CN104657487B - 一种基于用户车牌查询行为的车牌推荐方法及装置 - Google Patents
一种基于用户车牌查询行为的车牌推荐方法及装置 Download PDFInfo
- Publication number
- CN104657487B CN104657487B CN201510097357.0A CN201510097357A CN104657487B CN 104657487 B CN104657487 B CN 104657487B CN 201510097357 A CN201510097357 A CN 201510097357A CN 104657487 B CN104657487 B CN 104657487B
- Authority
- CN
- China
- Prior art keywords
- car plate
- user
- inquiry
- car
- plate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于用户车牌查询行为的车牌推荐方法及装置,其中方法包括:A、针对用户最近一段时间T内查询的所有车牌,采用式子计算各个车牌的得分,其中,T为预先设置的时间段;Si为车牌i的得分;αk为与车牌i相似度最高的K个车牌中、车牌k的查询权重;K为预先设定的整数;s(i,k)为车牌i与车牌k的相似度;B、为用户推荐得分最高的N个车牌,其中N为预先设定的整数。本发明能够基于用户对车牌的查询行为为用户推荐车牌。
Description
技术领域
本发明涉及数据查询技术领域,尤其涉及一种基于用户车牌查询行为的车牌推荐方法及装置。
背景技术
各地的办案民警在侦办案件时会在数据库中查询其所侦办案件中嫌疑车辆的车牌号码,以获取车辆及嫌疑人的相关信息。对于一些流窜作案的团伙而言,在一个地方作案之后,乘车转移到另一个地方继续作案,受限于各地公安联网信息的缺乏,会导致案件信息沟通不畅,造成案件侦破上的困难。所以为了有效利用各地的办案信息,有必要开发一种推荐方法,能够根据各地办案民警平时的查询行为,智能地推荐相关联的车牌信息,从而有助于办案人员进行串并案,提高案件的侦破进度。
发明内容
本发明提供了一种基于用户车牌查询行为的车牌推荐方法,能够基于用户(办案人员)的查询行为为用户推荐车牌。
本发明还提供了一种基于用户车牌查询行为的车牌推荐装置,能够基于用户的查询行为为用户推荐车牌。
本发明的技术方案是这样实现的:
一种基于用户车牌查询行为的车牌推荐方法,包括:
A、针对用户最近一段时间T内查询的所有车牌,采用式子(1)计算各个车牌的得分,其中,T为预先设置的时间段;
其中,Si为车牌i的得分;
αk为与车牌i相似度最高的K个车牌中、车牌k的查询权重;K为预先设定的整数;
s(i,k)为车牌i与车牌k的相似度;
B、为用户推荐得分最高的N个车牌,其中N为预先设定的整数。
一种基于用户车牌查询行为的车牌推荐装置,包括:
评分模块,用于针对用户最近一段时间T内查询的所有车牌,采用式子(1)计算各个车牌的得分,其中,T为预先设置的时间段;
其中,Si为车牌i的得分;
αk为与车牌i相似度最高的K个车牌中、车牌k的查询权重;K为预先设定的整数;
s(i,k)为车牌i与车牌k的相似度;
推荐模块,用于为用户推荐得分最高的N个车牌,其中N为预先设定的整数。
可见,本发明提出的基于用户车牌查询行为的车牌推荐方法和装置,针对用户在一段之间查询的车牌,基于每个车牌的查询权重及两两车牌之间的相似度计算每个车牌的得分,得分越高表示该车牌与其他车牌的关联越大,则更有可能是用户想要查找的车牌;因此,向用户推荐得分高的车牌更有可能满足用户的需求。
附图说明
图1为本发明提出的基于用户车牌查询行为的车牌推荐方法实现流程图;
图2为本发明提出的基于用户车牌查询行为的车牌推荐装置结构示意图。
具体实施方式
本发明提出一种基于用户车牌查询行为的车牌推荐方法,如图1为该方法实现流程图,包括:
步骤101:针对用户最近一段时间T内查询的所有车牌,采用式子(1)计算各个车牌的得分,其中,T为预先设置的时间段;
其中,Si为车牌i的得分;
αk为与车牌i相似度最高的K个车牌中、车牌k的查询权重;K为预先设定的整数;
s(i,k)为车牌i与车牌k的相似度;
步骤102:为用户推荐得分最高的N个车牌,其中N为预先设定的整数。
上述步骤101中,车牌的查询权重可以采用式子(2)计算得到:
其中,αj为车牌j的查询权重;
qj为用户在最近一段时间T内对车牌j的查询次数;
J为用户在最近一段时间T内查询的车牌个数。
上述步骤101中,两个车牌之间的相似度可以采用式子(3)计算得到:
其中,sim(i,j)为车牌i和车牌j的相似度;
Vi为车牌i的查询向量,Vi包含X个元素,每个元素的取值为对应用户对车牌i的查询次数,X为查询系统中的用户总数;
Vj为车牌j的查询向量,Vj包含X个元素,每个元素的取值为对应用户对车牌j的查询次数,X为查询系统中的用户总数。
上述过程中,车牌的查询向量可以通过以下方式得到:
根据查询系统中所有用户对车牌的查询记录确定车牌查询矩阵M,M为X行Y列的矩阵,其中,Y为查询系统中的车牌总数;M中的元素M(x,y)表示用户x对车牌y的查询次数;
将所述M中的每一列分别作为对应车牌的查询向量。
以下举具体的实施例详细介绍。
实施例一:
本实施例首先构建车牌查询矩阵M,并根据M确定每个车牌的查询向量;之后,对用户最近一段时间内查询的J个车牌,利用之前确定的车牌查询向量计算每个车牌的得分,向用户推荐得分高的车牌。本实施例包括以下步骤:
第一步,根据原始查询数据构建车牌查询矩阵M。
其中,原始查询数据的数据格式可以为:(用户ID、车牌号码、车牌类型、查询时间、卡口、车辆类型、车辆品牌)等。
M为一个X行Y列的矩阵,其中,X表示查询系统中的用户总数,Y为查询系统中的车牌总数;
M中的各个元素的取值为对应用户查询对应车牌的次数;例如,当元素M(x,y)取值为1时,表示用户x查询过车牌y一次。
下表1为与M对应的列表。其中,第一行表示车牌,第一列表示用户,其余内容表示对应用户查询对应车牌的次数。
车牌1 | 车牌2 | 车牌3 | ……. | |
用户1 | 1 | 0 | 1 | …… |
用户2 | 0 | 2 | 1 | …… |
用户3 | 1 | 0 | 0 | …… |
…… | …… | …… | …… | …… |
表1
第二步,利用M中的每一列分别确定对应车牌的查询向量V。车牌i的查询向量Vi包含X个元素,每个元素的取值为对应用户对车牌i的查询次数,X为查询系统中的用户总数。
例如,当M对应的列表为上表1时,利用M的第1列确定出车牌1的查询向量为V1=(1,0,1,......)。
上述第一步和第二步中,本实施例采用了先确定车牌查询矩阵M、再根据M确定每个用户的查询向量V的方式;本发明也可以直接根据原始查询数据构建每个用户的查询向量V。
第三步,利用每个车牌的查询向量计算两两车牌的相似度。相似度的计算方法可以采用cosine函数,即:
其中,
sim(i,j)为车牌i和车牌j的相似度;
Vi为车牌i的查询向量;
Vj为车牌j的查询向量。
车牌之间的相似度可以构建成一个车牌相似度矩阵,下表2为车牌相似度矩阵对应的列表,其中,第一行及第一列表示车牌,其余内容表示对应行所表示的车牌与对应列所表示的车牌之间的相似度。
车牌1 | 车牌2 | 车牌3 | ……. | |
车牌1 | 1 | 0.50 | 0 | …… |
车牌2 | 0.5 | 1 | 0.67 | …… |
车牌3 | 0 | 0.67 | 1 | …… |
…… | …… | …… | …… | …… |
表2
车牌相似度矩阵中各个元素的取值范围为[0,1],0表示完全不同,1表示完全相似;车牌相似度矩阵是一个对称矩阵。
如果Vi与Vj相等,则计算得到车牌i与车牌j的相似度为1,即表示从用户查询角度来看,车牌i与车牌j是一致的。
第四步,确定用户在最近一段时间T内查询的车牌,假定共查询了J个车牌,计算每个车牌的得分。针对每个车牌,计算得分的方式可以为:
其中,Si为车牌i的得分;
αk为与车牌i相似度最高的K个车牌中、车牌k的查询权重;K为预先设定的整数;
s(i,k)为车牌i与车牌k的相似度。
第五步,向用户推荐得分最高的N个车牌。
通过上述方式,完成了基于用户车牌查询行为的车牌推荐。
以上介绍了本发明提出的基于用户车牌查询行为的车牌推荐方法,本发明还提出一种相应的装置,如图2为该装置结构示意图,包括:
评分模块210,用于针对用户最近一段时间T内查询的所有车牌,采用式子(1)计算各个车牌的得分,其中,T为预先设置的时间段;
其中,Si为车牌i的得分;
αk为与车牌i相似度最高的K个车牌中、车牌k的查询权重;K为预先设定的整数;
s(i,k)为车牌i与车牌k的相似度;
推荐模块220,用于为用户推荐得分最高的N个车牌,其中N为预先设定的整数。
上述装置中,评分模块210可以包括查询权重计算子模块211,用于采用式子(2)计算车牌的查询权重:
其中,αj为车牌j的查询权重;
qj为用户在最近一段时间T内对车牌j的查询次数;
J为用户在最近一段时间T内查询的车牌个数。
评分模块210还可以包括相似度计算子模块212,用于采用式子(3)计算两个车牌之间的相似度:
其中,sim(i,j)为车牌i和车牌j的相似度;
Vi为车牌i的查询向量,Vi包含X个元素,每个元素的取值为对应用户对车牌i的查询次数,X为查询系统中的用户总数;
Vj为车牌j的查询向量,Vj包含X个元素,每个元素的取值为对应用户对车牌j的查询次数,X为查询系统中的用户总数。
评分模块还可以包括查询向量确定子模块213,用于采用以下方式确定车牌的查询向量:根据查询系统中所有用户对车牌的查询记录确定车牌查询矩阵M,M为X行Y列的矩阵,其中,Y为查询系统中的车牌总数;M中的元素M(x,y)表示用户x对车牌y的查询次数;将所述M中的每一列分别作为对应车牌的查询向量。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (6)
1.一种基于用户车牌查询行为的车牌推荐方法,其特征在于,所述方法包括:
A、针对用户最近一段时间T内查询的所有车牌,采用式子(1)计算各个车牌的得分,其中,T为预先设置的时间段;
其中,Si为车牌i的得分;
αk为与车牌i相似度最高的K个车牌中、车牌k的查询权重;K为预先设定的整数;
s(i,k)为车牌i与车牌k的相似度;
B、为用户推荐得分最高的N个车牌,其中N为预先设定的整数;
其中,所述步骤A中车牌的查询权重采用式子(2)计算得到:
其中,αj为车牌j的查询权重;
qj为用户在最近一段时间T内对车牌j的查询次数;
J为用户在最近一段时间T内查询的车牌个数。
2.根据权利要求1所述的方法,其特征在于,所述步骤A中两个车牌之间的相似度采用式子(3)计算得到:
其中,sim(i,j)为车牌i和车牌j的相似度;
Vi为车牌i的查询向量,Vi包含X个元素,每个元素的取值为对应用户对车牌i的查询次数,X为查询系统中的用户总数;
Vj为车牌j的查询向量,Vj包含X个元素,每个元素的取值为对应用户对车牌j的查询次数,X为查询系统中的用户总数。
3.根据权利要求2所述的方法,其特征在于,所述车牌的查询向量通过以下方式得到:
根据查询系统中所有用户对车牌的查询记录确定车牌查询矩阵M,M为X行Y列的矩阵,其中,Y为查询系统中的车牌总数;M中的元素M(x,y)表示用户x对车牌y的查询次数;
将所述M中的每一列分别作为对应车牌的查询向量。
4.一种基于用户车牌查询行为的车牌推荐装置,其特征在于,所述装置包括:
评分模块,用于针对用户最近一段时间T内查询的所有车牌,采用式子(1)计算各个车牌的得分,其中,T为预先设置的时间段;
其中,Si为车牌i的得分;
αk为与车牌i相似度最高的K个车牌中、车牌k的查询权重;K为预先设定的整数;
s(i,k)为车牌i与车牌k的相似度;
推荐模块,用于为用户推荐得分最高的N个车牌,其中N为预先设定的整数;
其中,
所述评分模块包括查询权重计算子模块,用于采用式子(2)计算车牌的查询权重:
其中,αj为车牌j的查询权重;
qj为用户在最近一段时间T内对车牌j的查询次数;
J为用户在最近一段时间T内查询的车牌个数。
5.根据权利要求4所述的装置,其特征在于,所述评分模块还包括相似度计算子模块,用于采用式子(3)计算两个车牌之间的相似度:
其中,sim(i,j)为车牌i和车牌j的相似度;
Vi为车牌i的查询向量,Vi包含X个元素,每个元素的取值为对应用户对车牌i的查询次数,X为查询系统中的用户总数;
Vj为车牌j的查询向量,Vj包含X个元素,每个元素的取值为对应用户对车牌j的查询次数,X为查询系统中的用户总数。
6.根据权利要求5所述的装置,其特征在于,所述评分模块还包括查询向量确定子模块,用于采用以下方式确定车牌的查询向量:根据查询系统中所有用户对车牌的查询记录确定车牌查询矩阵M,M为X行Y列的矩阵,其中,Y为查询系统中的车牌总数;M中的元素M(x,y)表示用户x对车牌y的查询次数;将所述M中的每一列分别作为对应车牌的查询向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510097357.0A CN104657487B (zh) | 2015-03-05 | 2015-03-05 | 一种基于用户车牌查询行为的车牌推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510097357.0A CN104657487B (zh) | 2015-03-05 | 2015-03-05 | 一种基于用户车牌查询行为的车牌推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104657487A CN104657487A (zh) | 2015-05-27 |
CN104657487B true CN104657487B (zh) | 2017-12-22 |
Family
ID=53248614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510097357.0A Active CN104657487B (zh) | 2015-03-05 | 2015-03-05 | 一种基于用户车牌查询行为的车牌推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104657487B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820723B (zh) * | 2015-05-28 | 2018-05-01 | 北斗导航位置服务(北京)有限公司 | 一种基于货主偏好性学习的车辆在线推荐排序方法 |
CN106205199A (zh) * | 2016-08-31 | 2016-12-07 | 广东艾科智泊科技股份有限公司 | 一种车牌容错处理系统 |
CN109448211B (zh) * | 2018-09-18 | 2022-06-17 | 平安科技(深圳)有限公司 | 基于大数据的车牌发放方法、装置、介质和设备 |
CN110909240A (zh) * | 2019-11-13 | 2020-03-24 | 上海易点时空网络有限公司 | 用于车牌号选号数据处理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783004A (zh) * | 2010-03-03 | 2010-07-21 | 陈嵘 | 快速智能化的商品推荐系统 |
CN102479366A (zh) * | 2010-11-25 | 2012-05-30 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2746675C (en) * | 2008-12-12 | 2015-03-31 | Atigeo Llc | Providing recommendations using information determined for domains of interest |
-
2015
- 2015-03-05 CN CN201510097357.0A patent/CN104657487B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101783004A (zh) * | 2010-03-03 | 2010-07-21 | 陈嵘 | 快速智能化的商品推荐系统 |
CN102479366A (zh) * | 2010-11-25 | 2012-05-30 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104657487A (zh) | 2015-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657487B (zh) | 一种基于用户车牌查询行为的车牌推荐方法及装置 | |
JP5382599B2 (ja) | 秘匿化アドレスマッチング処理システム | |
CN102460511B (zh) | 用于物体识别的图像数据库的制作方法以及制作装置 | |
CN103473492B (zh) | 权限识别方法和用户终端 | |
US20110161158A1 (en) | Method and system for providing discount information | |
WO2006064207A3 (en) | Information collection system | |
CN110795603B (zh) | 一种基于树模型的预测方法和装置 | |
CN103164701B (zh) | 手写体数字识别方法及装置 | |
CN102023984A (zh) | 甄别重复实体数据的方法和系统 | |
Slavkovikj et al. | Image-based road type classification | |
CN108536749A (zh) | 基于碰撞检测法构建人员轨迹视图的方法 | |
CN103500224A (zh) | 一种数据写入方法及装置、数据读取方法及装置 | |
CN106203165A (zh) | 基于可信云计算的信息大数据分析支撑方法 | |
CN104182486B (zh) | 电子地图展现方法和装置 | |
CN103885945B (zh) | 海量信息处理方法和系统 | |
CN103034866B (zh) | 一种目标识别方法、装置及系统 | |
JP2007158413A5 (zh) | ||
CN112560711A (zh) | 非机动车交通违法判定方法、系统、装置及存储介质 | |
CN108509765A (zh) | 一种基于fm-n-dnn的药物靶标相互作用预测方法 | |
Rassias et al. | Topics in mathematical analysis and applications | |
CN106156349A (zh) | 基于信息安全的图像检索方法 | |
Spiegel | Commentary on the chastity of amoebae: re-evaluating evidence for sex in amoeboid organisms | |
CN106126699A (zh) | 一种基于数据碰撞的特征线索查询方法和系统 | |
CN104978395A (zh) | 视觉词典构建及应用方法和装置 | |
CN110781213B (zh) | 一种以人员为中心的多源海量数据关联搜索方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PP01 | Preservation of patent right |
Effective date of registration: 20220726 Granted publication date: 20171222 |
|
PP01 | Preservation of patent right |