[发明专利]一种基于机器学习的通航服务系统的容器推荐方法及系统

权利要求书

1.一种基于机器学习的通航服务系统的容器推荐方法，其特征在于，包括：

获取用户使用所述通航服务系统的历史数据，并将所述历史数据进行向量化处理，生成历史数据特征向量，其中，所述历史数据特征向量包括：用户使用每个容器的频率特征向量、每个容器的使用时长特征向量和每个容器的删减次数特征向量；

提取每个容器的特征向量，其中，所述特征向量包括：每个容器的资源占用情况特征向量、每个容器的运行状态特征向量和每个容器所提供的软件功能特征向量；

通过机器学习模型对每个容器的特征向量进行建模和训练，将所有容器进行分类，得到用户的容器类别，根据所述容器类别和所述历史数据特征向量，设置精准容器推荐模型，计算每个容器与用户的第一相似度，将所述第一相似度最高的容器推荐给用户，其中，所述精准容器推荐模型为：

，

其中，n为n个特征向量，为所述历史数据特征向量的第个特征向量值，为容器的第个特征向量值，为所述历史数据特征向量第个特征向量的权重，为第个容器的第个特征向量的出现次数，为所述历史数据特征向量第个特征向量的权重，为所有容器的个数；

设置容器间相似度推荐模型，在所述第一相似度最高的容器所在的容器类别中，计算所述第一相似度最高的容器与其余容器的第二相似度，将所述第二相似度最高的容器推荐给用户。

2.如权利要求1所述的一种基于机器学习的通航服务系统的容器推荐方法，其特征在于，所述容器间相似度推荐模型为：

，

其中，为容器在第个特征向量值，为容器在第个特征向量值，为容器所有特征向量的平均值，为容器所有特征向量的平均值，n为n个特征向量。

3.如权利要求1所述的一种基于机器学习的通航服务系统的容器推荐方法，其特征在于，还包括：

根据所述精准容器推荐模型，计算每个容器类别中的第三相似度，找出每个容器类别中所述第三相似度最高的容器，推荐给用户；

找出每个容器类别中与所述第三相似度最高的容器相似度最高的其余容器，并推荐给用户。

4.如权利要求1所述的一种基于机器学习的通航服务系统的容器推荐方法，其特征在于，包括：

对所述历史数据特征向量和所述每个容器的特征向量，进行归一化处理，生成所述历史数据特征向量的特征向量值和所述每个容器的特征向量的特征向量值。

5.一种基于机器学习的通航服务系统的容器推荐系统，其特征在于，包括：

获取历史数据模块，用于获取用户使用所述通航服务系统的历史数据，并将所述历史数据进行向量化处理，生成历史数据特征向量，其中，所述历史数据特征向量包括：用户使用每个容器的频率特征向量、每个容器的使用时长特征向量和每个容器的删减次数特征向量；

获取容器特征向量模块，用于提取每个容器的特征向量，其中，所述特征向量包括：每个容器的资源占用情况特征向量、每个容器的运行状态特征向量和每个容器所提供的软件功能特征向量；

设置精准模型模块，用于通过机器学习模型对每个容器的特征向量进行建模和训练，将所有容器进行分类，得到用户的容器类别，根据所述容器类别和所述历史数据特征向量，设置精准容器推荐模型，计算每个容器与用户的第一相似度，将所述第一相似度最高的容器推荐给用户，其中，所述精准容器推荐模型为：

，

其中，n为n个特征向量，为所述历史数据特征向量的第个特征向量值，为容器的第个特征向量值，为所述历史数据特征向量第个特征向量的权重，为第个容器的第个特征向量的出现次数，为所述历史数据特征向量第个特征向量的权重，为所有容器的个数；

设置容器间模型，用于设置容器间相似度推荐模型，在所述第一相似度最高的容器所在的容器类别中，计算所述第一相似度最高的容器与其余容器的第二相似度，将所述第二相似度最高的容器推荐给用户。

6.如权利要求5所述的一种基于机器学习的通航服务系统的容器推荐系统，其特征在于，所述容器间相似度推荐模型为：

，

其中，为容器在第个特征向量值，为容器在第个特征向量值，为容器所有特征向量的平均值，为容器所有特征向量的平均值，n为n个特征向量。