一种基于标签的态势要素推荐方法技术

本发明专利技术公开了一种基于标签的态势要素推荐方法，步骤如下：构建标签体系，对形式多样的态势要素进行表征描述。在系统准备阶段，基于采集的用户情境数据，对情境进行聚类；在系统使用阶段，实时采集用户情境数据，识别当前情境，并适时触发系统从用户操作和反馈中捕获用户需求状态，采用余弦相似算法进行用户需求状态与候选态势要素的匹配，并查找相似用户关注的态势要素，综合推荐出匹配度较高的态势要素。利用本方法，系统可以自动识别情境，秒级推荐用户关注态势要素，辅助用户高效认知交通态势。本发明专利技术能够自动识别用户情境，并快速捕捉用户需求，秒级推荐用户关注态势，且伴随用户使用全过程，推荐精准度得以有效提升。推荐精准度得以有效提升。推荐精准度得以有效提升。

【技术实现步骤摘要】
一种基于标签的态势要素推荐方法


[0001]本专利技术涉及交通指挥技术，特别是一种基于标签的态势要素推荐方法。

技术介绍

[0002]当前，推荐技术在业界广泛用于音乐、视频、广告、购物等场景，通过一定的算法在海量数据中过滤用户不感兴趣的对象，而在面向交通指挥的态势系统中，推荐的“对象”、“情境”、“用户”均不一样。
[0003]在推荐的“对象”方面，传统推荐的对象是音乐、视频、广告、产品中的某一类，同一系统的推荐对象类型相对单一、固定，交通指挥态势要素推荐的对象包括结构化、半结构化和非结构化要素，对这些形式多样的对象进行统一处理难度较大；在推荐的“情境”方面，传统推荐的情境一般主要考虑移动场景下，电子设备状态、地理位置、活动状态等，数据获取方式多样化，但场景变化范围有限，交通指挥态势推荐的情境与指挥需求紧密结合，交通场景复杂性导致态势推荐的情境难以捉摸；在推荐的“用户”方面，传统推荐的用户量庞大，用户信息和用户类型丰富，对用户的个性化建模非常关键，同时，用户性别、收入等人口统计学特征对推荐效果影响很大，交通指挥态势推荐的用户体量相对较小，用户职业、岗位都被限定在一定范围内，用户经验差异造成的态势需求差异不可忽视，但态势用户性别、收入等人口统计学特征对推荐效果影响较小，或可忽略不计。
[0004]在信息复杂多变的交通指挥态势系统中，如何帮助用户快速获取关键信息是赢得处置时间的基础。

技术实现思路

[0005]专利技术目的：本专利技术的目的是提供一种基于标签的态势要素推荐方法，从而实现态势要素的精准推荐。
[0006]技术方案：本专利技术所述的一种基于标签的态势要素推荐方法，其原理为：构建标签体系，对形式多样的态势要素进行表征描述。在系统准备阶段，基于采集的用户情境数据，对情境进行聚类；在系统使用阶段，实时采集用户情境数据，识别当前情境，并适时触发系统从用户操作和反馈中捕获用户需求状态，采用余弦相似算法进行用户需求状态与候选态势要素的匹配，并查找相似用户关注的态势要素，综合推荐出匹配度较高的态势要素。利用本方法，系统可以自动识别情境，秒级推荐用户关注态势要素，辅助用户高效认知交通态势。
[0007]一种基于标签的态势要素推荐方法包括以下步骤：步骤1、构建交通指挥态势要素标签体系，态势要素标签是对态势要素的标记，一个标签能够用于标记多个态势要素，一个态势要素需要用多个标签进行描述，基于态势要素标签体系，态势要素能够转化为标签向量s，向量的每一个维度对应一个标签；所述交通指挥态势要素标签体系包含态势要素的关键特征，所述关键特征包括路径基础、执法人员、气象环境；
步骤1中所述的态势要素包括结构化、半结构化以及非结构化的信息，所述信息包括人员配备情况、动向信息。标签体系涉及的标签类型包括指挥对象、空间，指挥对象类标签如交警、辅警，空间类标签如XX路口、XX涵洞。
[0008]步骤2、情境感知与识别：从系统层面获取城市交通指挥情境，将其转化为支撑态势要素需求的信息，用户登录城市交通指挥系统后，情境感知模块即开始工作，系统实时监控指挥任务及交通变化，采用朴素贝叶斯算法识别情境特征。
[0009]所述步骤2具体为：步骤2.1、基于k
‑
均值（k
‑
means）的情境聚类。
[0010]给定情境样本集，得到的k个簇划分记为，k
‑
means聚类用平方误差衡量簇内样本的紧密程度，计算公式如下：
[0011]其中，是簇y
i
的均值向量；k
‑
means聚类的目标是迭代所有可能的簇划分，E越小则簇内情境相似度越高，聚类效果越好，E取最小值对应的簇划分即为最终聚类结果。
[0012]步骤2.2、基于朴素贝叶斯（Naive Bayes Classifiers，NB）的情境分类。
[0013]基于训练集估计各类情境的先验概率，并计算每个特征的条件概率，在新的情境出现时，选出最有可能的类型；情境聚类最终得到的簇划分记为，情境识别依赖的q个特征变量记为a1,a2,
…
,a
q
，朴素贝叶斯情境分类器定义如下：
[0014]其中，为k个分类的先验概率，为第i个属性的条件概率。
[0015]步骤3、态势要素需求获取：从用户的系统反馈和操作记录中提取用户在不同情境下的需求状态。
[0016]所述步骤3具体为：假设情境识别模块将所有的情境划分为k类，那么，用户u在某类情境下的需求向量为r：
[0017]其中，D为用户u在t类情境下操作过的态势要素集合，所述操作包括查看、收藏、关闭、查找；s
j
为第j个态势要素向量；w
j
为操作类型对应的权重，由人工设定；最终，r中标签的权值即为用户对该标签的需求度。
[0018]步骤4、态势要素需求匹配：根据用户及相似用户对态势要素的需求，从候选态势
要素库中筛选出用户需要的态势要素。
[0019]所述步骤4具体为：步骤4.1、根据用户需求向量与态势要素向量，基于余弦相似度计算
[0020]在情境变化触发用户需求变化后，对用户需求与态势要素相似度进行排序，截取topK态势要素推荐给用户。
[0021]步骤4.2、基于相似用户有相似需求的原理，为用户推荐相似用户需求的态势要素；首先，根据用户特征构建用户向量，然后，根据余弦相似度计算用户u与其它用户u
i
的相似度：
[0022]根据用户u
i
对态势要素s的需求评分，计算用户u对态势要素s的需求度：
[0023]对用户态势要素需求度进行排序后，取topN态势要素作为补充推荐。
[0024]一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种基于标签的态势要素推荐方法。
[0025]一种计算机设备，包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种基于标签的态势要素推荐方法。
[0026]有益效果：与现有技术相比，本专利技术具有如下优点：1、本专利技术通过标签的形式，能够快速构建统一的态势要素体系，高效组织结构化、半结构化和非结构化的态势要素，为精准的态势要素推荐奠定基础。
[0027]2、本专利技术结合城市交通情况多变的特点，对情境进行识别，能有效保证态势要素推荐的精准度和精细程度。
[0028]3、本专利技术将“相似情境有相似需求”和“相似用户有相似需求”多种策略结合，能有效提高推荐的多样性。
附图说明
[0029]图1为本专利技术所述方法的原理图；图2为态势要素标签图。
具体实施方式
[0030]下面结合附图对本专利技术的技术方案作进一步说明。
[0031]如图1所示，一种基于标签的态势要素推荐方法，步骤如下：步骤1、构建态势要素标签体系态势要素以结构化、半结构化以及非结构化的形式存在，总体分为路网基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于标签的态势要素推荐方法，其特征在于，包括以下步骤：步骤1、构建交通指挥态势要素标签体系，态势要素标签是对态势要素的标记，一个标签能够用于标记多个态势要素，一个态势要素需要用多个标签进行描述，基于态势要素标签体系，态势要素能够转化为标签向量s，向量的每一个维度对应一个标签；所述交通指挥态势要素标签体系包含态势要素的关键特征，所述关键特征包括路径基础、执法人员、气象环境；步骤2、情境感知与识别：从系统层面获取城市交通指挥情境，将其转化为支撑态势要素需求的信息，用户登录城市交通指挥系统后，情境感知模块即开始工作，系统实时监控指挥任务及交通变化，采用朴素贝叶斯算法识别情境特征；步骤3、态势要素需求获取：从用户的系统反馈和操作记录中提取用户在不同情境下的需求状态；步骤4、态势要素需求匹配：根据用户及相似用户对态势要素的需求，从候选态势要素库中筛选出用户需要的态势要素。2.根据权利要求1所述的一种基于标签的态势要素推荐方法，其特征在于，步骤1中所述的态势要素包括结构化、半结构化以及非结构化的信息，所述信息包括人员配备情况、动向信息。3.根据权利要求1所述的一种基于标签的态势要素推荐方法，其特征在于，所述步骤2具体为：步骤2.1、基于k
‑
均值的情境聚类；给定情境样本集，得到的k个簇划分记为，k
‑
means聚类用平方误差衡量簇内样本的紧密程度，计算公式如下：；其中，是簇y
i
的均值向量；k
ꢀ‑
means聚类的目标是迭代所有可能的簇划分，E越小则簇内情境相似度越高，聚类效果越好，E取最小值对应的簇划分即为最终聚类结果；步骤2.2、基于朴素贝叶斯的情境分类；基于训练集估计各类情境的先验概率，并计算每个特征的条件概率，在新的情境出现时，选出最有可能的类型；情境聚类最终得到的簇划分记为，情境识别依赖的...

【专利技术属性】
技术研发人员：饶佳人，易侃，谢科，谢策，孟祥夏，方玉杰，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：