CN108876069A - 一种养老服务推荐方法 - Google Patents
一种养老服务推荐方法 Download PDFInfo
- Publication number
- CN108876069A CN108876069A CN201811084437.2A CN201811084437A CN108876069A CN 108876069 A CN108876069 A CN 108876069A CN 201811084437 A CN201811084437 A CN 201811084437A CN 108876069 A CN108876069 A CN 108876069A
- Authority
- CN
- China
- Prior art keywords
- user
- endowment
- recommended
- service
- preset
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 210000003813 thumb Anatomy 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000036541 health Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种养老服务推荐方法,其特征在于:包括以下步骤:(1)服务平台通过互联网网页或预设的养老数据库获得养老服务的评分信息S,计算出待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v);(2)建立评价时间模型,服务平台计算待推荐用户u与互联网网页或预设的养老数据库中用户v对养老服务服务的偏好值Pu,i;(3)预测待推荐用户需要的养老服务评分值S(u,i),服务平台按照由高到低的顺序推荐给待推荐的用户u。本发明的有益效果是推荐的养老服务充分考虑用户的社交圈、社交特点和社交信任度,并考虑用户的兴趣变化,推荐的养老服务机构或养老服务更个性化、合理化。
Description
技术领域
本发明涉及养老服务技术领域,特别涉及一种养老服务推荐方法。
背景技术
在中国,老龄化速度加快,人口负增长率升高。经预测,在未来20年,中国老年人口比例将会提高一倍,到2050年,60岁及以上老人的比重将超过百分之三十,社会进入深度老龄化阶段,重度人口老龄化和高龄化将日益突出。因为这样的增长形势,养老问题成为大家所关注的热点问题。老年人数量的增多使得养老服务业快速的发展,越来越多的人关注如何养老,如今养老相关的问题也是着重要解决的问题。
随着互联网的快速发展,网上的信息也随之越来越多,在信息过载的时代,用户往往无法浏览到有效信息,而在无关信息中花费大量时间,所以服务推荐模块的存在就很有必要。如今,推荐系统已广泛存在于各类电商服务网站中,大部分服务以及产品的成交都是来源于推荐系统,随意推荐模块的存在必不可少。个性化推荐的目的在于根据用户的行为历史记录,挖掘和感知用户需求,从大量的信息中将用户真正需要的产品或服务呈现给用户,既节省用户的时间,又提高对信息使用的效率。好的推荐系统可以与用户之间建立紧密关系,提高用户对推荐系统的依赖度。而如何正确精准的感知用户喜好,帮助用户在大量的服务中快速找到满足用户需求的服务是当下研究的重点和难点。在养老服务领域,近年来涌现了很多养老服务平台,目的是为了给老年人及其家属提供养老有关的服务,但由于相关信息太多,平台需要针对不同用户推荐个性化服务,为老年人提供相应服务。如何从大量的信息中获取老年人真正需要的服务,是当下面临的难题。目前的养老平台推荐算法有的仅仅是将垃圾信息过滤,或者将热门服务进行推荐,推荐某个特定类别下的某服务,这样的推荐方式不能满足客户个性化需求,没有达到用户的满意度,也失去了推荐最初的意义,同时也会导致用户流失,平台运转不稳定,造成平台有所损失。
目前较为普遍的推荐算法是协同过滤算法,该算法认定具有相似行为兴趣的用户喜欢相同的产品,但这并不能准确感知用户真正的喜好,并且相似用户之间不存在社交以及信任关系,所以推荐结果会有偏差;热门推荐方法容易造成“马太效应”,此推荐方法默认用户偏好与主流一致,导致热门的服务越来越多的人使用,冷门的服务越来越被人遗忘,冷门的服务并代表不好,而是用户既不会主动搜索,推荐算法也没有进行推荐,造成没有为用户提供多样性服务,这样的推荐系统就失去了意义;基于用户的协同过滤算法适用于用户较少的条件下,用户产生新的行为,不一定会造成推荐结果的立即改变,实时性较差,这样对用户的推荐也不够准确。
所以,如何为老年人推荐个性化服务,而不仅仅依赖最热门内容,要挖掘用户差异化需求,感知用户喜好,让长尾内容能够有机会被更多的用户了解,从而能够较为精准的为老年人提供他们所需要的服务是目前养老服务领域的重点和难点。
发明内容
本发明的目的是为了解决上述技术的不足,提供一种性能稳定、质量可靠、的养老服务系统推荐方法。
本发明的技术方案是:
一种养老服务推荐方法,包括以下步骤:
(1)服务平台通过互联网网页或预设的养老数据库获得养老服务的评分信息S,计算出待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v);
(2)建立评价时间模型,服务平台计算待推荐用户u与互联网网页或预设的养老数据库中用户v对养老服务服务的偏好值Pu,i;
(3)预测待推荐用户需要的养老服务评分值S(u,i),服务平台按照由高到低的顺序推荐给待推荐的用户u。
所述养老服务的评分信息S包括待推荐用户u对养老服务项目i的评分ru,i、待推荐用户u的平均评分养老数据库中用户v对养老服务项目i的评分rv,i和互联网网页或预设的养老数据库中用户v的平均评分所述步骤(1)中待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v)采用皮尔森相似度计算方法,所述皮尔森相似度计算方法公式为:
所述步骤(2)建立时间模型,需要定义用户-服务矩阵P(U×I),计算与待推荐用户u最为相似的K个用户对服务的偏好程度,所述K为正整数,所述偏好程度计算公式为:
其中,U代表用户数目,i代表服务养老数目,Pu,i代表待推荐用户偏好程度,time(u,i)代表待推荐用户u对养老服务项目i的评价时间距离现在的时间差,timei表示用户U整体评价服务的周期。
所述步骤(3)中的养老服务评分值采用TEST算法,所述TEST算法公式为:
其中,所述TEST算法设有输入项和输出项,所述输入项设有用户评价分数S、用户关注列表A、用户历史记录数据H、用户评价时间T和待推荐用户节点u,所述输出项设有相关服务推荐列表R。
所述服务平台通过待推荐用户u与互联网网页或预设的养老数据库中用户v之间的互动建立信任用户社交关系信任网络,所述服务平台通过信任用户社交关系信任网络确定待推荐用户u与互联网网页或预设的养老数据库中用户v之间的信任度t(u,v),所述服务平台通过信任度、评分计算相似度sim'(u,v)和评价时间T相结合推荐养老服务项目i给待推荐客户u。
所述互联网网页或预设的养老数据库内部用户之间的互动包括评论次数Cu,v、点赞次数Lu,v和转发次数Fu,v,所述待推荐用户u与互联网网页或预设的养老数据库中用户v之间的信任度t(u,v)用于体现待推荐用户u对养老服务项目i的兴趣度。
所述用户间的信任度t(u,v)分为直接信任度t1(u,v)和间接信任度t2(u,v),所述直接信任度t1(u,v)是指待推荐用户u与互联网网页或预设的养老数据库中用户v之间相互关注,所述间接信任度t2(u,v)是指待推荐用户u通过一个互联网网页或预设的养老数据库内部用户h与另一个互联网网页或预设的养老数据库内部用户v之间建立有关注渠道。
所述待推荐用户u对互联网网页或预设的养老数据库内部用户v的直接信任度t1(u,v)采用公式:
其中,Cu,v、Lu,v、Fu,v分别表示待推荐用户u对互联网网页或预设的养老数据库内部用户v的评论、点赞、转发数量,Nu表示待推荐用户u关注互联网网页或预设的养老数据库内部用户v的数值。
所述待推荐用户u对互联网网页或预设的养老数据库内部用户v的间接信任度t2(u,v)采用公式:
其中,Cu,h、Lu,h、Fu,h分别表示待推荐用户u对互联网网页或预设的养老数据库中用户h的评论、点赞、转发数量,Nu表示待推荐用户u所关注人的个数;Ch,v、Lh,v、Fh,v分别表示互联网网页或预设的养老数据库中用户v对互联网网页或预设的养老数据库中互联网网页或预设的养老数据库中用户v的评论、点赞、转发数量,Nh表示互联网网页或预设的养老数据库中用户v所关注人的个数。
h表示待推荐用户u和v的中间用户,被待推荐用户u关注并且关注用户v的用户。
用户U和互联网网页或预设的养老数据库内部用户v之间的公式为:
其中,t1(u,v)代表用户u和用户v的直接信任度,t2(u,v)代表用户u和用户v的间接信任度,sim'(u,v)代表用户u和用户v基于评分的相似度。
本发明的有益效果是:推荐的养老服务充分考虑用户的社交圈、社交特点和社交信任度,并考虑用户的兴趣变化,推荐的养老服务机构或养老服务更个性化、合理化。
附图说明
图1是本发明的工作流程示意图;
图2是本发明直接信任关系示意图;
图3是本发明间接信任关系示意图;
图4是本发明应用于养老服务推荐系统的结构图;
图5是本发明算法与基于用户的协同过滤算法比较示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以助于理解本发明的内容。
由图1-5所示,本发明提供一种养老服务系统推荐方法,包括以下步骤:
(1)服务平台通过互联网网页或预设的养老数据库获得养老服务的评分信息S,养老服务的评分信息S包括待推荐用户u对养老服务项目i的评分ru,i、待推荐用户u的平均评分养老数据库中用户v对养老服务项目i的评分rv,i和互联网网页或预设的养老数据库中用户v的平均评分然后通过皮尔森相似度计算方法公式:
可计算得出待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim′(u,v)。
(2)服务平台通过互联网网页或预设的养老数据库获得养老服务的用户关注列表A和用户历史记录数据H,用户关注列表A包括待推荐用户u对养老数据库用户的社交信息、待推荐用户u对互联网网页或预设的养老数据库中用户v的评论次数Cu,v、点赞次数Lu,v和转发次数Fu,v、互联网网页或预设的养老数据库中用户h对互联网网页或预设的养老数据库中用户v的评论Ch,v、点赞Lh,v、转发数量Fh,v、待推荐用户u所关注人的个数Nu和互联网网页或预设的养老数据库中用户h所关注人的个数Nh;
通过公式计算出直接信任度t1(u,v),通过公式计算出间接信任度t2(u,v)。
(3)通过步骤(1)和(2)得出相似度sim'(u,v)、直接信任度t1(u,v)和间接信任度t2(u,v),根据公式
可以计算出用户综合相似度sim(u,v)。
直接信任关系的优先级别高于间接信任关系,间接信任关系优先于不存在信任关系,即存在直接信任关系和间接信任关系时,我们优先采用直接信任关系的算法。
(4)通过步骤(3)生成的sim(u,v)数值大小进行由高到低排序排序,取数值最高的K个用户,生成最近邻集合S(u)。
(5)服务平台通过互联网网页或预设的养老数据库获得用户评价时间T,建立时间模型,从而来计算用户偏好值Pu,i,并且需要定义用户-服务矩阵P(U×I),计算由步骤(4)生成的最近邻集合S(u)中用户的偏好程度,进而通过公式
计算偏好值Pu,i,其中评价时间T包括用户u对服务i的评价时间距离现在的时间差time(u,i)以及用户整体评价服务的周期timei。矩阵P(U×I)包括待推荐用户u对养老服务i的偏好值Pu,i。
(6)根据步骤(3)和(5)得出用户综合相似度sim(u,v)和用户u对养老服务i的偏好值Pu,i,从而通过公式
计算待推荐用户u对养老服务i的待推荐用户需要的养老服务评分值S(u,i)。
如图2所示,待推荐用户u与互联网网页或预设的养老数据库中用户v之间相互关注为直接信任关系。
如图3所示,待推荐用户u与互联网网页或预设的养老数据库中用户v之间没有关注,需要通过互联网网页或预设的养老数据库中用户h建立有关注渠道。
如图4所示,服务平台通过互联网网页或预设的养老数据库获得养老服务的评价时间、用户关注列表、用户互动信息、用户评价信息,服务平台通过这些信息并结合图1的算法建立时间模型和推荐模型;API接口用于服务平台操作系统调试应用程序的接口,即服务平台的应用程序通过API接口调去执行应用程序的命令,从而将本发明的整个模型应用于养老服务平台。
如图5所示,实验数据源是豆瓣的用户数据和电影评估数据。原始数据包含986个用户的约80,000个评价,以及这些用户的约50,000个社交行为数据。电影的所有分数都是1到5,用户评价分数越高,用户越喜欢它。在电影数据中,电影数据属性被映射到老化的服务数据。电影发布时间表示养老服务平台中老年护理服务的发布时间,电影用户评分表示老人护理服务上的老人评分,电影用户社交信息表示老年人之间的社交信息。首先,处理数据,每个用户评估不少于20个数据的电影,并删除非法字符和个人信息等敏感信息。其次,根据本文提出的思路,首先根据获得的得分数据计算用户之间的Pearson相似度,然后搜索用户关注列表,找到用户的社交信息,用户之间的信任度为计算。第三,相邻用户集的数量是10,20,30,40,50,在选择不同数量的类似用户时计算MAE变化。最后,基于所选择的K个类似用户对目标服务的评估时间来计算偏好,从而预测目标用户对目标服务的预测得分值。实验结果表明,当K为50时,实验结果最佳,本发明算法与基于用户的协同过滤算法进行对比,得出TSET有更好的推荐效果。
待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim′(u,v)的取值范围在0-1,服务平台计算待推荐用户u与互联网网页或预设的养老数据库中用户v对养老服务服务的偏好值Pu,i的取值范围在0-1。
应用场景:
(1)在不考虑信任关系和评价时间的情况下,只计算待推荐用户u和互联网网页或预设的养老数据库中用户v之间基于评分的相似度,互联网网页或预设的养老数据库中用户v为各个服务的评分表,服务评分分值范围为1-5分,评分表见下表1-1:
表1-1互联网网页或预设的养老数据库中用户v为各个服务的评分表
日间照料 | 营养午餐 | 养生调理 | 助洁助浴 | 健康评估 | 养生训练 | 家政服务 | |
用户a | 3 | 4 | 2 | 3 | 5 | 2 | 3 |
用户b | 3 | 2 | 1 | 5 | 4 | 3 | 4 |
用户c | 4 | 2 | 2 | 4 | 3 | 1 | 2 |
用户d | 2 | 3 | 3 | 4 | 4 | 2 | 5 |
假设用户d为待推荐客户,现在计算待推荐客户d与其他互联网网页或预设的养老数据库中用户的相似度,待推荐客户d与互联网网页或预设的养老数据库中用户a、b、c的数值分别为0.57、0.47、0.36,待推荐用户d与互联网网页或预设的养老数据库中用户a最相似,预测待推荐用户d给家政服务的打分是4.37。
(2)在考虑信任关系和评价时间的情况下待推荐用户d、互联网网页或预设的养老数据库中用户a、互联网网页或预设的养老数据库中用户b和互联网网页或预设的养老数据库中用户c评价服务时间如下表1-2所示:
表1-2评价服务时间
日间照料 | 营养午餐 | 养生调理 | 助洁助浴 | 健康评估 | 养生训练 | 家政服务 | |
用户a | 2天前 | 5天前 | 3天前 | 3天前 | 5天前 | 2天前 | 3天前 |
用户b | 3天前 | 2天前 | 3天前 | 5天前 | 4天前 | 3天前 | 4天前 |
用户c | 5天前 | 2天前 | 2天前 | 4天前 | 3天前 | 1天前 | 2天前 |
用户d | 5天前 | 3天前 | 3天前 | 4天前 | 2天前 | 2天前 | 5 |
社交信息如下表1-3所示:
表1-3社交关系
用户a | 用户b | 用户c | 用户d | |
用户a | 0 | 10 | 5 | 7 |
用户b | 2 | 0 | 10 | 7 |
用户c | 4 | 2 | 0 | 4 |
用户d | 2 | 3 | 3 | 0 |
d一共发出30条信息,计算待推荐用户d与互联网网页或预设的养老数据库中用户a、互联网网页或预设的养老数据库中用户b和互联网网页或预设的养老数据库中用户c的相似度数值分别为0.63,0.57,0.46,从而预计待推荐用户d对家政服务的打分为4.5。
惟以上所述者,仅为本发明的具体实施例而已,当不能以此限定本发明实施的范围,故其等同组件的置换,或依本发明专利保护范围所作的等同变化与修改,皆应仍属本发明权利要求书涵盖之范畴。
Claims (10)
1.一种养老服务推荐方法,其特征在于:包括以下步骤:
(1)服务平台通过互联网网页或预设的养老数据库获得养老服务的评分信息S,计算出待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v);
(2)建立评价时间模型,服务平台计算待推荐用户u与互联网网页或预设的养老数据库中用户v对养老服务服务的偏好值Pu,i;
(3)预测待推荐用户需要的养老服务评分值S(u,i),服务平台按照由高到低的顺序推荐给待推荐的用户u。
2.根据权利要求1所述的养老服务系统推荐方法,其特征在于:所述养老服务的评分信息S包括待推荐用户u对养老服务项目i的评分ru,i、待推荐用户u的平均评分养老数据库中用户v对养老服务项目i的评分rv,i和互联网网页或预设的养老数据库中用户v的平均评分所述步骤(1)中待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v)采用皮尔森相似度计算方法,所述皮尔森相似度计算方法公式为:
3.根据权利要求1所述的养老服务系统推荐方法,其特征在于:所述步骤(2)建立时间模型,需要定义用户-服务矩阵P(U×I),计算与待推荐用户u最为相似的K个用户对服务的偏好程度,所述K为正整数,所述偏好程度计算公式为:
其中,U代表用户数目,i代表服务养老数目,Pu,i代表待推荐用户偏好程度,time(u,i)代表待推荐用户u对养老服务项目i的评价时间距离现在的时间差,timei表示用户U整体评价服务的周期。
4.根据权利要求1所述的养老服务系统推荐方法,其特征在于:所述步骤(3)中的养老服务评分值采用TEST算法,所述TEST算法公式为:
其中,所述TEST算法设有输入项和输出项,所述输入项设有用户评价分数S、用户关注列表A、用户历史记录数据H、用户评价时间T和待推荐用户节点u,所述输出项设有相关服务推荐列表R。
5.根据权利要求1-4任意一项所述的养老服务系统推荐方法,其特征在于:所述服务平台通过待推荐用户u与互联网网页或预设的养老数据库中用户v之间的互动建立信任用户社交关系信任网络,所述服务平台通过信任用户社交关系信任网络确定待推荐用户u与互联网网页或预设的养老数据库中用户v之间的信任度t(u,v),所述服务平台通过信任度、评分计算相似度sim'(u,v)和评价时间T相结合推荐养老服务项目i给待推荐客户u。
6.根据权利要5所述的养老服务系统推荐方法,其特征在于:所述互联网网页或预设的养老数据库内部用户之间的互动包括评论次数Cu,v、点赞次数Lu,v和转发次数Fu,v,所述待推荐用户u与互联网网页或预设的养老数据库中用户v之间的信任度t(u,v)用于体现待推荐用户u对养老服务项目i的兴趣度。
7.根据权利要6所述的养老服务系统推荐方法,其特征在于:所述用户间的信任度t(u,v)分为直接信任度t1(u,v)和间接信任度t2(u,v),所述直接信任度t1(u,v)是指待推荐用户u与互联网网页或预设的养老数据库中用户v之间相互关注,所述间接信任度t2(u,v)是指待推荐用户u通过一个互联网网页或预设的养老数据库内部用户h与另一个互联网网页或预设的养老数据库内部用户v之间建立有关注渠道。
8.根据权利要7所述的养老服务系统推荐方法,其特征在于:所述待推荐用户u对互联网网页或预设的养老数据库内部用户v的直接信任度t1(u,v)采用公式:
其中,Cu,v、Lu,v、Fu,v分别表示待推荐用户u对互联网网页或预设的养老数据库内部用户v的评论、点赞、转发数量,Nu表示待推荐用户u关注互联网网页或预设的养老数据库内部用户v的数值。
9.根据权利要8所述的养老服务系统推荐方法,其特征在于:所述待推荐用户u对互联网网页或预设的养老数据库内部用户v的间接信任度t2(u,v)采用公式:
其中,Cu,h、Lu,h、Fu,h分别表示待推荐用户u对互联网网页或预设的养老数据库中用户h的评论、点赞、转发数量,Nu表示待推荐用户u所关注人的个数;Ch,v、Lh,v、Fh,v分别表示互联网网页或预设的养老数据库中用户v对互联网网页或预设的养老数据库中互联网网页或预设的养老数据库中用户v的评论、点赞、转发数量,Nh表示互联网网页或预设的养老数据库中用户v所关注人的个数;
h表示待推荐用户u和v的中间用户,被待推荐用户u关注并且关注用户v的用户。
10.根据权利要9所述的养老服务系统推荐方法,其特征在于:用户U和互联网网页或预设的养老数据库内部用户v之间的公式为:
其中,t1(u,v)代表用户u和用户v的直接信任度,t2(u,v)代表用户u和用户v的间接信任度,sim'(u,v)代表用户u和用户v基于评分的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811084437.2A CN108876069B (zh) | 2018-09-18 | 2018-09-18 | 一种养老服务推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811084437.2A CN108876069B (zh) | 2018-09-18 | 2018-09-18 | 一种养老服务推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108876069A true CN108876069A (zh) | 2018-11-23 |
CN108876069B CN108876069B (zh) | 2021-11-09 |
Family
ID=64324165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811084437.2A Active CN108876069B (zh) | 2018-09-18 | 2018-09-18 | 一种养老服务推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876069B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428353A (zh) * | 2019-08-14 | 2019-11-08 | 卫宁健康科技集团股份有限公司 | 健康养老服务的智能联动方法、系统、设备及存储介质 |
CN111242397A (zh) * | 2018-11-28 | 2020-06-05 | 苏州市铼康护养老护理有限公司 | 一种养老服务推荐方法 |
CN111325648A (zh) * | 2020-02-20 | 2020-06-23 | 杭州电子科技大学 | 一种基于犹豫模糊的养老服务组合优化方法及系统 |
CN111767469A (zh) * | 2020-06-17 | 2020-10-13 | 中国建设银行股份有限公司 | 一种养老服务推荐方法和装置 |
CN112148974A (zh) * | 2020-09-16 | 2020-12-29 | 国网浙江省电力有限公司电力科学研究院 | 用户养老服务推荐方法以及计算机设备及存储介质 |
CN112182376A (zh) * | 2020-09-28 | 2021-01-05 | 安徽访得信息科技有限公司 | 一种实时高效分析的互联网广告平台的推荐引擎方法 |
CN113220985A (zh) * | 2021-04-06 | 2021-08-06 | 天津大学 | 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 |
CN114840777A (zh) * | 2022-07-04 | 2022-08-02 | 杭州城市大脑有限公司 | 多维度养老服务推荐方法、装置以及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130254217A1 (en) * | 2012-03-07 | 2013-09-26 | Ut-Battelle, Llc | Recommending personally interested contents by text mining, filtering, and interfaces |
CN106570090A (zh) * | 2016-10-20 | 2017-04-19 | 杭州电子科技大学 | 基于兴趣变化和信任关系的协同过滤推荐方法 |
WO2018064662A1 (en) * | 2016-09-30 | 2018-04-05 | Node Inc. | Systems and methods for personalized discovery engines |
CN108427715A (zh) * | 2018-01-30 | 2018-08-21 | 重庆邮电大学 | 一种融合信任度的社交网络好友推荐方法 |
CN111242397A (zh) * | 2018-11-28 | 2020-06-05 | 苏州市铼康护养老护理有限公司 | 一种养老服务推荐方法 |
-
2018
- 2018-09-18 CN CN201811084437.2A patent/CN108876069B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130254217A1 (en) * | 2012-03-07 | 2013-09-26 | Ut-Battelle, Llc | Recommending personally interested contents by text mining, filtering, and interfaces |
WO2018064662A1 (en) * | 2016-09-30 | 2018-04-05 | Node Inc. | Systems and methods for personalized discovery engines |
CN106570090A (zh) * | 2016-10-20 | 2017-04-19 | 杭州电子科技大学 | 基于兴趣变化和信任关系的协同过滤推荐方法 |
CN108427715A (zh) * | 2018-01-30 | 2018-08-21 | 重庆邮电大学 | 一种融合信任度的社交网络好友推荐方法 |
CN111242397A (zh) * | 2018-11-28 | 2020-06-05 | 苏州市铼康护养老护理有限公司 | 一种养老服务推荐方法 |
Non-Patent Citations (5)
Title |
---|
DONG XINXIN等: "A recommendation of pension service based on trusted network", 《2017 IEEE INTERNATIONAL SYMPOSIUM ON PARALLEL AND DISTRIBUTED PROCESSING WITH APPLICATIONS AND 2017 IEEE INTERNATIONAL CONFERENCE ON UBIQUITOUS COMPUTING AND COMMUNICATIONS (ISPA/IUCC)》 * |
KAIQI ZHANG等: "A Recommendation Of Pension Service based on user preferences and trust relationships", 《IOP CONFERENCE SERIES: MATERIALS SCIENCE AND ENGINEERING》 * |
MELIKA REZAEE GARAKANI等: "A trust prediction approach by using collaborative filtering and computing similarity in social networks", 《2014 INTERNATIONAL CONGRESS ON TECHNOLOGY, COMMUNICATION AND KNOWLEDGE (ICTCK)》 * |
卜云飞: "面向养老服务的推荐方法研究及应用", 《中国优秀博硕士学位论文全文数据库(硕士)社会科学Ⅰ辑》 * |
戚文博等: "基于混合相似度和信任传播的位置推荐系统", 《计算机应用与软件》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242397A (zh) * | 2018-11-28 | 2020-06-05 | 苏州市铼康护养老护理有限公司 | 一种养老服务推荐方法 |
CN110428353A (zh) * | 2019-08-14 | 2019-11-08 | 卫宁健康科技集团股份有限公司 | 健康养老服务的智能联动方法、系统、设备及存储介质 |
CN111325648A (zh) * | 2020-02-20 | 2020-06-23 | 杭州电子科技大学 | 一种基于犹豫模糊的养老服务组合优化方法及系统 |
CN111767469A (zh) * | 2020-06-17 | 2020-10-13 | 中国建设银行股份有限公司 | 一种养老服务推荐方法和装置 |
CN112148974A (zh) * | 2020-09-16 | 2020-12-29 | 国网浙江省电力有限公司电力科学研究院 | 用户养老服务推荐方法以及计算机设备及存储介质 |
CN112182376A (zh) * | 2020-09-28 | 2021-01-05 | 安徽访得信息科技有限公司 | 一种实时高效分析的互联网广告平台的推荐引擎方法 |
CN113220985A (zh) * | 2021-04-06 | 2021-08-06 | 天津大学 | 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 |
CN113220985B (zh) * | 2021-04-06 | 2022-07-19 | 天津大学 | 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 |
CN114840777A (zh) * | 2022-07-04 | 2022-08-02 | 杭州城市大脑有限公司 | 多维度养老服务推荐方法、装置以及电子设备 |
CN114840777B (zh) * | 2022-07-04 | 2022-09-27 | 杭州城市大脑有限公司 | 多维度养老服务推荐方法、装置以及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108876069B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108876069A (zh) | 一种养老服务推荐方法 | |
US10489409B2 (en) | Providing relevant notification based on common interests between friends in a social networking system | |
US9385986B2 (en) | Timing for providing relevant notifications for a user based on user interaction with notifications | |
US10223648B2 (en) | Providing context relevant search for a user based on location and social information | |
AU2011345269B2 (en) | Providing relevant notifications for a user based on location and social information | |
AU2011345267B2 (en) | Pricing relevant notifications provided to a user based on location and social information | |
US20080301582A1 (en) | Taste network widget system | |
KR101807561B1 (ko) | 소셜 네트워킹 엔진의 사용자들에게 콘텐츠를 다이렉팅하는 시스템 및 방법 | |
US20140172545A1 (en) | Learned negative targeting features for ads based on negative feedback from users | |
US20110218859A1 (en) | Method, Apparatus and System for Increasing Website Data Transfer Speed | |
US20130238617A1 (en) | Method and system for implementing a social network profile | |
CN105975522B (zh) | 一种多领域内容推荐方法及服务器 | |
KR20170084171A (ko) | 광고에 대한 타겟팅 기준을 갖는 시청자 지표의 사용 | |
CN103559622A (zh) | 基于特征的协同过滤推荐方法 | |
CN107274242A (zh) | 一种基于关联分析算法的商品推荐方法 | |
Roos et al. | The effect of links and excerpts on internet news consumption | |
US20080301551A1 (en) | Taste network system and method | |
Ito et al. | A study on improvement of serendipity in item-based collaborative filtering using association rule | |
CN110825967B (zh) | 一种提高推荐系统多样性的推荐列表重排名方法 | |
Chalupa | THE IMPACT OF ONLINE REPUTATION MANAGEMENT ON CUSTOMERS'DECISION MAKING PROCESS. | |
Zhu et al. | Predict user interest with respect to global interest popularity | |
CN105956201A (zh) | 一种社会化网络的视频推荐方法和装置 | |
KR101730982B1 (ko) | 공유 바이럴 지수 계산 방법 및 장치, 공유 바이럴 지수 기반의 컨텐츠 제공 방법, 장치 | |
JP2020149260A (ja) | 地点情報推奨システムおよび地点情報推奨プログラム | |
Bhatt et al. | Data Driven Recommendations for Display Advertising |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |