一种基于车联网的生活服务推荐方法技术

本发明专利技术涉及一种基于车联网的生活服务推荐方法

【技术实现步骤摘要】
一种基于车联网的生活服务推荐方法、系统及介质


[0001]本专利技术涉及车机推荐系统领域，尤其是涉及一种基于车联网的生活服务推荐方法
、
系统及介质
。

技术介绍

[0002]随着车机系统的发展，其智能性逐渐增强，对其智能化的也要求越来越高
。
目前的车机系统的发展研究仍然侧重于驾驶导航方面的需求，却没有更多的贴近日常生活需求
。
现有的车机系统基本可以满足用户的导航需求，但是对于导航目的地的相关服务却相对缺乏，例如餐饮店的智能推荐等
。
现有的一些车机系统中的日常生活服务推荐通常是基于一定的规则进行排名，对于不同用户提供的推荐大多千篇一律，不能做到千人千面的个性化推荐
。

技术实现思路

[0003]为了解决上述问题，本专利技术提供一种基于车联网的生活服务推荐方法
、
系统及介质，用于解决车机推荐系统智能程度低，对于目的地推荐依赖已有规则，推荐结果千篇一律的问题
。
[0004]第一方面，本专利技术提供的一种基于车联网的生活服务推荐方法，采用如下的技术方案：一种基于车联网的生活服务推荐方法，包括：基于用户行为数据训练得到推荐模型；基于用户反馈数据训练得到偏好模型；根据用户的目的地，将所述目的地预设范围内的生活服务数据输入所述推荐模型，得到推荐结果；基于所述推荐结果获取用户的反馈内容，并输入所述偏好模型进行打分，得到打分结果；基于所述打分结果优化所述推荐模型
。
[0005]进一步的，上述一种基于车联网的生活服务推荐方法中，还包括：将所述反馈内容更新至所述用户反馈数据中；基于更新后的用户反馈数据重新训练从而优化所述偏好模型
。
[0006]进一步的，上述一种基于车联网的生活服务推荐方法中，重新训练所述偏好模型时采用定期批量训练的方式或增量式训练的方式
。
[0007]进一步的，上述一种基于车联网的生活服务推荐方法中，所述用户行为数据包括行车历史数据
、
和
/
或就餐记录数据
、
和
/
或点击数据
、
和
/
或浏览数据
、
和
/
或收藏数据
、
和
/
或评价数据
、
和
/
或搜索数据中的至少一个
。
[0008]进一步的，上述一种基于车联网的生活服务推荐方法中，所述用户反馈数据包括调查问卷数据，所述调查问卷数据由用户在初次使用时填写的调查问卷获得
。
[0009]进一步的，上述一种基于车联网的生活服务推荐方法中，所述根据用户的目的地，将所述目的地预设范围内的生活服务数据输入所述推荐模型，得到推荐结果，包括：获取车机端用户输入的目的地；基于云端存储的服务数据，筛选出所述目的地预设范围内的生活服务数据；基于所述生活服务数据生成生活服务特征数据并基于用户行为数据生成用户行为特征数据；将所述生活服务特征数据以及所述用户行为特征数据输入所述推荐模型，得到生活服务推荐列表，所述生活服务推荐列表即为所述推荐结果；将所述推荐结果发送至车机端供用户进行选择
。
[0010]进一步的，上述一种基于车联网的生活服务推荐方法中，所述基于所述推荐结果获取用户的反馈内容，并输入所述偏好模型进行打分，得到打分结果，包括：在所述推荐结果通过车机端发送至用户后，监测用户的反馈内容，所述反馈内容包括用户的点击
、
购买
、
收藏
、
忽略以及评论行为；偏好模型接收用户的反馈内容，并根据所述反馈内容对每个推荐结果进行打分，得到所述打分结果
。
[0011]进一步的，上述一种基于车联网的生活服务推荐方法中，所述基于所述打分结果优化所述推荐模型，包括：根据所述打分结果，偏好模型生成对应的奖励信号；推荐模型接收所述奖励信号，利用强化学习算法，调整推荐模型的参数，从而优化所述推荐
。
[0012]第二方面，本专利技术提供的一种基于车联网的生活服务推荐系统，采用如下的技术方案：一种基于车联网的生活服务推荐系统，包括：算法准备模块，包括推荐模型训练单元以及偏好模型训练单元，所述推荐模型训练单元用于基于用户行为数据训练得到推荐模型，所述偏好模型训练单元用于基于用户反馈数据训练得到偏好模型；智能推荐模块，包括推荐单元以及打分单元，所述推荐单元用于根据用户的目的地，将所述目的地预设范围内的生活服务数据输入所述推荐模型，得到推荐结果，所述打分单元用于基于所述推荐结果获取用户的反馈内容，并输入所述偏好模型进行打分，得到打分结果，同时基于所述打分结果优化所述推荐模型
。
[0013]进一步的，上述一种基于车联网的生活服务推荐系统，还包括：偏好模型改进模块，用于将所述反馈内容更新至所述用户反馈数据中，并基于更新后的用户反馈数据重新训练从而优化所述偏好模型
。
[0014]第三方面，本专利技术提供的一种可读存储介质，采用如下的技术方案：一种可读存储介质，所述可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现如上述第一方面中任一项所述的一种基于车联网的生活服务推荐方法
。
[0015]综上所述，本专利技术包括以下至少一种有益技术效果：
1.
本专利技术可以根据用户行为数据得到用于生活服务推荐的推荐模型，根据用户反馈数据训练出偏好模型来评估推荐模型产生的推荐效果，从而提供更优质
、
个性化的推荐
服务；
2.
本专利技术能够不断适应用户的兴趣和需求变化，提供更加准确和符合用户偏好的推荐服务
。
这种动态更新的训练过程使得推荐系统能够持续改进和提升，提供更优质的生活服务推荐体验
。
附图说明
[0016]图1是本专利技术一种基于车联网的生活服务推荐方法的一个实施例的流程框图
。
[0017]图2是本专利技术一种基于车联网的生活服务推荐方法的另一实施例的流程框图
。
[0018]图3是本专利技术一种基于车联网的生活服务推荐方法的另一实施例的流程框图
。
[0019]图4是本专利技术一种基于车联网的生活服务推荐方法的另一实施例的流程框图
。
[0020]图5是本专利技术一种基于车联网的生活服务推荐方法的另一实施例的流程框图
。
[0021]图6是本专利技术一种基于车联网的生活服务推荐系统的一个实施例的结构示意图
。
具体实施方式
[0022]为使本专利技术实施例的目的
、
技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于车联网的生活服务推荐方法，其特征在于，包括：基于用户行为数据训练得到推荐模型；基于用户反馈数据训练得到偏好模型；根据用户的目的地，将所述目的地预设范围内的生活服务数据输入所述推荐模型，得到推荐结果；基于所述推荐结果获取用户的反馈内容，并输入所述偏好模型进行打分，得到打分结果；基于所述打分结果优化所述推荐模型
。2.
根据权利要求1所述的一种基于车联网的生活服务推荐方法，其特征在于，所述方法还包括：将所述反馈内容更新至所述用户反馈数据中；基于更新后的用户反馈数据重新训练从而优化所述偏好模型
。3.
根据权利要求2所述的一种基于车联网的生活服务推荐方法，其特征在于，重新训练所述偏好模型时采用定期批量训练的方式或增量式训练的方式
。4.
根据权利要求1所述的一种基于车联网的生活服务推荐方法，其特征在于，所述用户行为数据包括行车历史数据
、
和
/
或就餐记录数据
、
和
/
或点击数据
、
和
/
或浏览数据
、
和
/
或收藏数据
、
和
/
或评价数据
、
和
/
或搜索数据中的至少一个
。5.
根据权利要求1所述的一种基于车联网的生活服务推荐方法，其特征在于，所述用户反馈数据包括调查问卷数据，所述调查问卷数据由用户在初次使用时填写的调查问卷获得
。6.
根据权利要求1所述的一种基于车联网的生活服务推荐方法，其特征在于，所述根据用户的目的地，将所述目的地预设范围内的生活服务数据输入所述推荐模型，得到推荐结果，包括：获取车机端用户输入的目的地；基于云端存储的服务数据，筛选出所述目的地预设范围内的生活服务数据；基于所述生活服务数据生成生活服务特征数据并基于用户行为数据生成用户行为特征数据；将所述生活服务特征数据以及所述用户行...

【专利技术属性】
技术研发人员：张劭华，
申请(专利权)人：零束科技有限公司，
类型：发明
国别省市：