CN115841367A - 一种基于用户睡眠行为的产品推荐方法 - Google Patents

一种基于用户睡眠行为的产品推荐方法 Download PDF

Info

Publication number
CN115841367A
CN115841367A CN202310000549.XA CN202310000549A CN115841367A CN 115841367 A CN115841367 A CN 115841367A CN 202310000549 A CN202310000549 A CN 202310000549A CN 115841367 A CN115841367 A CN 115841367A
Authority
CN
China
Prior art keywords
sleep
user
matrix
product
weight
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
Application number
CN202310000549.XA
Other languages
English (en)
Other versions
CN115841367B (zh
Inventor
黄志蛟
蒋有余
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Tehao Shangmeng Technology Co ltd
Original Assignee
Sichuan Tehao Shangmeng Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Tehao Shangmeng Technology Co ltd filed Critical Sichuan Tehao Shangmeng Technology Co ltd
Priority to CN202310000549.XA priority Critical patent/CN115841367B/zh
Publication of CN115841367A publication Critical patent/CN115841367A/zh
Application granted granted Critical
Publication of CN115841367B publication Critical patent/CN115841367B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明具体涉及一种基于用户睡眠行为的产品推荐方法，根据用户所佩戴的随身健康监测设备，获取用户睡眠监测各时间点数据并记录；取一定天数内，用户的所有睡眠数据，并将取得的数据按天数构成睡眠矩阵；根据用户睡眠矩阵与志愿者的睡眠矩阵相似度进行匹配计算，从而获得睡眠问题，并同时获得对应志愿者所使用到相关产品的权重；根据产品权重排序向用户推荐产品。目的在于通过统计用户的睡眠指数，并将用户数天内的睡眠指数构成睡眠矩阵并与志愿者的睡眠矩阵相匹配，从而判断用户的睡眠状态，并根据志愿者所使用到的有效产品，按权重进行排序后对用户进行推荐，改善用户睡眠状态。

Description

一种基于用户睡眠行为的产品推荐方法
技术领域
本发明属于基于睡眠的产品推荐方法技术领域，具体涉及一种基于用户睡眠行为的产品推荐方法。
背景技术
在现代生活中，随着年龄的升高、生活压力的逐渐增大等问题，睡眠成为了大多数人生活中的主要问题，而睡眠问题主要集中在入睡时间长、睡眠时间短、困了却睡不着等方面，而很多人对于睡眠问题并不十分重视，常常出现睡眠问题后并不会及时的采取相应的措施或者不知道应该采取哪些措施。
在互联网飞速发展的今天，随身佩戴健康监测设备的人群日益增多，这些设备中不仅监测运动数据，有些监测设备还能够对睡眠数据进行监测，从而记录使用者的入睡时间、睡眠时长等数据。因此，需要一种可以结合使用者随身佩戴的健康监测设备，并针对其不同睡眠阶段所出现的不同的睡眠问题，进行合适产品的推荐供使用者选择，从而解决使用者相应的睡眠问题的方法。
发明内容
本发明为了解决针对不同的睡眠问题进行不同的产品推荐的问题，本发明提供了一种基于用户睡眠行为的产品推荐方法，该方法通过统计用户的睡眠指数，并将用户数天内的睡眠指数构成睡眠矩阵并与志愿者的睡眠矩阵相匹配，从而判断用户的睡眠状态，并根据志愿者所使用到的有效产品，按权重进行排序后对用户进行推荐，从而达到改善用户睡眠状态的目的。
为实现上述发明目的，本发明所采用的技术方案是：一种基于用户睡眠行为的产品推荐方法，其特征在于，包括以下步骤：
S1：根据用户所佩戴的随身健康监测设备，获取用户睡眠监测各时间点数据并记录；
S2：取一定天数内，用户的所有睡眠数据，并将取得的数据按天数构成睡眠矩阵；
S3：根据用户睡眠矩阵与志愿者的睡眠矩阵相似度进行匹配计算，从而获得睡眠问题，并同时获得对应志愿者所使用到相关产品的权重；
S4：根据产品权重排序向用户推荐产品。
优选的，步骤S1中，获取用户睡眠监测各时间点数据主要包括：上床时间、入睡时间、起床时间；并根据睡眠监测数据计算用户的睡眠指数。
优选的，睡眠指数包括睡眠潜伏期和睡眠总时间，具体计算方式为：
睡眠潜伏期：
Figure 12859DEST_PATH_IMAGE001
；
睡眠总时间：
Figure 494394DEST_PATH_IMAGE002
。
优选的，步骤S2中构成睡眠矩阵的具体方法为：
S2.1：计算n天内，用户每天的睡眠效率变量
Figure 561707DEST_PATH_IMAGE003
；
S2.2：计算n天内，用户睡眠各阶段时间占比以及睡眠各阶段时间总和，根据睡眠阶段时间点数据，计算深睡眠占比变量
Figure 782604DEST_PATH_IMAGE004
，浅睡眠占比变量/>
Figure 47144DEST_PATH_IMAGE005
，快速眼动占比变量/>
Figure 986281DEST_PATH_IMAGE006
，清醒占比变量/>
Figure 122864DEST_PATH_IMAGE007
；
S2.3：结合睡眠效率变量和各睡眠阶段时间占比，组成用户一天的睡眠向量
Figure 696803DEST_PATH_IMAGE008
，如下所示：
Figure 893429DEST_PATH_IMAGE009
；
将n天内，用户的睡眠向量Xi组成用户睡眠矩阵
Figure 54283DEST_PATH_IMAGE010
：
Figure 728978DEST_PATH_IMAGE011
。
优选的，步骤S3中，用户睡眠矩阵与志愿者的睡眠矩阵相似度计算采用余弦相似度算法，具体为：
Figure 157423DEST_PATH_IMAGE012
；
其中，U为用户矩阵，Y为志愿者矩阵，m为志愿者的数量；计算相似度结果值越大则表示越相似。
优选的，根据相似度计算结果x，计算产品的推荐权重，具体方法为：
Figure 259371DEST_PATH_IMAGE013
；
其中，j为第j种产品，
Figure 438680DEST_PATH_IMAGE014
为第j种产品推荐权重；
根据相似度由大到小排序，与m名志愿者计算得到产品的权重矩阵：
Figure 415601DEST_PATH_IMAGE015
。
优选的，步骤S4中，根据产品的权重进行推荐的具体方法为：对产品的权重矩阵进行求和，得到最终产品的推荐权重集合为：
Figure 731176DEST_PATH_IMAGE016
；
根据该权重由大到小的排序为用户推荐产品。
优选的，根据相似度计算产品权重矩阵中，选取排序前5-8名的志愿者。
本发明具有以下有益效果：本发明通过长期统计用户的睡眠指数，并根据用户的睡眠指数构建睡眠矩阵，将用户的睡眠矩阵与数名志愿者的睡眠矩阵相匹配，并按照匹配度进行排序，在志愿者所使用到的能够改善睡眠的所有产品中，根据产品的权重值进行排序，最终按权重值由大到小的顺序获得推荐产品，并按序推荐给用户，供用户选择，从而达到改善用户睡眠状态的目的。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。若未特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规手段。
一种基于用户睡眠行为的产品推荐方法，包括以下步骤：
S1：根据用户所佩戴的随身健康监测设备，获取用户睡眠监测各时间点数据并记录，用户所佩戴的随身健康监测设备可以为运动手表、手环等可以监测并记录用户数据的设备；具体为：
S1.1：采集用户的睡眠时间，并记录睡眠时间n天内该用户的睡眠数据，获取用户睡眠监测各时间点数据主要包括：上床时间、入睡时间、起床时间；
S1.2：采集记录睡眠时间内用户的睡眠各阶段数据，具体包括四个睡眠阶段（深睡眠、浅睡眠、快速眼动、清醒）的时间，以及时间总和；
S1.3：根据睡眠监测数据计算用户的睡眠指数，睡眠指数包括睡眠潜伏期和睡眠总时间，具体计算方式为：
睡眠潜伏期：
Figure 738446DEST_PATH_IMAGE001
；
睡眠总时间：
Figure 405051DEST_PATH_IMAGE002
。
S2：取一定天数内，用户的所有睡眠数据，并将取得的数据按天数构成睡眠矩阵，以记录n天时间为例，具体为：
S2.1：计算n天内，用户每天的睡眠效率变量
Figure 383065DEST_PATH_IMAGE003
；
S2.2：计算n天内，用户睡眠各阶段时间占比，根据睡眠阶段时间点数据，计算深睡眠占比变量
Figure 818726DEST_PATH_IMAGE004
，浅睡眠占比变量/>
Figure 528056DEST_PATH_IMAGE005
，快速眼动占比变量/>
Figure 914913DEST_PATH_IMAGE006
，清醒占比变量/>
Figure 735101DEST_PATH_IMAGE007
；具体计算方法为：
深睡眠占比：
Figure 25268DEST_PATH_IMAGE017
浅睡眠占比：
Figure 639920DEST_PATH_IMAGE018
快速眼动占比：
Figure 248494DEST_PATH_IMAGE019
清醒占比：
Figure 75636DEST_PATH_IMAGE020
/>
S2.3：结合睡眠效率变量和各睡眠阶段时间占比，组成用户一天的睡眠向量
Figure 220309DEST_PATH_IMAGE008
，如下所示：
Figure 238819DEST_PATH_IMAGE009
；
将n天内，用户的睡眠向量Xi组成用户睡眠矩阵
Figure 101732DEST_PATH_IMAGE010
：
Figure 263723DEST_PATH_IMAGE011
。
n表示第几天，yn0到yn4分别表示第n天的睡眠效率、深睡眠占比、浅睡眠占比、快速眼动占、清醒占比。
S3：根据用户睡眠矩阵与志愿者的睡眠矩阵相似度进行匹配计算，从而获得睡眠问题，并同时获得对应志愿者所使用到相关产品的权重，具体为：
S3.1：相似度计算：获取用户的n天睡眠数据，采用余弦相似度算法，将用户的n天睡眠数据与睡眠门诊采集的m个不同睡眠状况的志愿者的睡眠情况、睡眠矩阵数据进行相似度计算，并获取m个志愿者所使用到的调理产品（非处方类），具体为：
Figure 528483DEST_PATH_IMAGE012
其中，U为用户矩阵，Y为志愿者矩阵，m为志愿者的数量；计算相似度结果值越大则表示越相似。
S3.2：获取用户与志愿者的相似度x，根据相似度计算结果与第i位志愿者调理产品相乘，得到产品推荐权重：
Figure 254911DEST_PATH_IMAGE013
；
其中，j为第j中产品，
Figure 870700DEST_PATH_IMAGE014
为第j种产品推荐权重；
依此根据相似度由大到小排序，与m名志愿者计算得到产品的权重矩阵：
Figure 570803DEST_PATH_IMAGE015
。
S4：根据上述的产品权重排序向用户推荐产品，具体为：
S4.1：对产品的权重矩阵采用下式进行求和，得到最终产品的推荐权重集合为：
Figure 424489DEST_PATH_IMAGE016
；
根据该权重由大到小的排序为用户推荐产品。
本发明中，根据相似度计算产品权重矩阵中，可采用所用志愿者的数据进行计算，为了优化数据的计算速度，也可以选取排序中前5-8名志愿者的数据。
用户所佩戴的随身健康监测设备可以记录每一天用户的睡眠数据， 本实施例中，以采集用户5-10天内的睡眠数据为例进行说明。
采集用户5-10内的睡眠数据，并将这5-10天内的睡眠数据组成睡眠矩阵，睡眠矩阵中包括睡眠效率、深睡眠占比、浅睡眠占比、快速眼动占比和清醒占比；采集数名志愿者的睡眠数据，志愿者睡眠数据所构成的睡眠矩阵，与用户的睡眠矩阵相一致，同样包括睡眠效率、深睡眠占比、浅睡眠占比、快速眼动占比和清醒占比。
采用余弦相似度算法，将该用户的睡眠矩阵分别与所有志愿者的睡眠矩阵相匹配，进行相似度计算，并得到数个相似度值x，相似度值x越大则表示与该志愿者越相似。按照相似度值x从大到小的顺序进行排序，选取排序后前5-10名志愿者，并得到这5-10名志愿者为了改善睡眠状况所使用到的所有相关产品（产品可以为睡眠门诊所提供、建议使用的非处方类产品）。
本实施例中，以50名志愿者为例进行说明。
50名志愿者根据余弦相似度算法计算得到相似度值x1-x50，获取前排序前5名志愿者的相似度值x1-x5，并将这5名志愿者的相似度值分别与其相对应的产品相对应，分别获得不同产品的权重值（对于同一产品，排序不同的志愿者所计算得到的权重值有所不同）。
将同一产品的所有权重值进行求和计算，并将所有产品的求和结果进行排序后，按序推荐给用户。
例如对于排序第一的志愿者，其所使用到的产品为A、B、C，排序第二的志愿者，其所使用到的产品为B、C、D，则根据权重值计算以及将产品与相似度相乘后再求和计算，最终产品B、C为优先推荐的产品。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形、变型、修改、替换，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种基于用户睡眠行为的产品推荐方法，其特征在于，包括以下步骤：
S1：根据用户所佩戴的随身健康监测设备，获取用户睡眠监测各时间点数据并记录；
S2：取一定天数内，用户的所有睡眠数据，并将取得的数据按天数构成睡眠矩阵；
S3：根据用户睡眠矩阵与志愿者的睡眠矩阵相似度进行匹配计算，从而获得睡眠问题，并同时获得对应志愿者所使用到相关产品的权重；
S4：根据产品权重排序向用户推荐产品。
2.根据权利要求1所述的基于用户睡眠行为的产品推荐方法，其特征在于：步骤S1中，获取用户睡眠监测各时间点数据主要包括：上床时间、入睡时间、起床时间；并根据睡眠监测数据计算用户的睡眠指数。
3.根据权利要求2所述的基于用户睡眠行为的产品推荐方法，其特征在于：睡眠指数包括睡眠潜伏期和睡眠总时间，具体计算方式为：
睡眠潜伏期：
Figure 428370DEST_PATH_IMAGE001
；
睡眠总时间：
Figure 462185DEST_PATH_IMAGE002
。
4.根据权利要求3所述的基于用户睡眠行为的产品推荐方法，其特征在于：步骤S2中构成睡眠矩阵的具体方法为：
S2.1：计算n天内，用户每天的睡眠效率变量
Figure 610008DEST_PATH_IMAGE003
；
S2.2：计算n天内，用户睡眠各阶段时间占比以及睡眠各阶段时间总和，根据睡眠阶段时间点数据，计算深睡眠占比变量
Figure 678458DEST_PATH_IMAGE004
，浅睡眠占比变量
Figure 754998DEST_PATH_IMAGE005
，快速眼动占比变量
Figure 276109DEST_PATH_IMAGE006
，清醒占比变量
Figure 227623DEST_PATH_IMAGE007
；
S2.3：结合睡眠效率变量和各睡眠阶段时间占比，组成用户一天的睡眠向量
Figure 416158DEST_PATH_IMAGE008
，如下所示：
Figure 663600DEST_PATH_IMAGE009
；
将n天内，用户的睡眠向量Xi组成用户睡眠矩阵
Figure 937587DEST_PATH_IMAGE010
：
Figure 928676DEST_PATH_IMAGE011
。
5.根据权利要求4所述的基于用户睡眠行为的产品推荐方法，其特征在于：步骤S3中，用户睡眠矩阵与志愿者的睡眠矩阵相似度计算采用余弦相似度算法，具体为：
Figure 210534DEST_PATH_IMAGE012
；
其中，U为用户矩阵，Y为志愿者矩阵，m为志愿者的数量；计算相似度结果值越大则表示越相似。
6.根据权利要求5所述的基于用户睡眠行为的产品推荐方法，其特征在于：根据相似度计算结果x，计算产品的推荐权重，具体方法为：
Figure 894456DEST_PATH_IMAGE013
；
其中，j为第j种产品，
Figure 124580DEST_PATH_IMAGE014
为第j种产品推荐权重；
根据相似度由大到小排序，与m名志愿者计算得到产品的权重矩阵：
Figure 919361DEST_PATH_IMAGE015
。
7.根据权利要求6所述的基于用户睡眠行为的产品推荐方法，其特征在于：步骤S4中，根据产品的权重进行推荐的具体方法为：对产品的权重矩阵进行求和，得到最终产品的推荐权重集合为：
Figure 49866DEST_PATH_IMAGE016
；
根据该权重由大到小的排序为用户推荐产品。
8.根据权利要求7所述的基于用户睡眠行为的产品推荐方法，其特征在于：根据相似度计算产品权重矩阵中，选取排序前5-8名的志愿者。
CN202310000549.XA 2023-01-03 2023-01-03 一种基于用户睡眠行为的产品推荐方法 Active CN115841367B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310000549.XA CN115841367B (zh) 2023-01-03 2023-01-03 一种基于用户睡眠行为的产品推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310000549.XA CN115841367B (zh) 2023-01-03 2023-01-03 一种基于用户睡眠行为的产品推荐方法

Publications (2)

Publication Number Publication Date
CN115841367A true CN115841367A (zh) 2023-03-24
CN115841367B CN115841367B (zh) 2023-12-29

Family

ID=85577715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310000549.XA Active CN115841367B (zh) 2023-01-03 2023-01-03 一种基于用户睡眠行为的产品推荐方法

Country Status (1)

Country Link
CN (1) CN115841367B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426686A (zh) * 2011-09-29 2012-04-25 南京大学 一种基于矩阵分解的互联网信息产品推荐方法
CN108052639A (zh) * 2017-12-21 2018-05-18 中国联合网络通信集团有限公司 基于运营商数据的行业用户推荐方法及装置
WO2020087114A1 (en) * 2018-10-29 2020-05-07 Alertness CRC Ltd Personalised sleep scheduler
KR20210083826A (ko) * 2019-12-27 2021-07-07 주식회사 넥스트코어 수면 지수를 결정하는 방법 및 장치
CN113158009A (zh) * 2020-01-22 2021-07-23 青岛海尔电冰箱有限公司 饮食推荐方法、冰箱、计算机可读存储介质
CN114329198A (zh) * 2021-12-27 2022-04-12 海信集团控股股份有限公司 一种基于用户睡眠的推荐健康信息的方法和设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426686A (zh) * 2011-09-29 2012-04-25 南京大学 一种基于矩阵分解的互联网信息产品推荐方法
CN108052639A (zh) * 2017-12-21 2018-05-18 中国联合网络通信集团有限公司 基于运营商数据的行业用户推荐方法及装置
WO2020087114A1 (en) * 2018-10-29 2020-05-07 Alertness CRC Ltd Personalised sleep scheduler
KR20210083826A (ko) * 2019-12-27 2021-07-07 주식회사 넥스트코어 수면 지수를 결정하는 방법 및 장치
CN113158009A (zh) * 2020-01-22 2021-07-23 青岛海尔电冰箱有限公司 饮食推荐方法、冰箱、计算机可读存储介质
CN114329198A (zh) * 2021-12-27 2022-04-12 海信集团控股股份有限公司 一种基于用户睡眠的推荐健康信息的方法和设备

Also Published As

Publication number Publication date
CN115841367B (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
Zaeri-Amirani et al. A feature selection method based on shapley value to false alarm reduction in icus a genetic-algorithm approach
TW200821962A (en) Complex event evaluation systems and methods, and machine readable medium thereof
CN106503438A (zh) 一种用于药店会员分析的h‑rfm用户建模方法及系统
KR20170056480A (ko) 리소스조합 처리방법, 장치, 설비 및 컴퓨터 저장매체
Kang et al. Analyze and predict student dropout from online programs
Park et al. Clustering insomnia patterns by data from wearable devices: algorithm development and validation study
CN113470799B (zh) 一种医院综合质量监督平台智能化编辑器
CN107773967B (zh) 一种基于智能手表数据的人体运动特征分析方法
Rejer et al. Classic genetic algorithm vs. genetic algorithm with aggressive mutation for feature selection for a brain-computer interface
DeMasi et al. Detecting change in depressive symptoms from daily wellbeing questions, personality, and activity
CN115841367A (zh) 一种基于用户睡眠行为的产品推荐方法
CN106228005A (zh) 数据处理方法及系统
CN112768074A (zh) 一种基于人工智能的重疾风险预测方法及系统
Luo et al. A hierarchical attention-based method for sleep staging using movement and cardiopulmonary signals
Sarwar et al. Passive COVID-19 assessment using machine learning on physiological and activity data from low end wearables
Mai-Nguyen et al. Leverage the Predictive Power Score of Lifelog Data's Attributes to Predict the Expected Athlete Performance.
Gasparetti et al. Evaluating the efficacy of traditional fitness tracker recommendations
Theresia et al. The back-propagation neural network classification of EEG signal using time frequency domain feature extraction
CN117912634B (zh) 一种神经外科患者术后康复训练推荐方法
Yan et al. A CNN Model with Discretized Mobile Features for Depression Detection
Gan et al. Monitoring and Improving Personalized Sleep Quality from Long-Term Lifelogs
Lee et al. Data Processing Pipeline of Short-Term Depression Detection with Large-Scale Dataset
CN117271607B (zh) 一种生成运动处方的方法
CN115331781B (zh) 一种基于心电信号和音乐的抑郁症治疗系统
CN114822849B (zh) 基于数字孪生的数据监测方法、装置、设备和存储介质

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