[發(fā)明專利]基于上下文感知的支持向量回歸推薦方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201611263361.0
• 申請日: 2016-12-30
• 公開（公告）號: CN106779867B
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計）人: 馬惟;惠康華;張鴻麗;賀懷清;李建伏
• 申請（專利權(quán)）人: 中國民航信息網(wǎng)絡(luò)股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/30;G06F16/9535;G06F16/9536
• 代理公司: 北京瑞思知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11341
• 代理人: 李濤

本發(fā)明公開了一種基于上下文感知的支持向量回歸推薦方法，包括：構(gòu)建用戶特征屬性矩陣；得到項目特征屬性信息矩陣，得到項目特征屬性的偏好矩陣，構(gòu)建用戶偏好矩陣；構(gòu)建上下文情境矩陣，構(gòu)建評分矩陣，基于上下文情境矩陣、用戶特征屬性矩陣、用戶偏好矩陣以及所述評分矩陣，構(gòu)建得到基于上下文的用戶偏好模型；利用支持向量回歸SVR算法對所述基于上下文的用戶偏好模型進(jìn)行優(yōu)化，得到有效的評分預(yù)測模型；基于所述評分預(yù)測模型計算目標(biāo)用戶的未購買過項目的評分，并將評分最高的前L個項目推薦給所述目標(biāo)用戶。本發(fā)明還公開了相應(yīng)的系統(tǒng)。本發(fā)明能夠應(yīng)用于民航旅客附加服務(wù)的推薦，能夠為旅客在眾多的服務(wù)中較迅速準(zhǔn)確的找到適合自己的服務(wù)。

技術(shù)領(lǐng)域

本發(fā)明涉及民用航空技術(shù)領(lǐng)域，尤其涉及一種基于上下文感知的支持向量回歸推薦方法及系統(tǒng)。

背景技術(shù)

隨著航空業(yè)的不斷發(fā)展，服務(wù)類型不斷增多，旅客面對的服務(wù)紛雜眾多，無法迅速找到自己需要的服務(wù)，而現(xiàn)有的航空公司為旅客推薦的服務(wù)以及服務(wù)信息并不能滿足用戶需求，無法在最短時間內(nèi)更有針對性的為旅客提供適合的服務(wù)。

目前已有一些為用戶推薦服務(wù)的方法，該方法可以基于協(xié)同過濾算法、基于內(nèi)容的推薦算法、混合推薦算法以及基于其他的一些推薦算法。其中，協(xié)同過濾推薦算法的核心思想可以分為兩部分：1)利用用戶的歷史信息計算用戶之間的相似性；2)利用與目標(biāo)用戶相似性較高的鄰居對其他產(chǎn)品的評價來預(yù)測目標(biāo)用戶對特定產(chǎn)品的喜好程度。基于混合推薦算法主要有三種混合形式：整體式，并行式和流水線式。整體式是指將幾種推薦策略整合到一個算法中實現(xiàn)的混合設(shè)計；并行式是幾個推薦系統(tǒng)相互之間獨(dú)立運(yùn)行，分別產(chǎn)生推薦列表，隨后對這些推薦列表進(jìn)行整合得到最終推薦結(jié)果；流水線式是將多個推薦系統(tǒng)按照流水線架構(gòu)連接起來，前一個推薦系統(tǒng)的輸出變成后一個推薦系統(tǒng)的輸入部分，依次流水線式不斷調(diào)整推薦列表，進(jìn)一步提升推薦系統(tǒng)的準(zhǔn)確性。基于內(nèi)容的推薦算法不需要依據(jù)用戶對項目的評價意見，依據(jù)用戶已經(jīng)選擇的產(chǎn)品內(nèi)容信息計算用戶之間的相似性，進(jìn)而進(jìn)行相應(yīng)的推薦。

為了提升用戶體驗、提高客戶滿意度，也為了提升航空公司的服務(wù)質(zhì)量和公司客流量，在民用航空領(lǐng)域需要一種新的推薦方法，能夠基于對上下文信息的感知來為旅客、用戶提供服務(wù)。

發(fā)明內(nèi)容

為解決現(xiàn)有存在的技術(shù)問題，本發(fā)明實施例提供一種基于上下文感知的支持向量回歸推薦方法及系統(tǒng)。

為達(dá)到上述目的，本發(fā)明實施例的技術(shù)方案是這樣實現(xiàn)的：

一種基于上下文感知的支持向量回歸推薦方法，包括以下步驟：

S1：根據(jù)目標(biāo)用戶歷史記錄獲得用戶自身的屬性信息，并根據(jù)用戶自身的屬性信息構(gòu)建用戶特征屬性矩陣；

S2：獲取待推薦項目的特征屬性信息，得到項目特征屬性信息矩陣；并獲取用戶對待推薦項目特征屬性的偏好信息，得到項目特征屬性的偏好矩陣；根據(jù)項目特征屬性信息矩陣和項目特征屬性的偏好矩陣構(gòu)建用戶偏好矩陣；

S3：根據(jù)目標(biāo)用戶選擇項目時所處的上下文信息情境構(gòu)建上下文情境矩陣，所述上下文情境矩陣能夠標(biāo)識用戶是否處于影響用戶行為的上下文信息情境中；獲得用戶在上下文信息下對各項目的實際評分值，構(gòu)建評分矩陣；基于上下文情境矩陣、用戶特征屬性矩陣、用戶偏好矩陣以及所述評分矩陣，構(gòu)建得到基于上下文的用戶偏好模型；

S4：利用支持向量回歸SVR算法對所述基于上下文的用戶偏好模型進(jìn)行優(yōu)化，當(dāng)達(dá)到預(yù)定閾值后，將優(yōu)化后的基于上下文的用戶偏好模型作為有效的評分預(yù)測模型；基于所述評分預(yù)測模型計算目標(biāo)用戶的未購買過項目的評分，并將評分最高的前L個項目推薦給所述目標(biāo)用戶，所述L為自然數(shù)。

其中，所述的構(gòu)建用戶特征屬性模型具體為：采用下式針對用戶自身的屬性信息來進(jìn)行建模，構(gòu)建用戶特征屬性矩陣：