【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种基于人工智能物联网的隐式组推荐方法及系统。
技术介绍
1、随着物联网(iot)的不断普及，使得构建万物互联的世界成为了可能。与此同时，人工智能(ai)的出现也为多个领域带来了新的活力。物联网(iot)和人工智能(ai)的融合产生了一个新的概念，称为人工智能物联网(aiot)，是一种在未来非常有潜力的技术模式。可以预见的是，aiot可以用于改进许多普通工业或商业应用程序，其中推荐系统(rss)作为最典型的一种人工智能物联网(aiot)。在物联网的背景下，通信质量的不断发展大大促进了信息的传输和交换，但也导致了显著的信息过载问题。特别是在5g时代，这一问题在物联网环境方面可能会更加突出。目前，推荐系统(rss)被认为是解决这一问题的有效工具，受到了广泛的关注。推荐系统(rss)设法为用户提供个性化的服务，因此可以向用户推荐符合用户喜好的合适的项目。但是现有的推荐系统(rss)主要是针对个人用户开发的。但由于信息技术带来的诸多便利，越来越多的社会活动倾向于以群体的形式进行，因此向群体推荐商品成为了一种有意义的需求，群体推荐系统(grss)也应运而生。
2、尽管群体推荐系统(grss)已经取得了很大的进展，但是群体层次的偏好特征依然是从个体中获取的，现有的方法大多是通过聚合的方式建立的，但是忽略了隐式偏好反馈，从而影响了群体推荐系统的推荐效果。
3、因此，如何提高群体推荐的效果，是目前本领域技术人员急需解决的技术问题。
技术实现思路
2、为解决上述技术问题，本申请提供如下技术方案：
3、一种基于人工智能物联网的隐式组推荐方法，包括如下步骤：步骤s110、依据物联网设备采集的用户的交互记录，获得用户的偏好特征；步骤s120、依据用户的偏好特征以及该用户所在用户组中的成员之间的合作关系和竞争意向，得到组推荐结果；步骤s130、待得到组推荐结果后，将组推荐结果提供给用户。
4、如上所述的基于人工智能物联网的隐式组推荐方法，其中，优选的是，获得用户的偏好特征包括如下子步骤：步骤s111、依据用户的交互记录类型，分别得到不同类型时交互记录的生成过程的条件概率；步骤s112、将不同类型时交互记录的生成过程的条件概率进行联合，得到交互记录的所有生成过程的联合概率；步骤s113、在给定项目的主题指标和项目的先验概率分布的情况下，根据交互记录的所有生成过程的联合概率，得到该主题指标的项目被用户喜欢的概率；步骤s114、依据被用户喜欢的概率得到推荐概率，根据推荐概率构建目标函数；步骤s115、根据采集的数据样本中统计的值和构建的目标函数，得到用户对主题指标的固有兴趣和用户对主题指标的项目的社会影响，以作为用户的偏好特征。
5、如上所述的基于人工智能物联网的隐式组推荐方法，其中，优选的是，用户的交互记录类型包括：用户选择项目和用户不选择项目。
6、如上所述的基于人工智能物联网的隐式组推荐方法，其中，优选的是，得到组推荐结果包括如下子步骤：步骤s121、依据用户对主题指标的固有兴趣得到用户的最终收益；步骤s122、依据用户对主题指标的固有兴趣和用户对主题指标的项目的社会影响，得到用户的成本；步骤s123、依据用户的最终收益和用户的成本，得到用户的效用；步骤s124、依据用户的效用推断出纳什均衡状态下的组推荐结果。
7、如上所述的基于人工智能物联网的隐式组推荐方法，其中，优选的是，将达到纳什均衡状态下的策略集中所有策略的数量与达到纳什均衡状态下的策略集中某个主题指标的策略的数量的比例，作为推荐给用户组的推荐结果。
8、一种基于人工智能物联网的隐式组推荐系统，包括：数据层、安全层、处理层和应用层；其中，数据层收集物联网设备采集的用户的交互记录；安全层将用户的交互记录从数据层传输到处理层；处理层依据用户的交互记录，获得用户的偏好特征，并且依据用户的偏好特征以及该用户所在用户组中的成员之间的合作关系和竞争意向，得到组推荐结果；应用层依据得到的组推荐结果，向用户展示组推荐结果。
9、如上所述的基于人工智能物联网的隐式组推荐系统，其中，优选的是，处理层包括：协作推理模块；协作推理模块依据用户的交互记录类型，分别得到不同类型时交互记录的生成过程的条件概率；协作推理模块将不同类型时交互记录的生成过程的条件概率进行联合，得到交互记录的所有生成过程的联合概率；协作推理模块在给定项目的主题指标和项目的先验概率分布的情况下，根据交互记录的所有生成过程的联合概率，得到该主题指标的项目被用户喜欢的概率；协作推理模块依据被用户喜欢的概率得到推荐概率，根据推荐概率构建目标函数；协作推理模块根据采集的数据样本中统计的值和构建的目标函数，得到用户对主题指标的固有兴趣和用户对主题指标的项目的社会影响，以作为用户的偏好特征。
10、如上所述的基于人工智能物联网的隐式组推荐系统，其中，优选的是，用户的交互记录类型包括：用户选择项目和用户不选择项目。
11、如上所述的基于人工智能物联网的隐式组推荐系统，其中，优选的是，处理层包括：推荐模块；推荐模块依据用户对主题指标的固有兴趣得到用户的最终收益；推荐模块依据用户对主题指标的固有兴趣和用户对主题指标的项目的社会影响，得到用户的成本；推荐模块依据用户的最终收益和用户的成本，得到用户的效用；推荐模块依据用户的效用推断出纳什均衡状态下的组推荐结果。
12、如上所述的基于人工智能物联网的隐式组推荐系统，其中，优选的是，将达到纳什均衡状态下的策略集中所有策略的数量与达到纳什均衡状态下的策略集中某个主题指标的策略的数量的比例，作为推荐给用户组的推荐结果。
13、相对上述
技术介绍
，本申请通过物联网结构作为底层支撑平台，从而可以实时获取和更新组推荐相关的各类数据，进而能够实时利用在线数据进行更新推荐系统，又可以使用隐性偏好反馈数据提高推荐的准确度，从而保证推荐效果。
【技术保护点】
1.一种基于人工智能物联网的隐式组推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于人工智能物联网的隐式组推荐方法，其特征在于，获得用户的偏好特征包括如下子步骤：
3.根据权利要求2所述的基于人工智能物联网的隐式组推荐方法，其特征在于，用户的交互记录类型包括：用户选择项目和用户不选择项目。
4.根据权利要求1至3任一项所述的基于人工智能物联网的隐式组推荐方法，其特征在于，得到组推荐结果包括如下子步骤：
5.根据权利要求4所述的基于人工智能物联网的隐式组推荐方法，其特征在于，将达到纳什均衡状态下的策略集中所有策略的数量与达到纳什均衡状态下的策略集中某个主题指标的策略的数量的比例，作为推荐给用户组的推荐结果。
6.一种基于人工智能物联网的隐式组推荐系统，其特征在于，包括：数据层、安全层、处理层和应用层；
7.根据权利要求6所述的基于人工智能物联网的隐式组推荐系统，其特征在于，处理层包括：协作推理模块；
8.根据权利要求7所述的基于人工智能物联网的隐式组推荐系统，其特征在于，用户的交互记
9.根据权利要求6-8任一项所述的基于人工智能物联网的隐式组推荐系统，其特征在于，处理层包括：推荐模块；
10.根据权利要求9所述的基于人工智能物联网的隐式组推荐系统，其特征在于，将达到纳什均衡状态下的策略集中所有策略的数量与达到纳什均衡状态下的策略集中某个主题指标的策略的数量的比例，作为推荐给用户组的推荐结果。
...【技术特征摘要】
1.一种基于人工智能物联网的隐式组推荐方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于人工智能物联网的隐式组推荐方法，其特征在于，获得用户的偏好特征包括如下子步骤：
3.根据权利要求2所述的基于人工智能物联网的隐式组推荐方法，其特征在于，用户的交互记录类型包括：用户选择项目和用户不选择项目。
4.根据权利要求1至3任一项所述的基于人工智能物联网的隐式组推荐方法，其特征在于，得到组推荐结果包括如下子步骤：
5.根据权利要求4所述的基于人工智能物联网的隐式组推荐方法，其特征在于，将达到纳什均衡状态下的策略集中所有策略的数量与达到纳什均衡状态下的策略集中某个主题指标的策略的数量的比例，作为推荐给用户组的推荐结果。
【专利技术属性】
技术研发人员：朱小刚，林波，郭智威，余恪平，丁峰，
申请(专利权)人：南昌大学，
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。