[发明专利]一种为汽车行业寻找目标用户并匹配目标产品的推荐方法

权利要求书

1.一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，其特征在于，包括以下步骤：

a.数据预处理阶段：收集用户特征信息、搜索信息和汽车销售信息，经过预处理后存储至目标数据库中；所述经过预处理包括：利用深度学习的方法对缺失数据进行填补，对于类别型数据则可以直接将其映射为新的布尔型数据；对于数值型数据，采用C均值模糊分类法将其划分为多个类，产生隶属度矩阵；

b.预测阶段：基于关联规则选择目标用户，基于协同过滤方法对用户的偏好进行预测：基于目标数据库中的数据，首先检索出目标数据库中的所有频繁项集，然后利用频繁项集构造出满足最小信任度的关联规则，根据该关联规则输出具有购买意愿的目标用户，然后通过获取目标用户的网上检索记录挖掘目标用户相应的属性偏好或者通过问卷调查的方式了解目标用户相应的属性偏好，并构建属性向量，最后采用协同过滤算法利用用户-属性评分矩阵计算用户之间的相似度，从而基于相似度给出预测结果；

c.评价及推荐阶段：对预测结果进行评价，若用户对评价结果满意，则向用户推荐预测的相应类型车辆，若用户对评价结果不满意，则返回步骤b，给出其它预测结果，然后进入步骤c，对预测结果进行评价。

2.如权利要求1所述的一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，其特征在于，所述用户特征信息、搜索信息和汽车销售信息中包含的属性指标包括：用户名称、性别、职业、婚姻状况、一天内浏览汽车网站的次数、每天停留在汽车网站上的时间、在汽车网站上的搜索行为、每款汽车对应的属性信息、收入状况、购车与否。

3.如权利要求1所述的一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，其特征在于，步骤b中，采用协同过滤算法利用用户-属性评分矩阵计算用户之间的相似度，从而基于相似度给出预测结果，具体包括：

首先构建已购买汽车的用户的用户-属性评分矩阵，然后利用皮尔森相关系数或者余弦相似度为活跃的目标用户找出k个最相似的用户形成用户邻居集合，在相似度的计算过程中，每个用户都被看成是一个n维向量，用户之间的相似度通过向量之间的相似度表示。

4.如权利要求3所述的一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，其特征在于，所述用户-属性评分矩阵中确定的属性包括：价格、品牌、级别、变速箱、轴距、排量和气缸数。

5.如权利要求4所述的一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，其特征在于，步骤b中，所述基于相似度给出预测结果，具体包括：

基于计算出来的相似度，推荐与目标用户相似度最高的N位用户购买的车型。

6.如权利要求5所述的一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，其特征在于，步骤c中，所述对预测结果进行评价时，采用预测准确性评价指标为平均绝对误差MAE和根均方误差RMSE，公式分别是：

其中，r_ui和分别是用户u对项目i的实际评分和预测评分，n表示待预测项目的个数；这两项指标的值越小表示预测的准确性越高。

7.如权利要求6所述的一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，其特征在于，步骤c还包括：在向用户推荐预测的相应类型车辆后，通过推荐准确性评价指标来评价推荐的准确性，所述推荐准确性评价指标包括准确率Precision和召回率Recall，其中

计算的结果越大，则表示推荐的准确性越高，其中，a表示被推荐，且喜欢被推荐产品的人数；b表示被推荐，却不喜欢被推荐产品的人数；c表示未被推荐，却喜欢该未被推荐产品的人数。