倾向的信息，并基于购买历史主动获取顾客的偏好。

将传统推荐系统的思路应用到共享汽车服务的搜索和匹配中，根据目标用户的特征、喜好和共享需求，匹配商家提供服务的共享特征，通过多目标属性的最近邻搜索，找到合适的服务响应。

互联网的服务推荐进行说明：

1、item-to-user个性化推荐

根据目标用户对视频的浏览历史，找出目标用户喜好的视频类型，再把类似的视频推荐给目标用户，即“什么我最感兴趣”，是一种基于目标用户浏览历史的推荐。

基本原理及算法：目标用户长期的浏览历史应该符合目标用户的个人喜好，我们从目标用户的浏览历史从提取出目标用户的特征做成特征向量作为目标用户的概况，然后用来与视频特征比较，最符合目标用户喜好的视频会被推荐给目标用户。

优点：各个目标用户的推荐内容都不同；可以推荐出符合目标用户喜好的东西；能在了解目标用户的基础上推荐；能理解被推荐的对象。

缺点：受对象描述限制，描述详细推荐效果好，反之效果较不好；可能过分专一化，目标用户如果过分偏好某一类型对象，就只能推荐出这一类型对象；新目标用户问题。

item-to-item视频关联推荐(metadata similarity)

视频关联度的推荐，统计看过该视频的目标用户还看过什么视频，即“看了x的人也看了y”，购物网站常用。

基本原理及算法：如果两个视频经常同时被目标用户观看，两个视频被其他未看过的目标用户同时观看的概率也很大。所以通过统计看过该视频的目标用户还看过什么视频，得到与该视频同时出现次数最多的，概率最大的视频推荐给目标用户。

优点：能得到一个视频与视频之间关联度的排行，能无视视频的内容或属性特征作出推荐。

缺点：不能反映目标用户喜好；推荐结果不一定准确。

user-to-user目标用户协同推荐(behavior similarity)

把具有类似口味和喜好的人过去所喜欢的视频推荐给目标用户，即“和您有相同兴趣的人还看了......”，是针对于一个目标用户的浏览历史来推荐的。基本原理及算法：根据目标用户的浏览历史从提取出目标用户的特征做成特征向量作为目标用户的概况，找到和该目标用户相似的目标用户，这些目标用户的兴趣爱好应该和该目标用户相近，从其他目标用户们的浏览历史中找出该目标用户未看过而应该喜欢看的视频推荐给目标用户。