一种汽车后服务推荐方法和系统技术方案

本发明专利技术公开汽车后服务推荐方法和系统，系统包括数据采集模块、汽车基础数据知识库构建模块、模式序列生成模块、树状决策器构建模块、用户画像构建模块、后服务推荐模块及实体店推荐模块；模式序列生成模块根据汽车基础数据知识库自动生成抽取规则从汽车后服务相关讨论信息中进行特征提取和规范化处理，使每条数据形式化为模式序列；用户画像构建模块采用统计信息、假设验证和显著性分析得到用户汽车后服务消费的多种分布模式，以构建用户画像；后服务推荐模块将用户车辆特征集合及用户画像输入到树状决策器中，将匹配度居高的N条路径作为服务方案推荐给用户；实体店推荐模块针对每项汽车后服务，推荐最合适的M个实体店给用户。

【技术实现步骤摘要】

本专利技术涉及汽车后服务推荐领域，尤其涉及一种基于大数据的汽车后服务推荐方 法和系统。
技术介绍
当今社会有车一族越来越多，很多人选择自驾去机场，然而，由于机场停车位有限 且价格高昂，而机场周边停车场又因为距离等原因未得到有效利用，给自驾去机场的车主 带来较大困扰，机场代泊正好解决了车主的机场停车以及返回取车的困扰。目前的机场代 泊服务流程大致为：车主出行前通过微信平台或代驾APP下单，系统指派代驾司机按照车 主约定时间于航站楼等待替车主泊车，返程时，车主再预约取车，代驾司机将车开至航站楼 等候车主来取。目前，有些国外机场采用机器人等智能手段实现机场代泊，而国内的机场代泊服 务也正处于快速发展阶段，但是利用大数据和汽车基础数据知识库为代泊之后提供汽车后 服务推荐的技术却不成熟。汽车后服务囊括的范围甚广，如自助保养项目（包括更换机油 及滤清器、空调系统保养、刹车系统保养、雨刮检查保养、车灯检查保养、燃油系统养护、发 动机内部养护、进排气系统养护等）、汽车美容以及汽车专业维修等更专业的服务。因此，我 们可以向泊车于机场的用户推荐合适的汽车后服务，以让用户利用出差这段时间，让自己 停泊于机场的车辆得到保养，可谓省时又省力。然而，怎样才能在合适的时机向不同的用户 推荐对其车辆而言最合适、最有价值的汽车后服务，是至今业界尚未解决的技术问题。
技术实现思路
本专利技术的主要目的在于基于大数据挖掘技术，提出一种汽车后服务推荐方法和系 统，以在合适的时机准确地向用户推荐合适的汽车后服务。 本专利技术为达上述目的提供的汽车后服务推荐方法，包括以下步骤： 利用网络爬虫技术抓取汽车后服务相关讨论信息； 根据预先构建的汽车基础数据知识库，自动生成抽取规则，利用所述抽取规则从 所述汽车后服务相关讨论信息中进行特征提取以产生多条汽车后服务讨论数据，并对每条 汽车后服务讨论数据进行规范化，并将每条汽车后服务讨论数据都形式化为对应的模式序 列，多个模式序列形成模式序列集合； 基于所述模式序列集合，采用ID3决策树分类器技术构建树状决策器； 基于所述多条汽车后服务讨论数据，采用统计信息、假设验证和显著性分析得到 用户汽车后服务消费的多种分布模式，从所述多种分布模式中选取出现概率大于一阈值的 所有分布模式，构成多个对应的用户喜好矢量，每个用户喜好矢量及其用户基本信息构成 一个用户画像； 将预先采集的预定用户车辆特征集合以及对应的所述用户画像输入到所述树状 决策器中，根据各条路径的匹配程度高低排序得到ΤορΝ条推荐路径，产生N种汽车后服务 推荐方案给具有所述预定用户车辆特征集合的用户，同时，针对N种汽车后服务推荐方案 中的每项汽车后服务，根据所述模式序列从汽车后服务实体店数据库中推荐依实体店指标 加权降序排列的ΤορΜ个实体店给用户； 其中，Μ和Ν为自然数。 本专利技术提供的上述汽车后服务推荐方法，具有以下优点： 1)本专利技术利用了专业的汽车基础数据知识库，这种领域专家和专业技师提供的汽 车基础数据知识库在很大程度上决定了汽车后服务推荐的高质量和准确度，也决定了本发 明的推荐方法不同于常规的推荐算法。常规的推荐算法包括协同过滤、矩阵分解、罗兹曼机 等，利用的是用户行为数据来寻找相似模式，然而每个人的喜好并非一成不变的，时常与时 倶进，因此会导致推荐结果与用户喜好不符。而本专利技术不仅根据用户行为来勾勒用画像，更 关键的是利用了所述汽车基础数据知识库，以掌握核心关键信息，使得推荐结果更权威。如 果用户行为很成熟，就会发现本专利技术的推荐完全超出其预期，有一定程度的智能性。 2)本专利技术采用了树状决策器，充分利用大数据蕴含的信息，来给用户推荐TopΝ 条结果。首先树状决策器在现实应用中优势明显，最类似于人类大脑决策过程。其次，每个 用户的偏好会有不同，但是大规模的人群就会显现统计规律。基于大规模数据的树状决策 器，能够充分利用大数据的统计规律，来作出最为可信赖的推荐。 3)用户画像的构建让我们在利用大数据的统计特性之余，能够充分照顾到每个用 户喜好的细小不同。大数据的统计规律和个体喜好不同的结合，不仅提供了高质量的推荐， 而且也给出了个性化的推荐。 在更优选的方案中，所述汽车基础数据知识库是根据汽车服务百科信息和专家人 工构建的汽车后服务相关的基础专业数据来构建。 在更优选的方案中，在进行所述特征提取之前，先对所述汽车后服务相关讨论信 息进行过滤处理。 在更优选的方案中，所述特征提取具体包括：提取关键词以及关键词对应的值； 根据情感词词典抽取情感词。 在更优选的方案中，对每条汽车后服务讨论数据进行规范化具体包括：将情感词 按照情感词词典定义的极性和强度转化为-10~10之间的值；将关键词转化为所述汽车基 础数据知识库中的对应名称，将关键词对应的值转化为测度值；将每条汽车后服务讨论数 据都形式化为对应的模式序列具体采用隐马尔可夫模型方法以及循环神经网络方法。 在更优选的方案中，所述推荐方法还包括自学习调整步骤，所述自学习调整步骤 具体包括： 将每次用户汽车后服务消费信息都加入到构建所述用户画像以及所述汽车后服 务实体店数据库所需的基础输入数据中； 将每次用户汽车后服务消费信息都形式化为对应的模式序列加入到所述模式序 列集合中，并利用adaboost方法来更新所述模式序列集合中每个模式序列上每个特征的 权重，以提高每个模式序列的可信赖度。通过自学习调整步骤，使得本专利技术提供的推荐方法 能够随着数据特性的漂移和用户喜好习惯的改变，准确学习到变化后的特性，及时推荐准 确的结果。 在更优选的方案中，所述推荐方法还包括根据用户的浏览足迹、咨询记录、问卷调 查记录以及主动推荐服务来收集和分析用户喜好，以为所述模式序列集合和所述用户画像 的构建新增基础输入数据。 为达上述目的，本专利技术另提供了一种汽车后服务推荐系统，包括：包括数据采集模 块、汽车基础数据知识库构建模块、模式序列生成模块、树状决策器构建模块、用户画像构 建模块、后服务推荐模块以及实体店推荐模块； 所述数当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种汽车后服务推荐方法，其特征在于，包括以下步骤：利用网络爬虫技术抓取汽车后服务相关讨论信息；根据预先构建的汽车基础数据知识库，自动生成抽取规则，利用所述抽取规则从所述汽车后服务相关讨论信息中进行特征提取以产生多条汽车后服务讨论数据，并对每条汽车后服务讨论数据进行规范化，并将每条汽车后服务讨论数据都形式化为对应的模式序列，多个模式序列形成模式序列集合；其中，所述汽车基础数据知识库基于所述模式序列集合，采用ID3决策树分类器技术构建树状决策器；基于所述多条汽车后服务讨论数据，采用统计信息、假设验证和显著性分析得到用户汽车后服务消费的多种分布模式，从所述多种分布模式中选取出现概率大于一阈值的所有分布模式，构成多个对应的用户喜好矢量，每个用户喜好矢量及其用户基本信息构成一个用户画像；将预先采集的预定用户车辆特征集合以及对应的所述用户画像输入到所述树状决策器中，根据各条路径的匹配程度高低排序得到TopN条推荐路径，产生N种汽车后服务推荐方案给具有所述预定用户车辆特征集合的用户，同时，针对N种汽车后服务推荐方案中的每项汽车后服务，根据所述模式序列从汽车后服务实体店数据库中推荐依实体店指标加权降序排列的TopM个实体店给用户；其中，M和N为自然数。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张磊，钟小武，
申请(专利权)人：深圳市天行家科技有限公司，
类型：发明
国别省市：广东;44