[發明專利]一種基于LFM模型的線上服務推薦方法

在審

• 申請號: 202010946009.7
• 申請日: 2020-09-10
• 公開（公告）號: CN112052392A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 吳鵬;李輝;李夫寶;張永澤;羅李子;王杰
• 申請（專利權）人: 江蘇電力信息技術有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06N3/08;G06Q10/06
• 代理公司: 南京匯盛專利商標事務所(普通合伙) 32238
• 代理人: 陳揚

本發明公開了一種基于LFM模型的線上服務推薦方法，包括：構建線上電商化服務目錄；對基于LFM模型的線上服務推薦算法求解并分析結果。本發明通過構建合適的服務目錄，并對綜合能源線上服務的推薦方法進行分析，不需要了解更多的專業知識，只需要知道用戶對項目的評分情況就可以完成對用戶的推薦工作。通過綜合能源線上服務目錄的制定以及隱語義模型的構建，可有效地對綜合能源服務公司做出服務推薦建議，提升提供能源服務的針對性。

技術領域

本發明屬于綜合能源系統線上服務推薦優化領域，具體來說，涉及一種基于LFM模型的線上服務推薦方法。

背景技術

近年來，隨著中國經濟的飛速發展和互聯網普及率的不斷提升，人們的生活方式也發生了巨大的變化。從以前的獲取信息只能通過書本、報紙、期刊等紙質書刊，轉變到現今的通過手機、ipad、電腦等電子產品就可以獲取到互聯網上的各種信息。根據中國互聯網絡信息中心發布的第41次《中國互聯網絡發展狀況統計報告》，截至2017年12月，我國網民規模已達7.72億，這一數字表明了互聯網在我國已經進入了全面普及的狀態。互聯網在給人們帶來便利的同時，也導致了各種網絡數據的急劇增長，人們也逐漸從一個信息匱乏的時代進入到一個信息超載的時代。使得人們需要花費大量的時間去查找自己所需的信息，造成了信息的利用率極低，這就是所謂的信息過載。目前，在解決“信息過載”問題方面，主要有兩種解決方法，一種是信息檢索技術，另一種是信息過濾技術。

個性化推薦系統主要是根據用戶的興趣特點和用戶在系統中的行為數據來挖掘用戶的興趣偏好，從而推薦與用戶興趣偏好相似的物品或信息。與搜索引擎最明顯的區別是：個性化推薦系統無需用戶提供明確的需求就能完成對用戶的推薦任務。目前，個性化推薦系統已經被廣泛地應用到不同的商業場景并為企業帶來了巨大利益。例如，在電子商務領域，淘寶網每年雙十一活動當天有8％～12％的銷售額都是來自于個性化推薦系統。在短視頻領域，字節跳動公司旗下的抖音產品能在短短一年時間內吸引用戶數量超過10億，這些都是得益于個性化推薦系統的發展。因此，在信息過載的時代，對個性化推薦系統的研究，不僅僅能為用戶節約大量查詢信息的時間，同時，也能為企業帶來巨大的商業利益。

在對個性化推薦系統的研究中，其中，最為重要的就是對個性化推薦算法的研究。目前，個性化推薦算法主要包括基于協同過濾(Collaborative Filtering)的推薦算法、基于內容(Content-based)的推薦算法和混合推薦算法。其中令人最滿意的和應用最廣泛的仍是協同過濾推薦算法，協同過濾推薦算法又可以分為基于鄰域的協同過濾算法和基于模型的協同過濾算法。隨著機器學習和深度學習的興起，基于模型的協同過濾算法也越來越受到更多學者的關注，有不少學者也希望將機器學習模型和深度學習模型應用到協同過濾推薦算法中來獲取更好的推薦效果。其中，較為知名的有受限玻爾茲曼機模型(RestrictedBoltzmann Machine,RBM)和隱語義模型(Latent Factor Model,LFM)。但這兩個模型在協同過濾推薦算法的應用中也存在著稀疏性、冷啟動、推薦準確度不高等問題。

發明內容

本發明的目的是提供一種基于LFM模型的線上服務推薦方法。該方法針對大電網與現代互聯網技術逐漸融合發展，線上服務發展需求不斷提升的現狀，通過提出一套綜合能源用戶線上服務目錄，并分析綜合能源服務的推薦方法，建立基于LFM模型的一種綜合能源公司線上服務推薦方法。

本發明的目的通過以下技術方案實現：

一種基于LFM模型的線上服務推薦方法，包括以下步驟：

(1)構建線上電商化服務目錄；

(2)對基于LFM模型的服務推薦算法求解并分析結果。具體包括：