【技术实现步骤摘要】
本专利技术涉及智能推荐，具体涉及一种一种基于深度学习的智能推荐系统。
技术介绍
1、现今，人工智能在车联网领域广泛应用，例如在线音乐、在线电台、导航、垂直搜索等应用中广泛采用的基于云端深度学习的智能推荐。通过智能推荐，在线音乐能够给用户推送喜欢的歌曲；导航能够给用户提供附近的美食景点；用户驾驶疲劳时，能够提醒用户注意安全；通过智能推荐，各个应用结合用户画像，可以为用户提供更加符合其行为习惯的服务。
2、基于云端的智能推荐普遍存在着几点问题：
3、1.依赖于网络，响应速度不够及时，解决该问题，通常采用的方案是在车机(hu)端布置基于规则的智能推荐引擎，在车机端布置基于规则的智能推荐引擎的方式，只能实现某些简单场景的智能推荐；
4、2.基于信息安全考虑，某些数据(如gps)无法上传到云端做分析，导致推荐不准确，解决该问题，通常采用的方案是在云端进行信息脱敏处理提升信息安全，脱敏后的信息降低了精准度，导致推荐内容也不够精准。
技术实现思路
1、本专利技术提供一种基于深度学习的智能推荐系统，实现了车机端的智能推荐产品；通过车机端ai算法对信号的预处理，提升了云端智能推荐准确性及数据安全性。
2、本专利技术所述的一种基于深度学习的智能推荐系统，包括：车机端、云端，所述车机端与云端双向信号连接，其中，
3、车机端包括：触点统一模块、ai引擎、数据采集统一模块；
4、触点统一模块，负责智能推荐的统一触点管理、车机端场景优先级
5、ai引擎用于向云端ai引擎平台提交车机端场景、车机端算法模型，包括：车机端场景引擎、车机端算法容器、
6、车机端场景引擎依据车机端算法容器的结果，向触点统一模块推荐车机端智能场景；
7、车机端算法容器负责具体的算法服务、车机端算法模型的存储、车机端算法模型的推理；
8、数据采集统一模块负责统一采集车机端信号，为ai算法容器提供信号输入适配层，所述车机端信号包括：车机信号、系统级信号、应用信号、服务信号、sds信号、埋点信号；
9、云端包括云端ai引擎平台接收车机端场景、车机端算法模型，分别与云端场景、云端算法模型结合，对云端算法模型进行训练及发布；
10、云端ai引擎平台包括：云端场景引擎、云端ai算法容器、大数据处理模块；
11、所述云端场景引擎依据云端ai算法容器的结果，向车机端提供云端智能推荐场景；
12、所述云端ai算法容器依据大数据训练云端算法模型，云端ai算法容器将云端算法模型与车机端算法模型结合后，对车机端算法模型进行训练后，下发给车机端算法容器；
13、所述大数据处理模块负责大数据处理。
14、优选的，所述触点统一模块依据预设的优先级策略对车机端场景进行优先级管理，当端智能同时推荐出多个应用场景时，触点统一模块依据仲裁策略选择出置信度更高的场景推送给用户。
15、优选的，所述车机端场景引擎依据场景优先级策略对车机端场景进行优先级管理，当端智能同时推荐出多个应用场景时，车机端场景引擎依据仲裁策略选择出置信度更高的场景，通过触点统一模块推送给用户。
16、更优选的，所述场景优先级策略是通过云端ai引擎平台进行算法优化更新。
17、优选的，所述车机端场景引擎具备边缘智能能力，在车机端对个体的车机端场景进行数据训练和模型推理。
18、所述车机端场景是在车机端采用自学习算法进行机器学习算法挖掘和训练的个性化场景。
19、更优选的，所述自车机端场景包括：一键go、场景化车控、快捷操作、多媒体一键听等。
20、优选的，所述云端ai引擎平台接收车机端ai引擎提供的车机端算法模型，将车机端算法模型与云端算法模型结合后，对车机端算法模型再次训练获得云端个性化场景，并将云端个性化场景发送给车机端ai引擎；
21、更优选的，所述车机端算法模型是由车机端场景引擎将车机端用户的行为偏好，结合车辆状态、实时事件等信息，采用基于规则或内容的平台算法进行训练获得。
22、更优选的，所述平台算法包括：协同过滤、混合特征等。
23、优选的，所述车机端的数据采集统一模块包括android端模块，android 端模块的数据采集统一模块采集android系统中各类服务及应用的数据,将 android端模块数据汇总后传送给ai engine算法引擎。
24、车机信号采集是一个复杂的环境，通过对数据采集统一模块设置 android端模块，数据采集统一模块可适用于android系统，将系统的埋点数据实时/非实时的传递给aiengine模块。
25、更优选的，所述车机端的数据采集统一模块还包括linux端模块，linux 端模块的数据采集统一模块用于统一采集linux系统的各类服务及应用的数据，通过rpc如f-dbus将采集数据传送给android端模块；
26、android端模块的数据采集统一模块用于采集android系统的各类服务及应用的数据,并且对linux侧的数据做统一汇总；
27、数据采集统一模块将android端模块汇总后的数据传送给ai engine算法引擎。
28、车机信号采集是一个复杂的环境，通过对数据采集统一模块设置linux 端模块和android端模块，数据采集统一模块可适用于双系统车机平台，可以将两个系统的埋点数据实时/非实时的传递给ai engine模块。
29、更优选的，所述各类服务及应用包括：在线应用、本地应用、系统服务、应用服务以及供应商提供的数据。
30、更优选的，所述车机端数据采集统一模块还包括定制接口，用于对个别特殊信号进行处理。
31、本专利技术的一种基于深度学习的智能推荐系统，实现了车机端的智能推荐产品；基于车机端ai算法对信号的预处理，提升了云端智能推荐准确性及数据安全性；为ai算法容器实现一种全量的信号采集方案，该技术特征是为ai模型提供大数据的模块，可以独立运行，可以给其他的应用或者服务提供数据接口；可在云端建立一套可视化的ai算法模型训练及发布平台，由后端开发团队和运维团队统一管理，将采集到的车端大数据进行统一管理并提供给算法模型进行推理训练及迭代更新，发布下发到车机端智能模型，仲裁策略，以及参数配置文件等等。
32、本专利技术的一种基于深度学习的智能推荐系统，对于一些简单的场景，可以完全不依赖于网络也能进行智能推荐，响应速度快；基于信息安全考虑，对于不能上传到云端的数据，在车机端可以直接对这类信息做处理；由于车机端数据不需要脱敏处理，使得其信息获取更加精准，进而推荐内容也更加精准；适应未来数据安全趋势，研究数据的本地化隐私计算与脱敏技术。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的智能推荐系统，其特征在于，包括：车机端、云端，所述车机端与云端双向信号连接，其中，
2.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述触点统一模块依据预设的优先级策略对车机端场景进行优先级管理，当端智能同时推荐出多个应用场景时，触点统一模块依据仲裁策略选择出置信度更高的场景推送给用户。
3.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述车机端场景引擎依据场景优先级策略对车机端场景进行优先级管理，当端智能同时推荐出多个应用场景时，车机端场景引擎依据仲裁策略选择出置信度更高的场景，通过触点统一模块推送给用户。
4.如权利要求3所述的基于深度学习的智能推荐系统，其特征在于，所述场景优先级策略是通过云端AI引擎平台进行算法优化更新。
5.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述车机端场景是在车机端采用自学习算法进行机器学习算法挖掘和训练的个性化场景。
6.如权利要求5所述的基于深度学习的智能推荐系统，其特征在于，所述车机端场景包括：一键Go、场景化车控、
7.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述云端AI引擎平台接收车机端AI引擎提供的车机端算法模型，将车机端算法模型与云端算法模型结合后，对车机端算法模型再次训练获得云端个性化场景，并将云端个性化场景发送给车机端AI引擎。
8.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述车机端算法模型是由车机端场景引擎将车机端用户的行为偏好，结合车辆状态、实时事件等信息，采用基于规则或内容的平台算法进行训练获得。
9.如权利要求8所述的基于深度学习的智能推荐系统，其特征在于，所述平台算法包括：协同过滤、混合特征等。
10.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述车机端的数据采集统一模块包括Android端模块，Android端模块的数据采集统一模块采集Android系统中各类服务及应用的数据,将Android端模块数据汇总后传送给AI Engine算法引擎。
11.如权利要求10所述的基于深度学习的智能推荐系统，其特征在于，所述车机端的数据采集统一模块还包括Linux端模块，Linux端模块的数据采集统一模块用于统一采集Linux系统的各类服务及应用的数据，通过RPC如F-DBUS将采集数据传送给Android端模块；
12.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述各类服务及应用包括：在线应用、本地应用、系统服务、应用服务以及供应商提供的数据。
...【技术特征摘要】
1.一种基于深度学习的智能推荐系统，其特征在于，包括：车机端、云端，所述车机端与云端双向信号连接，其中，
2.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述触点统一模块依据预设的优先级策略对车机端场景进行优先级管理，当端智能同时推荐出多个应用场景时，触点统一模块依据仲裁策略选择出置信度更高的场景推送给用户。
3.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述车机端场景引擎依据场景优先级策略对车机端场景进行优先级管理，当端智能同时推荐出多个应用场景时，车机端场景引擎依据仲裁策略选择出置信度更高的场景，通过触点统一模块推送给用户。
4.如权利要求3所述的基于深度学习的智能推荐系统，其特征在于，所述场景优先级策略是通过云端ai引擎平台进行算法优化更新。
5.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述车机端场景是在车机端采用自学习算法进行机器学习算法挖掘和训练的个性化场景。
6.如权利要求5所述的基于深度学习的智能推荐系统，其特征在于，所述车机端场景包括：一键go、场景化车控、快捷操作、多媒体一键听等。
7.如权利要求1所述的基于深度学习的智能推荐系统，其特征在于，所述云端ai引擎平台接收车机端ai引擎提供的车机端算法模型，将车机...
【专利技术属性】
技术研发人员：张辛，谢锐，
申请(专利权)人：摩斯智联科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。