[发明专利]一种基于汽车领域标签的个性化推荐方法

权利要求书

1.一种基于汽车领域标签的个性化推荐方法，其特征在于，包括以下步骤：

步骤10、根据业务制定汽车领域的维度信息作为汽车领域标签；

步骤20、对标签进行统计，选择其中部分标签作为用户的行为标签；

步骤30、根据用户的行为记录，并结合时间权重衰减函数，统计用户对知识的点击、下载和收藏量，将统计量根据相关权重累加求和，得到用户对知识的行为统计分数；

步骤40、判断用户是否存在标签，存在，查找标签下的知识，否则，采用用户冷启动问题解决，对用户知识行为结果求和，得到知识的得分；

步骤50、将统计加权后的知识，按照时间和权重结果进行倒序排序，并与近一段时间内该用户行为记录作差集；

步骤60、选择近一段时间内用户行为记录，并依据步骤C进行统计计算，得到知识的统计得分，根据得分进行倒序排序前若干条知识；

步骤70、根据用户与知识的行为得分，及用户间行为的相关性，采用基于用户的协同过滤算法为用户进行推荐前若干条知识；

步骤80、将推荐的若干条结果加入推荐结果集中，将基于标签的推荐结果与协同过滤的推荐结果取交集，然后将交集结果与热门推荐的若干条结果按照时间进行倒序排序，并从剩余的标签推荐结果和协同过滤推荐结果中，分别选择前若干条数据追加到推荐结果集中。

2.如权利要求1所述的基于汽车领域标签的个性化推荐方法，其特征在于，所述步骤10中维度信息包括根据业务制定知识分类、部门、零部件、任务和车型。

3.如权利要求1所述的基于汽车领域标签的个性化推荐方法，其特征在于，所述步骤20中行为标签包括用户自定义选择标签作为用户的自定义标签以及用户从数据库中获取用户近一段时间内的行为信息，并依据用户对知识的点击、下载、收藏行为对每条用户行为记录赋予不同的权重，然后根据用户行为记录的时间，对每条用户记录的权重施加时间衰减，使得距离当前越近的行为具有更高的权重。

4.如权利要求3所述的基于汽车领域标签的个性化推荐方法，其特征在于，时间衰减函数如式(1)所示：

N(t)＝N₀e^-αt (1)

其中α0称为指数衰减常数；

其中N(t)为N在t时刻的数值，N₀＝N(0)为N在0时刻的初始数值，也是当t≥0的最大值，t代表天数。

5.如权利要求1所述的基于汽车领域标签的个性化推荐方法，其特征在于，所述用户冷启动问题是指当前用户为新用户，无法根据用户标签进行推荐的情况；该情况的解决是通过查找部门中所有用户行为中的知识，进行统计加权。

6.如权利要求1所述的基于汽车领域标签的个性化推荐方法，其特征在于，所述步骤70中：使用基于用户的协同过滤算法进行用户的相关性推荐，包括：

1)找到兴趣相似的用户集合；

建立物品-用户倒排表；

建立用户相似度矩阵；

计算用户相似度；

2)针对目标用户，进行推荐物品。