[发明专利]基于健康养老环境下嵌入式用户画像模型的服务推荐方法

权利要求书

1.一种健康养老环境下基于嵌入式用户画像模型的服务推荐方法，包括下列步骤：

第1步：收集与服务对象相关的各项信息，分为两方面：用户的基本属性以及用户的历史信息，其中，基本属性包括用户的个人资料、社会关系、生活喜好，历史信息包括历史服务使用记录以及历史服务评分信息；

第2步：将收集到的与服务对象相关的信息传入预先设计好的用户画像标签中，对老年人的标签设计标签选择老年用户的人口属性、社会属性、消费属性和健康属性这四个模块；

(1)人口属性标签具体如下：

(2)社会属性标签具体如下：

(3)消费属性包含按照老年人消费特征分为习惯性消费Habitual、享乐型消费hedonic、求实性消费Realistic、方便性消费Convenient、盲目性消费Blind以及补偿型消费Compensatory六种消费属性；

(4)健康属性的标检具体如下：

依据老年人健康分级模型将老年人按照健康等级Health level分为：4级表示健康良好，3级表示健康尚可，2级代表健康状况差，1级代表健康状况很差或极差；

第3步：将用户画像标签嵌入到神经网络空间中，为每个用户学习一个能够总结其画像特征的高维向量，方法为：将用户画像标签嵌入到神经网络空间中，为每个老年用户学习一个能够总结其画像特征的高维向量的方法如下：将所设计的特征信息标签作为输入，使用预先训练好的Sent2Vec模型，生成基于英语维基百科文本的bigram embeddings，获得老年用户特征标签的嵌入，生成一个老人数据的高维向量；

第4步：通过嵌入后得到老人数据的高维向量，根据欧式距离计算用户间的相似度，计算出每位用户对于目标服务的预测评分：

(1)利用欧式距离计算用户相似度；

(2)根据用户相似度找出与目标老人u最相似的K个老人，用集合S(u,K)表示，将S中老人喜欢的服务提取出来，并去除u已经使用的服务集合N(i)，设此时得到的候选服务集合为E；

(3)对于候选服务集合E中的每个候选服务i，计算目标老人u对它感兴趣的程度p(u,i)，公式如下：

设K个老人中的某个老人为v，w_uv代表目标老人u与老人v的相似度，r_vi代表老人v对候选服务i的动态兴趣变化，公式为：

ω_vi代表老人v对于候选服务i的行为权重，设定用户对于服务的浏览、搜索、收藏、加购、购买分别为1-5的权重；代表用户兴趣随时间的动态变化；T代表现在的时间，t是指上一次发生用户对服务产生行为的时间；α代表通过离差标准化使得结果始终在区间[0～1]内的有效常数；

(4)计算：目标老人u对于候选服务i的服务预测评分G(u,i)：

其中表示集合S(u,K)中所有老人的平均服务评分；

第5步：通过老人感兴趣程度选取前N个服务作为输出，即得到与目标老人最为匹配的top-N项服务。