[发明专利]一种基于LFM模型的线上服务推荐方法

权利要求书

1.一种基于LFM模型的线上服务推荐方法，其特征在于该方法包括以下步骤：

(1)构建线上电商化服务目录；

(2)对基于LFM模型的线上服务推荐算法求解并分析结果；具体包括：

(2-1)用户-偏好评分矩阵及用户偏好聚类，根据用户兴趣的偏好来进行分类，将偏好相似的用户划分到同一个簇中；将用户-项目评分矩阵转换成用户-偏好评分矩阵，利用用户-偏好评分矩阵P_m×s和k-means算法对用户进行聚类处理，将偏好相似的用户划分到同一个簇中；

(2-2)LFM模型训练，利用k-means聚类算法将数据集中的用户划分为k个簇，缩减了LFM模型训练的用户评分矩阵规模，并利用python语言里面的多线程编程思想对每个簇中的用户评分矩阵展开并行训练，提升了LFM模型的学习效率；

(2-3)最近邻用户集的选取，利用用户-偏好矩阵P_m×s和余弦相似度计算公式完成用户偏好相似度的计算；

(2-4)改进LFM模型的预测评分分式，融合KNN算法与LFM模型的思想，采用最近邻用户的实际评分对LFM模型的预测评分进行修正，弥补在矩阵分解过程中丢失的用户信息。

2.根据权利要求1所述的基于LFM模型的线上服务推荐方法，其特征在于，步骤(1)中，电商化服务目录包括：全面的新零售线上服务目录、智能硬件线上服务目录、企业代维线上服务目录、能效提升线上服务目录、移动储能线上服务目录和电力设备租赁线上服务目录。