CN111767469A - 一种养老服务推荐方法和装置 - Google Patents
一种养老服务推荐方法和装置 Download PDFInfo
- Publication number
- CN111767469A CN111767469A CN202010553438.8A CN202010553438A CN111767469A CN 111767469 A CN111767469 A CN 111767469A CN 202010553438 A CN202010553438 A CN 202010553438A CN 111767469 A CN111767469 A CN 111767469A
- Authority
- CN
- China
- Prior art keywords
- target object
- data
- calculating
- endowment service
- behavior data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000036541 health Effects 0.000 claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000032683 aging Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims 2
- 230000006399 behavior Effects 0.000 description 56
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了养老服务推荐方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括获取目标对象的健康数据,通过聚类算法对目标对象进行分类,以得到目标对象的对应类别;根据所述对应类别调取历史行为数据,进而基于协同过滤推荐算法计算得到推荐的养老服务数据并返回。从而,本发明的实施方式能够解决现有养老服务推荐无法满足用户兴趣或者需求的问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种养老服务推荐方法和装置。
背景技术
目前,随着老年人口的增加,我国人口老龄化趋势也越发严峻。因此,积极应对人口老龄化对中国来说刻不容缓,针对老年人口的养老服务将如雨后春笋般层出不穷、琳琅满目。在电子商务平台中,推荐***扮演了非常重要的角色,可以根据用户喜好,将商品推荐给用户。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
目前,在养老服务推荐中,有基于用户评分的养老服务推荐,这种服务推荐依赖于用户对养老服务的评分,根据用户评分相似度为用户进行推荐,但评分相似的养老服务不一定是用户感兴趣或者需要的服务。
发明内容
有鉴于此,本发明实施例提供一种养老服务推荐方法和装置,能够解决现有养老服务推荐无法满足用户兴趣或者需求的问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种养老服务推荐方法,包括获取目标对象的健康数据,通过聚类算法对目标对象进行分类,以得到目标对象的对应类别;根据所述对应类别调取历史行为数据,进而基于协同过滤推荐算法计算得到推荐的养老服务数据并返回。
可选地,获取目标对象的健康数据之后,包括:
调用配置引擎,获取预处理模型,进而对健康数据进行预处理。
可选地,通过聚类算法对目标对象进行分类之前,包括:
步骤一:获取多个目标对象的健康数据,生成健康数据集合,以从健康数据集合中随机选取一个目标对象作为第一聚类中心;
步骤二:循环对健康数据集合中的每一个目标对象,计算与聚类中心的距离以确定第二聚类中心,直至获得预设数量的第二聚类中心;
步骤三:计算所有目标对象与每个第二聚类中心的距离,进而分别将目标对象归属到距离该目标对象最近的第二聚类中心,生成多个簇并计算每个簇的第三聚类中心;
步骤四:循环执行步骤二和步骤三,直至第二聚类中心与第三聚类中心的距离小于预设阈值,得到分类类别。
可选地,包括:
利用余弦相似度计算健康数据集合中的每一个目标对象与聚类中心的距离。
可选地,计算与聚类中心的距离之后,包括:
选择距离最大的目标对象作为新的聚类中心。
可选地,基于协同过滤推荐算法计算得到推荐的养老服务数据,包括:
根据所述对应类别调取历史行为数据,其中所述历史行为数据包括多个目标对象与行为数据的映射关系;
获取当前所述目标对象的行为数据,计算与历史行为数据中各个目标对象的行为相似度;
基于行为相似度对历史行为数据中的目标对象进行排序,以将排序靠前的目标对象对应的养老服务数据进行推荐。
可选地,计算与历史行为数据中各个目标对象的行为相似度,包括:
设N(u)为当前所述目标对象浏览或购买的养老服务集合,N(v)为历史行为数据中各个目标对象浏览或购买的养老服务集合,根据Jaccard公式计算用户行为相似度:
查找出与当前所述目标对象相似的K个历史行为数据中的目标对象,用集合S(u,K)表示,当前所述目标对象u对S集合中养老服务i的感兴趣程度用如下公式计算:
根据p(u,i)得分排序,为当前所述目标对象u推荐养老服务。
另外,本发明还提供了一种养老服务推荐装置,包括获取模块,用于获取目标对象的健康数据,通过聚类算法对目标对象进行分类,以得到目标对象的对应类别;处理模块,用于根据所述对应类别调取历史行为数据,进而基于协同过滤推荐算法计算得到推荐的养老服务数据并返回。
上述发明中的一个实施例具有如下优点或有益效果:通过聚类算法对老年用户进行分类,获取同一分类老年用户浏览或购买养老服务数据,利用基于用户的协同过滤推荐算法实现养老服务推荐。从而,本发明创造性的将聚类算法和基于用户的协同过滤推荐算法相结合,并应用到养老服务推荐领域,提高了养老服务推荐的准确度。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明第一实施例的养老服务推荐方法的主要流程的示意图;
图2是根据本发明第二实施例的养老服务推荐方法的主要流程的示意图;
图3是根据本发明实施例的养老服务推荐装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性***架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例的养老服务推荐方法的主要流程的示意图,如图1所示,所述养老服务推荐方法包括:
步骤S101,获取目标对象的健康数据,通过聚类算法对目标对象进行分类,以得到目标对象的对应类别。
在实施例中,健康数据可以包括身高、体重、体脂率、腰围、睡眠情况、听力、心率、血压、血糖、体温、呼吸速率等等。
在一些实施例中,获取目标对象的健康数据之后,可以调用配置引擎,获取预处理模型,进而对健康数据进行预处理。例如:繁化简、删除无意义词等等预处理。
值得说明的是,聚类算法可以包括k-means、k-means++等等,优选地本发明实施例采用k-means++算法。
作为另一些实施例,通过聚类算法对目标对象进行分类之前,需要训练得到分类类别,实施过程可以包括:
步骤一:获取多个目标对象的健康数据,生成健康数据集合,以从健康数据集合中随机选取一个目标对象作为第一聚类中心;
步骤二:循环对健康数据集合中的每一个目标对象,计算与聚类中心的距离以确定第二聚类中心,直至获得预设数量的第二聚类中心;
步骤三:计算所有目标对象与每个第二聚类中心的距离,进而分别将目标对象归属到距离该目标对象最近的第二聚类中心,生成多个簇并计算每个簇的第三聚类中心;
步骤四:循环执行步骤二和步骤三,直至第二聚类中心与第三聚类中心的距离小于预设阈值,得到分类类别。
进一步地实施例,可以利用余弦相似度计算健康数据集合中的每一个目标对象与聚类中心的距离。
另外,计算与聚类中心的距离之后,可以选择距离最大的目标对象作为新的聚类中心。
在一个具体的实施例中,训练分类类别包括:
a)从健康数据集合中随机选择一个目标对象作为聚类中心(即第一聚类中心),也称为簇心。
b)对于每一个目标对象x,计算x与聚类中心的距离cos(θ),利用余弦相似度计算,公式为:
c)选择一个新的目标对象作为新的聚类中心(即第二聚类中心),选择原则为:选择cos(θ)最大的点。
d)重复步骤b和c直到选出k个聚类中心(即第二聚类中心)。
e)计算所有目标对象与每个聚类中心(即第二聚类中心)的距离,找到离该目标对象最近的聚类中心,将该目标对象归属到对应的簇。
f)所有目标对象都归属完成后,重新计算每个簇的聚类中心(即第三聚类中心)。
g)重复步骤e和f,直到第二聚类中心与第三聚类中心的距离小于预设的阈值。
步骤S102,根据所述对应类别调取历史行为数据,进而基于协同过滤推荐算法计算得到推荐的养老服务数据并返回。
在一些实施例中,基于协同过滤推荐算法计算得到推荐的养老服务数据的时候,可以根据所述对应类别调取历史行为数据,其中所述历史行为数据包括多个目标对象与行为数据的映射关系;获取当前所述目标对象的行为数据,计算与历史行为数据中各个目标对象的行为相似度;基于行为相似度对历史行为数据中的目标对象进行排序,以将排序靠前的目标对象对应的养老服务数据进行推荐。
进一步地实施例,在计算与历史行为数据中各个目标对象的行为相似度的时候,可以设N(u)为当前所述目标对象浏览或购买的养老服务集合,N(v)为历史行为数据中各个目标对象浏览或购买的养老服务集合,根据Jaccard公式计算用户行为相似度:
查找出与当前所述目标对象相似的K个历史行为数据中的目标对象,用集合S(u,K)表示,当前所述目标对象u对S集合中养老服务i的感兴趣程度用如下公式计算:
根据p(u,i)得分排序,为当前所述目标对象u推荐养老服务。
值得说明的是,可以根据实际业务需要,预设提取排序靠前的目标对象的数量,进而将该数量的目标对象对应的养老服务数据进行推荐。例如:老年用户(即目标对象)可以使用终端APP绑定健康监测设备,记录健康数据,后台***通过分析计算健康数据找到健康状况相似的用户。然后,老年用户(即目标对象)会通过终端APP浏览并购买养老服务(即行为数据),后台***通过分析健康状况相似的老年用户的浏览和购买记录,在用户浏览养老服务的过程中推荐养老服务。
综上所述,本发明提出了的养老服务推荐方法,利用聚类算法对用户进行分类,找到相似度较高的用户;然后在利用基于用户的协同过滤推荐算法为用户推荐老年服务,从而提高养老服务推荐的准确性。
图2是根据本发明第二实施例的养老服务推荐方法的主要流程的示意图,所述养老服务推荐方法可以包括:
步骤S201,获取目标对象的健康数据,调用配置引擎获取预处理模型,进而对健康数据进行预处理。
步骤S202,通过聚类算法对目标对象进行分类,以得到目标对象的对应类别。
步骤S203,根据所述对应类别调取历史行为数据,其中所述历史行为数据包括多个目标对象与行为数据的映射关系。
步骤S204,获取当前所述目标对象的行为数据,计算与历史行为数据中各个目标对象的行为相似度。
在一些实施例中,设N(u)为当前所述目标对象浏览或购买的养老服务集合,N(v)为历史行为数据中各个目标对象浏览或购买的养老服务集合,根据Jaccard公式计算用户行为相似度:
步骤S205,基于行为相似度对历史行为数据中的目标对象进行排序,以将排序靠前的目标对象对应的养老服务数据进行推荐。
在一些实施例中,查找出与当前所述目标对象相似的K个历史行为数据中的目标对象,用集合S(u,K)表示,当前所述目标对象u对S集合中养老服务i的感兴趣程度用如下公式计算:
根据p(u,i)得分排序,为当前所述目标对象u推荐养老服务。
图3是根据本发明实施例的养老服务推荐装置的主要模块的示意图,如图3所示,所述养老服务推荐装置300包括获取模块301和处理模块302。其中,获取模块301获取目标对象的健康数据,通过聚类算法对目标对象进行分类,以得到目标对象的对应类别;处理模块302根据所述对应类别调取历史行为数据,进而基于协同过滤推荐算法计算得到推荐的养老服务数据并返回。
在一些实施例中,获取模块301获取目标对象的健康数据之后,包括:
调用配置引擎,获取预处理模型,进而对健康数据进行预处理。
在一些实施例中,获取模块301通过聚类算法对目标对象进行分类之前,包括:
步骤一:获取多个目标对象的健康数据,生成健康数据集合,以从健康数据集合中随机选取一个目标对象作为第一聚类中心;
步骤二:循环对健康数据集合中的每一个目标对象,计算与聚类中心的距离以确定第二聚类中心,直至获得预设数量的第二聚类中心;
步骤三:计算所有目标对象与每个第二聚类中心的距离,进而分别将目标对象归属到距离该目标对象最近的第二聚类中心,生成多个簇并计算每个簇的第三聚类中心;
步骤四:循环执行步骤二和步骤三,直至第二聚类中心与第三聚类中心的距离小于预设阈值,得到分类类别。
在一些实施例中,获取模块301利用余弦相似度计算健康数据集合中的每一个目标对象与聚类中心的距离。
在一些实施例中,获取模块301计算与聚类中心的距离之后,包括:
选择距离最大的目标对象作为新的聚类中心。
在一些实施例中,处理模块302基于协同过滤推荐算法计算得到推荐的养老服务数据,包括:
根据所述对应类别调取历史行为数据,其中所述历史行为数据包括多个目标对象与行为数据的映射关系;
获取当前所述目标对象的行为数据,计算与历史行为数据中各个目标对象的行为相似度;
基于行为相似度对历史行为数据中的目标对象进行排序,以将排序靠前的目标对象对应的养老服务数据进行推荐。
在一些实施例中,处理模块302计算与历史行为数据中各个目标对象的行为相似度,包括:
设N(u)为当前所述目标对象浏览或购买的养老服务集合,N(v)为历史行为数据中各个目标对象浏览或购买的养老服务集合,根据Jaccard公式计算用户行为相似度:
查找出与当前所述目标对象相似的K个历史行为数据中的目标对象,用集合S(u,K)表示,当前所述目标对象u对S集合中养老服务i的感兴趣程度用如下公式计算:
根据p(u,i)得分排序,为当前所述目标对象u推荐养老服务。
需要说明的是,在本发明所述养老服务推荐方法和所述养老服务推荐装置在具体实施内容上具有相应关系,故重复内容不再说明。
图4示出了可以应用本发明实施例的养老服务推荐方法或养老服务推荐装置的示例性***架构400。
如图4所示,***架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有养老服务推荐屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的养老服务推荐方法一般由服务器405执行,相应地,计算装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机***500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机***500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有计算机***500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶养老服务推荐器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块和处理模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括获取目标对象的健康数据,通过聚类算法对目标对象进行分类,以得到目标对象的对应类别;根据所述对应类别调取历史行为数据,进而基于协同过滤推荐算法计算得到推荐的养老服务数据并返回。
根据本发明实施例的技术方案,能够解决现有养老服务推荐无法满足用户兴趣或者需求的问题。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种养老服务推荐方法,其特征在于,包括:
获取目标对象的健康数据,通过聚类算法对目标对象进行分类,以得到目标对象的对应类别;
根据所述对应类别调取历史行为数据,进而基于协同过滤推荐算法计算得到推荐的养老服务数据并返回。
2.根据权利要求1所述的方法,其特征在于,获取目标对象的健康数据之后,包括:
调用配置引擎,获取预处理模型,进而对健康数据进行预处理。
3.根据权利要求1所述的方法,其特征在于,通过聚类算法对目标对象进行分类之前,包括:
步骤一:获取多个目标对象的健康数据,生成健康数据集合,以从健康数据集合中随机选取一个目标对象作为第一聚类中心;
步骤二:循环对健康数据集合中的每一个目标对象,计算与聚类中心的距离以确定第二聚类中心,直至获得预设数量的第二聚类中心;
步骤三:计算所有目标对象与每个第二聚类中心的距离,进而分别将目标对象归属到距离该目标对象最近的第二聚类中心,生成多个簇并计算每个簇的第三聚类中心;
步骤四:循环执行步骤二和步骤三,直至第二聚类中心与第三聚类中心的距离小于预设阈值,得到分类类别。
4.根据权利要求3所述的方法,其特征在于,包括:
利用余弦相似度计算健康数据集合中的每一个目标对象与聚类中心的距离。
5.根据权利要求3所述的方法,其特征在于,计算与聚类中心的距离之后,包括:
选择距离最大的目标对象作为新的聚类中心。
6.根据权利要求1所述的方法,其特征在于,基于协同过滤推荐算法计算得到推荐的养老服务数据,包括:
根据所述对应类别调取历史行为数据,其中所述历史行为数据包括多个目标对象与行为数据的映射关系;
获取当前所述目标对象的行为数据,计算与历史行为数据中各个目标对象的行为相似度;
基于行为相似度对历史行为数据中的目标对象进行排序,以将排序靠前的目标对象对应的养老服务数据进行推荐。
8.一种养老服务推荐装置,其特征在于,包括:
获取模块,用于获取目标对象的健康数据,通过聚类算法对目标对象进行分类,以得到目标对象的对应类别;
处理模块,用于根据所述对应类别调取历史行为数据,进而基于协同过滤推荐算法计算得到推荐的养老服务数据并返回。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553438.8A CN111767469A (zh) | 2020-06-17 | 2020-06-17 | 一种养老服务推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010553438.8A CN111767469A (zh) | 2020-06-17 | 2020-06-17 | 一种养老服务推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111767469A true CN111767469A (zh) | 2020-10-13 |
Family
ID=72722660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010553438.8A Pending CN111767469A (zh) | 2020-06-17 | 2020-06-17 | 一种养老服务推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111767469A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287243A (zh) * | 2020-10-20 | 2021-01-29 | 山大地纬软件股份有限公司 | 一种基于协同过滤算法的服务信息推荐的装置及方法 |
CN113782217A (zh) * | 2021-09-16 | 2021-12-10 | 工银科技有限公司 | 人体健康状况分级方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140031416A (ko) * | 2012-08-27 | 2014-03-13 | 에스케이플래닛 주식회사 | 협업 필터링 기반의 아이템 추천 시스템과 방법 및 이를 지원하는 장치 |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN108876069A (zh) * | 2018-09-18 | 2018-11-23 | 哈尔滨工业大学(威海) | 一种养老服务推荐方法 |
CN110598778A (zh) * | 2019-09-04 | 2019-12-20 | 卓尔智联(武汉)研究院有限公司 | 旅游推荐方法、计算机装置及可读存储介质 |
CN111209469A (zh) * | 2018-11-16 | 2020-05-29 | 海尔数字科技(上海)有限公司 | 一种个性化推荐方法、装置、计算机设备及存储介质 |
-
2020
- 2020-06-17 CN CN202010553438.8A patent/CN111767469A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140031416A (ko) * | 2012-08-27 | 2014-03-13 | 에스케이플래닛 주식회사 | 협업 필터링 기반의 아이템 추천 시스템과 방법 및 이를 지원하는 장치 |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN108876069A (zh) * | 2018-09-18 | 2018-11-23 | 哈尔滨工业大学(威海) | 一种养老服务推荐方法 |
CN111209469A (zh) * | 2018-11-16 | 2020-05-29 | 海尔数字科技(上海)有限公司 | 一种个性化推荐方法、装置、计算机设备及存储介质 |
CN110598778A (zh) * | 2019-09-04 | 2019-12-20 | 卓尔智联(武汉)研究院有限公司 | 旅游推荐方法、计算机装置及可读存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112287243A (zh) * | 2020-10-20 | 2021-01-29 | 山大地纬软件股份有限公司 | 一种基于协同过滤算法的服务信息推荐的装置及方法 |
CN112287243B (zh) * | 2020-10-20 | 2023-04-28 | 山大地纬软件股份有限公司 | 一种基于协同过滤算法的服务信息推荐的装置及方法 |
CN113782217A (zh) * | 2021-09-16 | 2021-12-10 | 工银科技有限公司 | 人体健康状况分级方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108170692B (zh) | 一种热点事件信息处理方法和装置 | |
WO2018103718A1 (zh) | 应用推荐的方法、装置及服务器 | |
CN109299356B (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
CN107451832B (zh) | 推送信息的方法和装置 | |
CN110020162B (zh) | 用户识别方法和装置 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
WO2020029412A1 (zh) | 标签推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
CN107885783B (zh) | 获取搜索词高相关分类的方法和装置 | |
CN110929136A (zh) | 一种个性化推荐方法和装置 | |
CN111126442B (zh) | 一种物品关键属性生成方法、物品分类方法和装置 | |
CN111767469A (zh) | 一种养老服务推荐方法和装置 | |
CN113782195A (zh) | 一种体检套餐定制方法和装置 | |
CN111104590A (zh) | 信息推荐方法、装置、介质及电子设备 | |
CN112116426A (zh) | 一种推送物品信息的方法和装置 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN112783468A (zh) | 目标对象的排序方法和排序装置 | |
CN107590672B (zh) | 基于马斯洛需求层次理论的推荐方法及装置 | |
CN112449217B (zh) | 一种推送视频的方法、装置、电子设备和计算机可读介质 | |
CN112528103A (zh) | 一种推荐对象的方法和装置 | |
JP6960838B2 (ja) | 情報提供装置、情報提供方法、およびプログラム | |
US20160124959A1 (en) | System and method to recommend a bundle of items based on item/user tagging and co-install graph | |
CN110852078A (zh) | 生成标题的方法和装置 | |
CN113961797A (zh) | 资源推荐方法、装置、电子设备和可读存储介质 | |
CN112884538A (zh) | 物品推荐的方法和装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220921 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right |