线下停车记录与线上购买行为融合的个性化商品推荐方法

技术特征：
1.线下停车记录与线上购买行为融合的个性化商品推荐方法，其特征在于，该方法基于多个停车场的用户停车记录，构建用户停车时空路径；再通过用户时空路径相似度计算模型，计算出任意两个用户之间的时空路径相似度，构建用户相似度矩阵；然后从用户相似度矩阵中提取与目标用户停车记录相似度最高的一组用户，基于这一组用户对停车系统推送商品的历史购买行为数据，计算出目标用户对停车系统推送的商品的偏好值，按偏好值对目标用户进行协同过滤推荐；所述用户停车时空路径，是指基于一段时间内用户的停车记录，以停车场为节点，按时间顺序构建的一条序列；所述历史购买行为数据，是指停车系统向用户推送商品后，停车系统记录的用户点击、浏览和购买商品的数据；所述用户停车时空路径相似度计算模型，用于根据用户停车时空路径，计算两个用户之间的最长加权相似子序列的加权长度，进行归一化后得到两个用户之间的时空路径相似度。2.如权利要求1所述的线下停车记录与线上购买行为融合的个性化商品推荐方法，其特征在于，所述用户停车时空路径相似度计算模型，具体为：定义a用户的停车时空路径为（），b用户的停车时空路径为（），其中，表示a用户停车时空路径中第个节点，，表示b用户停车时空路径中的第个节点，；每个节点均具有四个属性，其中表示对应节点的停车场编号，表示对应节点的兴趣点编号，表示用户在对应节点的到达时间，表示用户在对应节点的停留时长；当a用户和b用户的某一节点的停车场编号相同或者兴趣点编号相同时，则该节点为相似节点；定义a用户前m个节点和b用户前n个节点的最长加权相似子序列的加权长度为；采用递归的方式计算最长加权相似子序列的加权长度，然后计算a用户与b用户之间的时空路径相似度：。3.如权利要求2所述的线下停车记录与线上购买行为融合的个性化商品推荐方法，其特征在于，所述最长加权相似子序列的加权长度的计算方式为：s1、判断a用户第m个节点和b用户第n个节点的停车场编号是否相同；若相同，则转到s2.1，若不同则转到s2.2；s2.1、判断 1**、、这三个值的大小，令取最大值；其中，表示a用户前m
−
1个节点和b用户前n
−
1个节点的最长加权相似子序列的加权长度，
参数为a用户在第m个节点和b用户在第n个节点的到达时间相似度，参数为a用户在第m个节点和b用户在第n个节点的停留时长相似度；表示a用户前m
−
1个节点和和b用户前n个节点的最长加权相似子序列的加权长度；表示a用户前m个节点和b用户前n
−
1个节点的最长加权相似子序列的加权长度；s2.2、判断a用户第m个节点和b用户第n个节点的的兴趣点编号是否相同；若兴趣点编号不同，则判断和这两个值的大小，令取较大值；若兴趣点编号相同，则判断 **、、这三个值的大小，令取最大值，其中为量化两个节点兴趣点相同时空间邻近性的一个预设值；s3、从a用户的第m个节点和b用户的第n个节点一直递归到a用户和b用户的第一个节点的最长加权相似子序列的加权长度，计算得到的值。

技术总结
本发明公开了一种线下停车记录与线上购买行为融合的个性化商品推荐方法，属于数据分析技术领域。该方法基于多个停车场的用户停车记录，构建用户停车时空路径；再通过用户时空路径相似度计算模型，计算出任意两个用户之间的时空路径相似度，构建用户相似度矩阵；然后从用户相似度矩阵中提取与目标用户停车记录相似度最高的一组用户，基于这一组用户对停车系统推送商品的历史购买行为数据，计算出目标用户对停车系统推送的商品的偏好值，按偏好值对目标用户进行协同过滤推荐。本发明能够做到个性化商品推荐和更好的准确性，既能提高转化率和智慧停车系统的收入，创造线下停车记录更多的数据价值，还能为用户推荐更加符合兴趣偏好的商品。好的商品。好的商品。


技术研发人员：晏鹏宇 谢皓宇 于凯泽
受保护的技术使用者：电子科技大学
技术研发日：2022.03.18
技术公布日：2022/5/30