[发明专利]一种车联网用户请求与服务偏好融合的推荐方法及系统

说明书

本发明公开了一种车联网用户请求与服务偏好融合的推荐方法及系统，通过在线推荐与离线训练两个阶段为网联车辆提供信息发布服务。在线推荐阶段实时获取网联车辆服务需求，通过用户需求和服务偏好聚类的协同过滤推荐算法将服务端信息高效发布给对应网联车辆用户，并同步存入用户偏好记录；离线阶段获取并融合用户的服务偏好数据，通过用户服务偏好模型进行计算并对发布信息进行同步更新。本发明能够优化信息传输时延，提高车联网业务推荐系统的服务质量。

技术领域

本发明涉及一种车联网用户请求与服务偏好融合的推荐方法及系统，属于车联网技术领域。

背景技术

随着信息技术的发展与社会需求增加，车联网中车-X(X：车、路、行人及互联网等)之间进行无线通讯和信息交换量激增，如何在车联网系统中高效传递数据成为亟待解决的问题。

基于聚类的协同过滤推荐算法以其优越的算法性能、较高的准确率而著称。聚类算法包括层次化聚类、划分式聚类、基于密度聚类、基于模型聚类和谱聚类等。其中，层次化聚类主要包括自上而下聚类和自下而上聚类；划分式聚类主要包括k-means、k-means++等；基于模型聚类主要包括高斯混合模型(GMM)等；基于密度的聚类算法主要包括DBSCAN和OPTICS等。

但是，现有的聚类推荐在小规模数据集上可以获得不错的推荐性能，但无法适应海量数据的车联网络系统，且大多只单方面考虑用户和服务，忽略了用户和服务之间的相关性，导致推荐的结果准确性较低。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种车联网用户请求与服务偏好融合的推荐方法及系统，能够提高车联网络中用户服务推荐结果的准确性。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种车联网用户请求与服务偏好融合的推荐方法，包括以下步骤：

接收车辆的服务请求数据集，所述车辆的服务请求数据集包括服务需求和车辆上下文信息；所述车辆上下文信息包括车辆的定位信息、行驶速度、行驶方向、剩余油量；

根据所述服务请求数据集生成推荐信息并输出展示。

进一步的，根据所述服务请求数据集生成推荐信息并输出展示的方法包括在线推荐方法；

所述在线推荐方法包括以下步骤：

通过网络层接收所述终端层发出的车辆的服务请求数据集，所述车辆的服务请求数据集包括服务需求和车辆上下文信息；

根据所述服务请求数据集，进行服务数据提取和预处理，得到服务数据备选集；

对所述服务数据备选集执行双向谱聚类算法生成在线推荐策略并输出展示。

进一步的，所述进行服务数据提取和预处理包括以下步骤：

根据所述车辆上下文信息计算出车辆的最大行驶里程；

基于所述车辆的最大行驶里程获取在最大行驶里程内的服务数据集。

进一步的，所述对所述服务数据备选集执行双向谱聚类算法生成在线推荐策略并输出展示的方法包括：

在所述服务数据备选集中获取各服务的矩阵S＝{s_i,j}_mn，其中s_i,j为用户i对服务j的评分值；

对所述各服务的矩阵进行归一化处理，最终得到了归一化矩阵W；

基于归一化矩阵W构造如下对角矩阵：

对于给定的特征矩阵W，计算