[发明专利]基于用户偏好的物联网数据的推荐方法

权利要求书

1.一种基于用户偏好的物联网数据的推荐方法，其特征在于，包括以下步骤：

S1：构建用户注册个人信息的兴趣度模型，分析用户注册信息；

S2：分别根据点击次数、浏览时间、保存与否进行分析用户偏好信息，并构建数据类型模型进行权重和操作行为兴趣度分析，从而获得用户偏好信息；

S3：分析邻近用户对同一项目的兴趣度，并判断邻近用户的偏好信息的相似度；

S4：根据检索项目信息分析用户检索项目相似性，结合用户偏号，获得检索结果。

2.根据权利要求1所述的基于用户偏好的物联网数据的推荐方法，其特征在于，所述步骤S1的具体步骤为：

S11：利用向量空间模型表示法构建用户注册个人信息的兴趣度模型；

S12：采用TFIDF词频算法进行词条权重分析。

3.根据权利要求2所述的基于用户偏好的物联网数据的推荐方法，其特征在于，所述步骤S11的具体步骤为：

S111：利用向量空间模型表示法定义用户注册个人信息的兴趣度模型UIM，表示为UIM＝(K，W)；其中，K表示用户注册信息关键词，W表示注册信息对应的权重值；

当检索客户端进行注册时，根据用户提供的个人信息，UIM表示为：

UIM＝{年龄，性别，职业，兴趣1，兴趣2，兴趣3，…}；

S112：根据向量空间表示法，将用户注册信息表示成一个n维特征向量Hobby：Hobby＝{(k₁，w₁)，(k₂，w₂)，(k₃，w₃)，(k₄，w₄)} (1)；

其中k₁，k₂，k₃，k₄分别表示用户年龄、用户性别、用户职业、用户爱好，W₁，W₂，W₃，W₄分别表示每一部分特征的权重值。

4.根据权利要求3所述的基于用户偏好的物联网数据的推荐方法，其特征在于，所述步骤S12具体包括：

S121：TFIDF词频算法公式为：

其中，W_ii表示词条t_i在文档d_i中出现的频率，idf_i是逆文档频率；

当采用TFIDF算法对网页源代码标记进行重要程度统计时，其中TF_K表示关键字词频向量，即：

TF_K＝(tf_k₁，tf_k₂，tf_k₃，...，tf_k_n) (3)；

S122：根据向量权重的计算得出词频兴趣度；再根据公式(4)获得注册信息兴趣度RI，公式为：RI＝HObby×TF_K (4)。