[发明专利]停车场地的推荐方法及推荐装置、目标车辆、存储介质

说明书

本发明公开了一种停车场地的推荐方法及推荐装置、目标车辆、存储介质。其中，该方法包括：获取当前车辆所处的位置信息和驾驶当前车辆的目标用户的用户信息，其中，位置信息用于搜索待分析的停车场地信息；将停车场地信息、用户信息和推荐停车关系组合为场地推荐三元组；将场地推荐三元组输入至预先训练的知识图谱模型，其中，知识图谱模型用于将场地推荐三元组映射成物品向量和关系向量；将物品向量和关系向量代入至预设推荐算法中，以确定停车场地向量和用户向量；基于停车场地向量和用户向量，输出停车场地推荐信息。本发明解决了相关技术中进行车辆停车场地推荐时，容易出现误差，导致推荐交互信息匮乏，准确性低的技术问题。

技术领域

本发明涉及信息处理技术领域，具体而言，涉及一种停车场地的推荐方法及推荐装置、目标车辆、存储介质。

背景技术

相关技术中，随着家用轿车及商务车的不断普及，大量的车辆面临如何寻找合适的停车场地的问题，各家地图软件或者停车场推荐软件都使用不同的推荐算法进行停车场地的推荐。

当前传统的推荐算法，是采用协同过滤推荐算法，这种算法一般采用最近邻技术，先利用用户历史的喜好，计算出用户之间的距离，然后找到最近的邻居用户，根据邻居用户对商品的评价和喜好的加权值来判断用户对该商品的喜好程度，后台系统根据喜好程度的高低对用户进行推荐，对用户进行推荐的前提是找到和用户具有相似兴趣的其他用户，根据其他用户的兴趣来进行推荐，这种推荐可以对简单的关系进行梳理，可以轻松处理不具备复杂信息的非结构化对象，但面对内容不断复杂、用户不断增加和节点更加复杂的问题，需要解决其稀疏性问题和冷开始问题；例如，一个用户可能去过的停车场就几个，用如此少量的数据来推测大量的未知信息，会使得算法出现误差，导致推荐交互信息匮乏，准确性低。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种停车场地的推荐方法及推荐装置、目标车辆、存储介质，以至少解决相关技术中进行车辆停车场地推荐时，容易出现误差，导致推荐交互信息匮乏，准确性低的技术问题。

根据本发明实施例的一个方面，提供了一种停车场地的推荐方法，包括：获取当前车辆所处的位置信息和驾驶所述当前车辆的目标用户的用户信息，其中，所述位置信息用于搜索待分析的停车场地信息；将所述停车场地信息、所述用户信息和推荐停车关系组合为场地推荐三元组；将所述场地推荐三元组输入至预先训练的知识图谱模型，其中，所述知识图谱模型用于将所述场地推荐三元组映射成物品向量和关系向量；将所述物品向量和关系向量代入至预设推荐算法中，以确定停车场地向量和用户向量；基于所述停车场地向量和所述用户向量，输出停车场地推荐信息。

可选地，获取当前车辆所处的位置信息和驾驶所述当前车辆的目标用户的用户信息的步骤，包括：响应待停车指令，获取所述当前车辆的定位信号，以确定所述当前车辆所处的位置信息；获取所述目标用户的用户职业信息、爱好信息、年龄信息，以确定所述用户信息，其中，所述用户信息用于评估所述目标用户的消费水平和停车场地接受价格区间。

可选地，在获取当前车辆所处的位置信息和驾驶所述当前车辆的目标用户的用户信息之后，还包括：获取所述目标用户的社交网络信息和亲属信息；基于所述社交网络信息和所述亲属信息，输出停车场地的推荐权重参数，其中，所述推荐权重参数影响待输出的停车场地推荐信息。

可选地，在将所述场地推荐三元组输入至预先训练的知识图谱模型之前，还包括：获取在历史预设时间段内构建的初始知识图谱网络；将当前时间段提取的停车场地信息和用户信息的信息图谱补充至所述初始知识图谱网络，以搭建目标知识图谱；结合所述目标知识图谱，构建所述知识图谱模型。

可选地，基于所述停车场地向量和所述用户向量，输出停车场地推荐信息的步骤，包括：获取与所述停车场地向量对应的第一向量标签以及与所述用户向量对应的第二向量标签；基于所述停车场地向量和对应的第一向量标签、所述用户向量和对应的第二向量标签，计算向量距离参数；结合所述向量距离参数，输出停车场地推荐信息。