买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安工业大学

摘要：本发明涉及一种基于特征挖掘算法的个性化出行路线推荐方法，包括如下步骤：步骤一、搜集用户基本信息,建立用户数据信息数据库；步骤二、对用户的信息进行分析，建立用户特征模型；步骤三、为用户推荐个性化出行路线,该方法通过将数据分析技术和深度学习技术的结合，基于数据挖掘算法尽可能的发掘用户兴趣特征，提升推荐结果的个性化和满意度，将行驶过的路线加入到检索结果中，再通过用户的反馈进行深度学习，从而得到更加符合用户需求的路径规划结果。同时不仅能记录用户保存行驶过的出行路线，供用户下一次出行时直接使用，还能在准备返程时根据对系统最终推荐的个性化去程路线进行分析直接推送出返程路线，便于用户返程时直接使用。

主权项：1.一种基于特征挖掘算法的个性化出行路线推荐方法，其特征在于，包括如下步骤：步骤一、搜集用户基本信息,建立用户数据信息数据库；步骤二、对用户的信息进行分析，建立用户特征模型；具体过程是：步骤1、将收集到的数据信息划分m个不相关的数据块，并发送到n个节点中；通过公示1产生全局的候选频繁项集 式中：设Op为全局的候选频繁项集；∑z为数据格式化因子；m*n为将m划分为n个不相关的数据块；x为局部频繁项集；步骤2、通过公示2计算数据中每个候选频繁项的支持频度，并按照支持度降序排列；SupportAi＝B＝PAi∪B2式中：每种情况发生的次数为Ai，总数据库为B；步骤3、利用得到的项头表和排序后的数据建立数据集，根据输出结果，产生相关关联，对数据库中的每一个操作进行分割，计算公式为： 式中：P为出行路线信息输出结果；Z代表满足条件的数据；S1，S2分别代表出行路线信息，代表了出行路线信息输出过程；步骤三、为用户推荐个性化出行路线，具体是用户出行路线数据来调整路线和权重，改变推荐算法结果，计算公式如下： 式中：Q代表用户信息；Kn代表用户感兴趣度；g为路线推荐权重，|z|为推荐算法优化因子，利用上述公式，不断重复计算生成新的出行路线，直至生成满意的结果；返程路线的确定方法，包括如下步骤：a确定需要分析的数据，确定出行路线中的关键特征信息的参考数列和特征信息的比较数列；反映用户去程路线关键特征信息的数据序列，称为参考数列；影响返程路线推荐因素组成的数据序列，称比较数列；设参考序列为Z＝Zk|k＝1,2...n；比较序列为X＝Xk|k＝1,2...n；b由于系统中各因素的物理意义不同，导致路线数据的量纲也可能不同，不便于相比较，于是为了减少路线数据的绝对数值的差异，将它们统一到近似的范围内，进行归一化处理；本文采用初值化处理，公式如下： 其中K对应时间段，i对应比较数列中的一行即一个特征；c计算关联系数，设i为路线数据上一个固定的特征值，也就是说对于某一个路线数据的因素，其中的每个维度进行计算，得到一个新的数据序列，这个序列中的每个值就代表着该返程路线序列中的特征值与去程路线序列中对应维度上的关联性，数字越大，代表关联性越强，公式如下： d关联度的计算，形成一个路线特征关联序列，关联系数是用户去程路线关键特征信息序列与返程路线推荐因素序列在各个时刻的关联程度值，所以它的数不止一个，因此将多个时刻的关联系数集中起来，即求其平均值，作为去程路线关键特征信息序列与返程路线推荐因素序列的数量表示，公式如下： 关联度的排序，通过以上公式，将计算出来的路线特征信息进行关联度排序，找出去程路线中各个关键特征点的最优关联数据信息，关联度越大，该返程推荐的路线与去程路线标准越相似。

全文数据：

权利要求：

百度查询： 西安工业大学 一种基于特征挖掘算法的个性化出行路线推荐方法