[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

说明书

本发明涉及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：收集与服务对象相关的各项信息；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；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；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。

技术领域

本发明涉及一种服务推荐方法。

背景技术

随着老年群体数量的不断增加，养老服务逐渐成为社会关注的重点行业，老年人及其子女对养老服务的多样性、灵活性、便捷性等要求越来越高。但老年群体本身的特殊性决定了他们在网络使用过程中存在一些独特显著的特征，例如缺乏互联网相关知识，对电子产品操作不熟练、受视力下降、腰间盘突出等自身身体健康因素影响不能长时间使用互联网等。因此，为老年群体建立高效的服务推荐体系实现精准化服务推荐具有很强的现实意义。

推荐系统被广泛应用于帮助用户处理互联网上的大量信息，特别是根据用户的特定偏好搜索最相关的内容。协同过滤是服务推荐系统中最常用的算法之一，虽然其具有简易性和直观性的特性，但是由于过于依赖历史服务评分，所以严重的矩阵稀疏问题会大大影响算法的性能。

近年来，神经网络在图像分割、自然语言处理、时间序列预测等方面的应用有了很大的发展。深度学习的一个显著成功应用是嵌入，这是一种将离散变量表示为连续向量的方法。这项技术已经有了实际的应用，其中有在机器翻译中使用词嵌入和类别变量中使用实体嵌入，但此项技术还没有较好应用到养老行业。

与其他行业不同，养老服务业有其独特的特点。一些老年人的客观条件，如健康状况、消费习惯、经济状况等，很大程度上决定了他们的需求。因此需要明确服务对象，通过用户画像技术对老年人各项特征进行详细地刻画，为老年群体量身定做一套服务推荐系统。

由此可知，目前健康养老领域的服务推荐存在以下问题：1)现阶段的推荐算法主要依据历史服务评分，不仅忽略了用户对于服务内容的偏好，而且不能针对指定服务对象，按照服务对象特征展开推荐；2)描述服务对象特征的信息数据类型复杂，不好处理，用传统向量表达方式存在困难，会增加算法的复杂度，降低算法的效率和精度；3)在服务推荐场景下，收集用户评分并不容易，每个评级意味着一个用户拥有消费了一项服务并支付了账单，这使得获取用户评级变得更加困难，因此，存在严重的数据稀疏问题。

基于此，本发明提出了一种在健康养老环境下，基于嵌入式用户画像模型的服务推荐算法：1)结合养老行业的相关统计学规律，选取人口属性、社会属性、健康属性、消费属性构建用户画像标签，对老年用户进行刻画；2)将用户画像标签以句嵌入的方式嵌入神经网络空间；3)结合位置上下文和用户动态属性对生成的连续向量进行修正；4)实现对老年用户的个性化服务推荐。

发明内容

本发明的目的在于提出一种在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，通过嵌入式用户画像构建的方式，学习用户的embedding向量，在保留用户特征的同时，提供多模态数据融合的方式，支持复杂且多样的用户信息，从而支持在专注于老年用户的跨界服务应用平台上，针对特定的老人提供合适的服务推荐。技术方案如下：

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；

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；