阅读说明：本技术 一种家政服务推荐系统及方法 (Household service recommendation system and method ) 是由 王斌 王英超 陈铁军 倪洪科 于 2021-08-23 设计创作，主要内容包括：本发明公开了一种家政服务推荐系统及方法,本发明的家政服务推荐方法包括以下步骤：步骤1：根据用户历史行为信息构建用户-项目评分矩阵；步骤2：根据用户-项目评分矩阵计算用户之间的相似度,采用欧式距离、余弦相似度或皮尔逊相关性中的至少一种方法计算得到相似度；步骤3：根据用户之间的相似度得到目标用户的k个最近邻居；步骤4：根据k个邻居的评分项目预测用户评分,按如下公式进行计算：其中p-(u,i)表示用户u对项目i的预测评分,n是最近邻集合,v是任意一个最近邻居,s(u,v)r-(v,i)表示最近邻v和目标用户u的相似度与最近邻v对项目i的评分相乘。利用本发明的家政服务推荐系统及方法,能有效降低用户搜寻信息的成本。(The invention discloses a system and a method for recommending housekeeping services, wherein the method for recommending the housekeeping services comprises the following steps: step 1: constructing a user-item scoring matrix according to the historical behavior information of the user; step 2: calculating the similarity between users according to the user-item scoring matrix, and calculating by adopting at least one of Euclidean distance, cosine similarity or Pearson correlation to obtain the similarity; and step 3: obtaining k nearest neighbors of a target user according to the similarity between users; and 4, step 4: predicting user scores according to the scoring items of the k neighbors, and calculating according to the following formula: wherein p is u,i Represents the prediction score of the user u on the item i, n is the nearest neighbor set, v is any one nearest neighbor, s (u, v) r v,i The similarity representing the nearest neighbor v and the target user u is multiplied by the score of the nearest neighbor v for the item i. By utilizing the system and the method for recommending the home service, the cost of searching information by the user can be effectively reduced.)

一种家政服务推荐系统及方法

技术领域

本发明涉及大数据处理技术领域，具体涉及一种家政服务推荐系统及方法。

背景技术

随着我国经济迅猛发展，人民生活水平迅速提高，对提高生活质量和家政服务产生了巨大需求，由此家政服务行业得到迅猛发展。互联网家政服务产业是近几年的热门产业，其发展的核心目标是为满足家庭高质量生活照料服务。

目前找寻家政服务人员主要是依赖服务平台的搜索功能，需要人工进行筛选，花费大量的人力物力，并且最后的筛选结果也较为粗略，不能很好的为特定需求的家庭用户推荐合适的服务人员。例如在一定区域范围内的服务商，存在多个不规则的属性，比如服务商的资质、服务能力、服务价格、客服能力、距离等，同时不同类型的家庭用户由于个体自身因素，其需求也有很大差异，因此现有的平台在用户选择家政服务的时候，并不能及时寻找到最合适的服务人员进行推荐，导致了资源的浪费。

综上，目前尚无一种实时精准的家政服务推荐方法及系统，无法将用户需求与家政人员进行有效匹配，增加了户搜寻信息的成本。

发明内容

针对现有互联网家政服务的不足，本发明提供了一种家政服务推荐系统及方法。在用户和服务信息之间搭建起一个桥梁，以此发掘用户的潜在兴趣点并推荐给用户从而降低用户搜寻信息的成本。

本发明的家政服推荐系统，包括用户历史行为信息收集模块、相似邻居计算模块、预测模块和推荐模块，

所述用户历史行为信息收集模块用于提取用户在信息平台的行为数据，对收集的行为数据构建用户-项目关联矩阵，

所述相似邻居计算模块根据构建的用户-项目关联矩阵进行目标用户和目标项目的相似邻居分析计算，

所述预测推荐模块对相似邻居结果进行预测评分，

所述推荐模块根据预测结果降序推荐给目标用户。

本发明还提供了一种家政服推荐系统，其包括以下步骤：

步骤1：根据用户历史行为信息构建用户-项目评分矩阵；

步骤2：根据用户-项目评分矩阵计算用户之间的相似度，采用欧式距离、余弦相似度或皮尔逊相关性中的至少一种方法计算得到相似度；

步骤3：根据用户之间的相似度计算得到目标用户的k个最近邻居；

步骤4：根据k个邻居的评分项目预测用户评分，按如下公式进行计算：

其中p_u,i表示用户u对项目i的预测评分，n是最近邻集合，v是任意一个最近邻居，s(u,v)r_v,i表示最近邻v和目标用户u的相似度与最近邻v对项目i的评分相乘。

步骤5：得到预测评分后按照评分高低进行降序，选择用户评分最高的前n个项目作为推荐。

进一步的，在步骤2中，利用余弦相似度对用户之间的相似度进行计算，公式如下：

其中，r_u表示用户u的评分集合，r_v表示用户v的评分集合，i表示项目，∑_ir_u,ir_v,i表示用户u对项目i的评分乘以用户v对项目i的评分累加之和，分别表示用户u、v对项目i的评分的平方累加求和取平方根。

进一步的，步骤3中利用KNN算法筛选得到k个最近邻居。

附图说明

参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于举例说明本发明的技术方案，而并非意在对本发明的保护范围构成限制。

图1是本发明的家政服务推荐系统的结构图；

图2是本发明的家政服务推荐方法的流程图。

具体实施方式

为了能够更清楚地理解本发明专利的技术内容，特举以下实施例详细说明。

实施例一：

参见附图1所示，本实例为一种家政服务推荐系统，其包括用户历史行为信息收集模块、相似邻居计算模块、预测模块和推荐模块。

本实施例的家政服务推荐系统首先利用用户历史行为信息收集模块提取用户评分数据，对收集的行为数据进行分析处理，构建用户-项目关联矩阵。接着，相似邻居计算模块根据构建的关联矩阵进行相似度计算，得到相似邻居。然后，预测模块对相似邻居结果进行预测评分，得到预测评分结果表。最后，推荐模块根据预测结果降序推荐给目标用户。

实施例二：

参见附图2所示，本实施例为一种家政服务推荐方法，其包括如下步骤：

步骤1：根据用户历史行为信息构建用户-项目评分矩阵，如表1所示：

表1用户-项目评分矩阵

用户名称	项目1	项目2	项目3
				用户u	1	2	5
用户v	3	4	2
				用户w	0	3	2

步骤2：根据用户-项目评分矩阵计算用户之间的相似度，按如下公式计算：

其中，r_u表示用户u的评分集合，r_v表示用户v的评分集合，i表示项目，∑_ir_u,ir_v,i表示用户u对项目i的评分乘以用户v对项目i的评分累加之和，分别表示用户u、v对项目i的评分的平方累加求和取平方根。

步骤3：根据用户之间的相似度得到目标用户的k个最近邻居。

本发明采用KNN算法对最近邻居进行筛选。通常，KNN算法通过两种方式实现筛选：一种是设置相似度阈值(给定一个相似度的下限，大于下限的相似度为最近邻居)，另一种是根据与目标用户相似度的高低来选择前k个最近邻居。本发明采用经典冒泡排序法进行排序来筛选前k个最近邻居。

步骤4：根据k个邻居的评分项目预测用户评分，按如下公式计算：

其中p_u,i表示用户u对项目i的预测评分，n是最近邻集合，v是任意一个最近邻居，s(u,v)r_v,i表示最近邻v和目标用户u的相似度与最近邻v对项目i的评分相乘。

步骤5：得到预测评分后按照评分高低进行降序，选择用户评分最高的前n个项目作为推荐。

以上实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所做的等效变化或修饰，都应涵盖在本发明的保护范围内。