[發(fā)明專利]一種基于內(nèi)容的新車型評分預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201710155801.9
• 申請日: 2017-03-16
• 公開（公告）號: CN106991522A
• 公開（公告）日: 2017-07-28
• 發(fā)明（設(shè)計）人: 楊燕;陳夏鵬;劉天宇;曾雨濛;曾旭禹
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/04;G06K9/62
• 代理公司: 成都信博專利代理有限責(zé)任公司51200
• 代理人: 張輝

技術(shù)領(lǐng)域

本發(fā)明屬于基于內(nèi)容的推薦領(lǐng)域，尤其涉及一種基于內(nèi)容的新車型評分預(yù)測方法。

背景技術(shù)

汽車4S店銷售業(yè)務(wù)是4S店的主要業(yè)務(wù)之一。采取科學(xué)的預(yù)測方法，建立數(shù)學(xué)模型，以新車型配置參數(shù)為基礎(chǔ)，給出新車型相關(guān)的評分預(yù)測和關(guān)注度預(yù)測，可使企業(yè)管理者掌握和了解新車型潛在的市場需求，獲得潛在的收益，最大化各個細(xì)分市場的收益。

現(xiàn)有的推薦系統(tǒng)大致可分為2類：協(xié)同過濾推薦以及基于內(nèi)容的推薦。協(xié)同過濾的推薦，需要龐大的用戶評分矩陣，同時在本汽車推薦系統(tǒng)中，由于新車型無評分信息、關(guān)注度信息，存在冷啟動問題和評分矩陣稀疏問題，故無法用于對新車型的評分預(yù)測。

而基于內(nèi)容的推薦方法，通過抽取物品的屬性特征，以物品屬性為基礎(chǔ)求得相似度進(jìn)而展開相應(yīng)的計算。不需要巨大的用戶群體和評分記錄，僅需新車型錄入時輸入的配置信息，以新車型內(nèi)容，即新車型配置信息為基礎(chǔ)，通過相應(yīng)計算求出預(yù)測評分結(jié)果，預(yù)測結(jié)果不受用戶和評分影響，只與車型配置信息有關(guān)。

現(xiàn)有的與評分預(yù)測推薦相關(guān)的方法和系統(tǒng)包括：

1)中國專利CN106326390A公開了一種基于協(xié)同過濾的推薦方法，該方法中通過計算項目間相似度構(gòu)建項目相似度矩陣，并根據(jù)相似度矩陣獲得各項目的最近鄰居集合，再根據(jù)最近鄰居集合計算用戶對項目的預(yù)測評分。

此方法存在的問題是：需要構(gòu)建龐大的項目相似度矩陣、最近鄰居集合來求得用戶對項目的預(yù)測評分，計算復(fù)雜，且無法解決冷啟動問題，即對新項目的出現(xiàn)無法立即生成評分預(yù)測進(jìn)行推薦。

2)中國專利CN105430505A提供了一種基于組合策略的IPTV節(jié)目推薦方法，該方法提出通過用戶評分?jǐn)?shù)據(jù)庫，使用基于內(nèi)容的推薦方法進(jìn)行推薦，解決冷啟動問題。

此方法存在的問題是：推薦結(jié)果為最相似的前N個節(jié)目，未繼續(xù)通過加權(quán)計算等方式求得預(yù)測評分等更直觀的推薦結(jié)果。

3)中國專利CN104866490A公開了一種視頻智能推薦方法，該方法中提出通過數(shù)據(jù)預(yù)處理生成影視信息，結(jié)合使用基于內(nèi)容和基于協(xié)同的推薦方法，生成針對用戶的最佳個性化推薦列表，具有較好的推薦效果。

此方法存在的問題是：結(jié)合使用基于內(nèi)容和基于協(xié)同的推薦方法雖然提高了推薦效果，但同時也增加了響應(yīng)時間，向量構(gòu)建的公式復(fù)雜也給代碼精煉帶來了難度。

通過以上例舉可以看出，現(xiàn)有對物品評分的預(yù)測與推薦方法，公式復(fù)雜、計算時間開銷大、需要大量用戶評分記錄，且存在冷啟動等問題。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種基于內(nèi)容的新車型評分預(yù)測方法，該方法計算簡單、代碼精煉、分塊預(yù)測評分增加了預(yù)測準(zhǔn)確度，有較好的研究意義與應(yīng)用價值。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：

一種基于內(nèi)容的新車型評分預(yù)測方法，包括以下步驟：

步驟1：收集汽車各車型配置信息，包括基本信息和評分信息；

步驟2：錄入新車型配置信息，包括質(zhì)量參數(shù)和舒適性參數(shù)；

步驟3：將新車型配置信息，依次與數(shù)據(jù)庫中已知車型配置信息進(jìn)行比較，轉(zhuǎn)化為0-1向量表；

即設(shè)新車型配置信息為N₁，數(shù)據(jù)庫中已知車型配置信息為S_k(k＝1,2,…,n)；創(chuàng)建向量將N₁，S₁向量化為0-1向量表，第一列表示車型配置特征，第二列表示N₁所包含配置特征，第三列表示S₁所包含配置特征，0表示無此配置特征，1表示有此配置特征；

對轉(zhuǎn)化后的N₁、S₁進(jìn)行余弦法計算：

步驟4：遍歷新車型與數(shù)據(jù)庫中其他車型配置信息，向量化并求得新車型與數(shù)據(jù)庫中所有已知車型的質(zhì)量相似度和舒適性相似度，得到質(zhì)量相似度列表和舒適性相似度列表；

步驟5：根據(jù)質(zhì)量相似度列表，取出前k個相似度較高車型的質(zhì)量評分、關(guān)注度及對應(yīng)的質(zhì)量相似度；根據(jù)舒適性相似度列表，取前k個相似度較高車型的舒適性評分、關(guān)注度及對應(yīng)的舒適性相似度；

步驟6：根據(jù)步驟5求得的數(shù)據(jù)，求出新車型的預(yù)測質(zhì)量評分，即：

質(zhì)量評分：R₁＝a×m；