CN119517338A 基于用户历史行为的护理设备推 荐方法及系统 （北京亿家老小医疗科技有限公司）_第1页
CN119517338A 基于用户历史行为的护理设备推 荐方法及系统 （北京亿家老小医疗科技有限公司）_第2页
CN119517338A 基于用户历史行为的护理设备推 荐方法及系统 （北京亿家老小医疗科技有限公司）_第3页
CN119517338A 基于用户历史行为的护理设备推 荐方法及系统 （北京亿家老小医疗科技有限公司）_第4页
CN119517338A 基于用户历史行为的护理设备推 荐方法及系统 （北京亿家老小医疗科技有限公司）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于用户历史行为的护理设备推荐方法及本发明公开了基于用户历史行为的护理设为数据的时空缺口，有效提高推荐效果和准确2使用半方差函数描述用户行为数据相似性形成半方差模型将用户位置数据划分为不同距离区间，将用户数据对按距离间隔方差模型特征选择对应的补缺模型后，依据聚类后的用户行为数据训练选择的补缺模型，在时间或空间上缺失的行为数据位置，通过补缺模型估算，补缺模型表达式为：式中，R(0)为位置s0处的预测值，即要估算的缺失行为数据3对每个簇重新计算簇中心，将簇中心设为该簇中所有数据点的均值根据推荐规则，基于每个设备的特征得分生成推荐列表，计算每个将推荐的护理设备按优先级展示给用户，包括每个设备的特点、适用为每条行为数据添加用户所在时间段的标签在行为数据上加上地理位置信息，用于分析不同地点对健康数据和设备使用的影响，8.基于用户历史行为的护理设备推荐系统，用于实现权利要求1_7任一项所述的推荐模型训练模块：使用半方差函数描述用户行为数据相似性形成半方差推荐模块：结合用户行为数据的特征数据和补缺模型的预测结果，4[0011]结合用户行为数据的特征数据和补缺模型的预测结果，分配每一特征数据的权5式中，R为半方差值，N(h)表示在距离区间内[0017]在时间或空间上缺失的行为数据位置，通过补缺模式中，R(0)为位置s0处的预测值，即要估算的缺失行为数据[0024]在一个优选的实施方式中，结合用户行为数据的特征数据和补缺模型的预测结6[0034]聚类模块：使用K_means算法对用户行为数据进行聚类分析，识别用户的行为模半方差模型特征选择对应的补缺模型后，依据聚类后的用户行为数据训练选择的补缺模7体温等)和使用护理设备的频率与时长，对行为数据附加时间和空间标签(如一天中的时[0047]设备使用频率和时长记录：记录用户使用各类护理设备的频率(如每天的使用次89i[0119]在时间或空间上缺失的行为数据位置，通过补缺模式中，R(s)为位置s0处的预测值，即我们想要估算的缺失行权重λi。i2+w3i3i1i2i3为

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论