[发明专利]一种工作分解结构WBS模板推荐方法

权利要求书

1.一种工作分解结构WBS模板推荐方法，其特征在于，包括：

建立用户与WBS模板之间的第一交互矩阵P(m,n),其中，m为用户总数，n为WBS模板总数；

使用深度学习模型，得到WBS模板之间的相似度矩阵Q(n,n)；

根据WBS模板之间的相似度矩阵Q(n,n)，补全所述第一交互矩阵P(m,n)，得到用户与WBS模板之间的第二交互矩阵W(m,n)；

根据所述第二交互矩阵W(m,n)，得到用户对各个WBS模板评分的向量集合V{v₁,v₂,…,V_m×n}；

根据向量集合V{v₁,v₂,…,V_m×n}，计算用户之间的相似度，得到各个用户之间的相似度矩阵U(m,m)；

根据各个用户之间的相似度矩阵U(m,m)，获取当前用户所在的行向量，根据行向量中代表的相似度从高到低排序并选取前面设定数量的相似度对应的用户，得到当前用户的共同爱好用户列表，依次选取所述共同爱好用户列表中前面设定数量的用户，得到当前用户的最相邻用户列表userList；

从所述第一交互矩阵P(m,n)中获取与最相邻用户列表userList中各个用户存在交互关系的WBS模板，得到WBS模板列表L；

过滤掉WBS模板列表L中重复的WBS模板，得到模板列表S，再过滤掉所述第一交互矩阵P(m,n)中与当前用户存在交互关系的WBS模板，得到模板列表T；

合并模板列表S和模板列表T，构成当前用户可能使用的WBS模板列表possibleList；

根据最相邻用户列表userList中的用户对当前用户可能使用的WBS模板列表possibleList中的各个WBS模板进行评分，预测当前用户对possibleList列表中WBS模板的评分；

根据所述评分的高低，对当前用户可能使用的WBS模板列表possibleList中的各个WBS模板进行排序，将前面连续设定数量的WBS模板推荐给当前用户。

2.根据权利要求1所述的工作分解结构WBS模板推荐方法，其特征在于，根据各个WBS模板之间的相似度矩阵Q(n,n)，补全所述第一交互矩阵P(m,n)包括：

利用公式计算用户对各个WBS模板中未评分WBS模板的评分，将所述评分写入所述第一稀疏交互矩阵，其中，r_ut表示用户u对未评分的第t个WBS模板的评分，P_u表示用户u已评分的WBS模板集合，I_v表示P_u集合中的WBS模板，I_t表示P_u集合之外的WBS模板，sim(I_v,I_t)表示WBS模板I_v和WBS模板I_t之间的相似度，sim(I_v,I_t)∈[0，1]，r_uv表示用户u对WBS模板I_v的评分，δ是自定义的阈值，其值在0与1之间；当sim(I_v,I_t)的值大于δ时，将计算得到的r_ut写入所述第一稀疏交互矩阵中，当作用户u对未评分的第t个WBS模板的评分；当sim(I_v,I_t)的值小于δ时，则将数值0写入所述第一稀疏交互矩阵中，当作用户u对未评分的第t个WBS模板的评分。