[發(fā)明專利]一種養(yǎng)老服務(wù)推薦方法和裝置

在審

• 申請?zhí)枺?/td>: 202010553438.8
• 申請日: 2020-06-17
• 公開（公告）號(hào): CN111767469A
• 公開（公告）日: 2020-10-13
• 發(fā)明（設(shè)計(jì)）人: 楊彬欄
• 申請（專利權(quán)）人: 中國建設(shè)銀行股份有限公司;建信金融科技有限責(zé)任公司
• 主分類號(hào): G06F16/9536
• 分類號(hào): G06F16/9536;G06F16/906;G06Q50/26
• 代理公司: 中原信達(dá)知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11219
• 代理人: 張一軍;李陽

本發(fā)明公開了養(yǎng)老服務(wù)推薦方法和裝置，涉及計(jì)算機(jī)技術(shù)領(lǐng)域。該方法的一具體實(shí)施方式包括獲取目標(biāo)對象的健康數(shù)據(jù)，通過聚類算法對目標(biāo)對象進(jìn)行分類，以得到目標(biāo)對象的對應(yīng)類別；根據(jù)所述對應(yīng)類別調(diào)取歷史行為數(shù)據(jù)，進(jìn)而基于協(xié)同過濾推薦算法計(jì)算得到推薦的養(yǎng)老服務(wù)數(shù)據(jù)并返回。從而，本發(fā)明的實(shí)施方式能夠解決現(xiàn)有養(yǎng)老服務(wù)推薦無法滿足用戶興趣或者需求的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種養(yǎng)老服務(wù)推薦方法和裝置。

背景技術(shù)

目前，隨著老年人口的增加，我國人口老齡化趨勢也越發(fā)嚴(yán)峻。因此，積極應(yīng)對人口老齡化對中國來說刻不容緩，針對老年人口的養(yǎng)老服務(wù)將如雨后春筍般層出不窮、琳瑯滿目。在電子商務(wù)平臺(tái)中，推薦系統(tǒng)扮演了非常重要的角色，可以根據(jù)用戶喜好，將商品推薦給用戶。

在實(shí)現(xiàn)本發(fā)明過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題：

目前，在養(yǎng)老服務(wù)推薦中，有基于用戶評(píng)分的養(yǎng)老服務(wù)推薦，這種服務(wù)推薦依賴于用戶對養(yǎng)老服務(wù)的評(píng)分，根據(jù)用戶評(píng)分相似度為用戶進(jìn)行推薦，但評(píng)分相似的養(yǎng)老服務(wù)不一定是用戶感興趣或者需要的服務(wù)。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供一種養(yǎng)老服務(wù)推薦方法和裝置，能夠解決現(xiàn)有養(yǎng)老服務(wù)推薦無法滿足用戶興趣或者需求的問題。

為實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種養(yǎng)老服務(wù)推薦方法，包括獲取目標(biāo)對象的健康數(shù)據(jù)，通過聚類算法對目標(biāo)對象進(jìn)行分類，以得到目標(biāo)對象的對應(yīng)類別；根據(jù)所述對應(yīng)類別調(diào)取歷史行為數(shù)據(jù)，進(jìn)而基于協(xié)同過濾推薦算法計(jì)算得到推薦的養(yǎng)老服務(wù)數(shù)據(jù)并返回。

可選地，獲取目標(biāo)對象的健康數(shù)據(jù)之后，包括：

調(diào)用配置引擎，獲取預(yù)處理模型，進(jìn)而對健康數(shù)據(jù)進(jìn)行預(yù)處理。

可選地，通過聚類算法對目標(biāo)對象進(jìn)行分類之前，包括：

步驟一：獲取多個(gè)目標(biāo)對象的健康數(shù)據(jù)，生成健康數(shù)據(jù)集合，以從健康數(shù)據(jù)集合中隨機(jī)選取一個(gè)目標(biāo)對象作為第一聚類中心；

步驟二：循環(huán)對健康數(shù)據(jù)集合中的每一個(gè)目標(biāo)對象，計(jì)算與聚類中心的距離以確定第二聚類中心，直至獲得預(yù)設(shè)數(shù)量的第二聚類中心；

步驟三：計(jì)算所有目標(biāo)對象與每個(gè)第二聚類中心的距離，進(jìn)而分別將目標(biāo)對象歸屬到距離該目標(biāo)對象最近的第二聚類中心，生成多個(gè)簇并計(jì)算每個(gè)簇的第三聚類中心；

步驟四：循環(huán)執(zhí)行步驟二和步驟三，直至第二聚類中心與第三聚類中心的距離小于預(yù)設(shè)閾值，得到分類類別。

可選地，包括：

利用余弦相似度計(jì)算健康數(shù)據(jù)集合中的每一個(gè)目標(biāo)對象與聚類中心的距離。

可選地，計(jì)算與聚類中心的距離之后，包括：

選擇距離最大的目標(biāo)對象作為新的聚類中心。

可選地，基于協(xié)同過濾推薦算法計(jì)算得到推薦的養(yǎng)老服務(wù)數(shù)據(jù)，包括：

根據(jù)所述對應(yīng)類別調(diào)取歷史行為數(shù)據(jù)，其中所述歷史行為數(shù)據(jù)包括多個(gè)目標(biāo)對象與行為數(shù)據(jù)的映射關(guān)系；

獲取當(dāng)前所述目標(biāo)對象的行為數(shù)據(jù)，計(jì)算與歷史行為數(shù)據(jù)中各個(gè)目標(biāo)對象的行為相似度；

基于行為相似度對歷史行為數(shù)據(jù)中的目標(biāo)對象進(jìn)行排序，以將排序靠前的目標(biāo)對象對應(yīng)的養(yǎng)老服務(wù)數(shù)據(jù)進(jìn)行推薦。

可選地，計(jì)算與歷史行為數(shù)據(jù)中各個(gè)目標(biāo)對象的行為相似度，包括：

設(shè)N(u)為當(dāng)前所述目標(biāo)對象瀏覽或購買的養(yǎng)老服務(wù)集合，N(v)為歷史行為數(shù)據(jù)中各個(gè)目標(biāo)對象瀏覽或購買的養(yǎng)老服務(wù)集合，根據(jù)Jaccard公式計(jì)算用戶行為相似度：