[发明专利]一种基于内容的新车型评分预测方法

说明书

技术领域

本发明属于基于内容的推荐领域，尤其涉及一种基于内容的新车型评分预测方法。

背景技术

汽车4S店销售业务是4S店的主要业务之一。采取科学的预测方法，建立数学模型，以新车型配置参数为基础，给出新车型相关的评分预测和关注度预测，可使企业管理者掌握和了解新车型潜在的市场需求，获得潜在的收益，最大化各个细分市场的收益。

现有的推荐系统大致可分为2类：协同过滤推荐以及基于内容的推荐。协同过滤的推荐，需要庞大的用户评分矩阵，同时在本汽车推荐系统中，由于新车型无评分信息、关注度信息，存在冷启动问题和评分矩阵稀疏问题，故无法用于对新车型的评分预测。

而基于内容的推荐方法，通过抽取物品的属性特征，以物品属性为基础求得相似度进而展开相应的计算。不需要巨大的用户群体和评分记录，仅需新车型录入时输入的配置信息，以新车型内容，即新车型配置信息为基础，通过相应计算求出预测评分结果，预测结果不受用户和评分影响，只与车型配置信息有关。

现有的与评分预测推荐相关的方法和系统包括：

1)中国专利CN106326390A公开了一种基于协同过滤的推荐方法，该方法中通过计算项目间相似度构建项目相似度矩阵，并根据相似度矩阵获得各项目的最近邻居集合，再根据最近邻居集合计算用户对项目的预测评分。

此方法存在的问题是：需要构建庞大的项目相似度矩阵、最近邻居集合来求得用户对项目的预测评分，计算复杂，且无法解决冷启动问题，即对新项目的出现无法立即生成评分预测进行推荐。

2)中国专利CN105430505A提供了一种基于组合策略的IPTV节目推荐方法，该方法提出通过用户评分数据库，使用基于内容的推荐方法进行推荐，解决冷启动问题。

此方法存在的问题是：推荐结果为最相似的前N个节目，未继续通过加权计算等方式求得预测评分等更直观的推荐结果。

3)中国专利CN104866490A公开了一种视频智能推荐方法，该方法中提出通过数据预处理生成影视信息，结合使用基于内容和基于协同的推荐方法，生成针对用户的最佳个性化推荐列表，具有较好的推荐效果。

此方法存在的问题是：结合使用基于内容和基于协同的推荐方法虽然提高了推荐效果，但同时也增加了响应时间，向量构建的公式复杂也给代码精炼带来了难度。

通过以上例举可以看出，现有对物品评分的预测与推荐方法，公式复杂、计算时间开销大、需要大量用户评分记录，且存在冷启动等问题。

发明内容

本发明所要解决的技术问题是提供一种基于内容的新车型评分预测方法，该方法计算简单、代码精炼、分块预测评分增加了预测准确度，有较好的研究意义与应用价值。

为解决上述技术问题，本发明采用的技术方案是：

一种基于内容的新车型评分预测方法，包括以下步骤：

步骤1：收集汽车各车型配置信息，包括基本信息和评分信息；

步骤2：录入新车型配置信息，包括质量参数和舒适性参数；

步骤3：将新车型配置信息，依次与数据库中已知车型配置信息进行比较，转化为0-1向量表；

即设新车型配置信息为N₁，数据库中已知车型配置信息为S_k(k＝1,2,…,n)；创建向量将N₁，S₁向量化为0-1向量表，第一列表示车型配置特征，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表示无此配置特征，1表示有此配置特征；

对转化后的N₁、S₁进行余弦法计算：

步骤4：遍历新车型与数据库中其他车型配置信息，向量化并求得新车型与数据库中所有已知车型的质量相似度和舒适性相似度，得到质量相似度列表和舒适性相似度列表；

步骤5：根据质量相似度列表，取出前k个相似度较高车型的质量评分、关注度及对应的质量相似度；根据舒适性相似度列表，取前k个相似度较高车型的舒适性评分、关注度及对应的舒适性相似度；

步骤6：根据步骤5求得的数据，求出新车型的预测质量评分，即：

质量评分：R₁＝a×m；