[發明專利]一種為汽車行業尋找目標用戶并匹配目標產品的推薦方法

有效

• 申請號: 201710157474.0
• 申請日: 2017-03-16
• 公開（公告）號: CN106844787B
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 姚黎明;徐忠雯;李曉非;周曉陽
• 申請（專利權）人: 四川大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q10/04
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 吳中偉

1.一種為汽車行業尋找目標用戶并匹配目標產品的推薦方法，其特征在于，包括以下步驟：

a.數據預處理階段：收集用戶特征信息、搜索信息和汽車銷售信息，經過預處理后存儲至目標數據庫中；所述經過預處理包括：利用深度學習的方法對缺失數據進行填補，對于類別型數據則可以直接將其映射為新的布爾型數據；對于數值型數據，采用C均值模糊分類法將其劃分為多個類，產生隸屬度矩陣；

b.預測階段：基于關聯規則選擇目標用戶，基于協同過濾方法對用戶的偏好進行預測：基于目標數據庫中的數據，首先檢索出目標數據庫中的所有頻繁項集，然后利用頻繁項集構造出滿足最小信任度的關聯規則，根據該關聯規則輸出具有購買意愿的目標用戶，然后通過獲取目標用戶的網上檢索記錄挖掘目標用戶相應的屬性偏好或者通過問卷調查的方式了解目標用戶相應的屬性偏好，并構建屬性向量，最后采用協同過濾算法利用用戶-屬性評分矩陣計算用戶之間的相似度，從而基于相似度給出預測結果；

c.評價及推薦階段：對預測結果進行評價，若用戶對評價結果滿意，則向用戶推薦預測的相應類型車輛，若用戶對評價結果不滿意，則返回步驟b，給出其它預測結果，然后進入步驟c，對預測結果進行評價。

2.如權利要求1所述的一種為汽車行業尋找目標用戶并匹配目標產品的推薦方法，其特征在于，所述用戶特征信息、搜索信息和汽車銷售信息中包含的屬性指標包括：用戶名稱、性別、職業、婚姻狀況、一天內瀏覽汽車網站的次數、每天停留在汽車網站上的時間、在汽車網站上的搜索行為、每款汽車對應的屬性信息、收入狀況、購車與否。

3.如權利要求1所述的一種為汽車行業尋找目標用戶并匹配目標產品的推薦方法，其特征在于，步驟b中，采用協同過濾算法利用用戶-屬性評分矩陣計算用戶之間的相似度，從而基于相似度給出預測結果，具體包括：

首先構建已購買汽車的用戶的用戶-屬性評分矩陣，然后利用皮爾森相關系數或者余弦相似度為活躍的目標用戶找出k個最相似的用戶形成用戶鄰居集合，在相似度的計算過程中，每個用戶都被看成是一個n維向量，用戶之間的相似度通過向量之間的相似度表示。

4.如權利要求3所述的一種為汽車行業尋找目標用戶并匹配目標產品的推薦方法，其特征在于，所述用戶-屬性評分矩陣中確定的屬性包括：價格、品牌、級別、變速箱、軸距、排量和氣缸數。

5.如權利要求4所述的一種為汽車行業尋找目標用戶并匹配目標產品的推薦方法，其特征在于，步驟b中，所述基于相似度給出預測結果，具體包括：

基于計算出來的相似度，推薦與目標用戶相似度最高的N位用戶購買的車型。

6.如權利要求5所述的一種為汽車行業尋找目標用戶并匹配目標產品的推薦方法，其特征在于，步驟c中，所述對預測結果進行評價時，采用預測準確性評價指標為平均絕對誤差MAE和根均方誤差RMSE，公式分別是：

其中，r_ui和分別是用戶u對項目i的實際評分和預測評分，n表示待預測項目的個數；這兩項指標的值越小表示預測的準確性越高。

7.如權利要求6所述的一種為汽車行業尋找目標用戶并匹配目標產品的推薦方法，其特征在于，步驟c還包括：在向用戶推薦預測的相應類型車輛后，通過推薦準確性評價指標來評價推薦的準確性，所述推薦準確性評價指標包括準確率Precision和召回率Recall，其中

計算的結果越大，則表示推薦的準確性越高，其中，a表示被推薦，且喜歡被推薦產品的人數；b表示被推薦，卻不喜歡被推薦產品的人數；c表示未被推薦，卻喜歡該未被推薦產品的人數。