一種基于貨主偏好性學習的車輛在線推薦排序方法
【技術領域】
[0001] 本發明涉及信息技術和自動控制領域，特別涉及一種基于貨主偏好性學習的車輛 在線推薦排序方法。
【背景技術】
[0002] 物流平臺建立了車主和貨主之間的信息橋梁，車主可以進行車輛信息的發布和貨 物的查找，貨主也可進行貨物信息的發布與車輛查找。在貨主進行車輛查找時，貨主會綜合 考慮安全、司機誠信度、車輛行駛狀況、維修保養狀況等多方面因素影響，即使在同樣滿足 要求的條件下，貨主對車輛的選擇也具有明顯的偏好性。但現在的物流平臺大多不提供查 詢選項或只提供幾個簡單的查詢選項，查詢后車輛排序結果與貨主的期望很難一致，排序 結果難以令人滿意；目前還沒有根據貨主對車輛選擇的偏好性，進行車輛池中其他車輛自 動排序方面的研宄。如何提高車輛池中車輛排序和用戶期望之間匹配程度，實現用戶偏好 的在線學習，提高貨主對查詢結果的滿意度，是亟待解決的一個技術難點。
【發明內容】
[0003] 本發明的目的在于克服現有物流平臺上貨主在查找車輛時，存在的車輛池中車輛 排序和用戶期望之間匹配程度不高的問題，提出了一種基于貨主偏好性學習的車輛在線推 薦排序方法，該方法基于貨主的偏好性，能夠對車輛池中車輛進行自動排序，提高了貨主查 詢車輛的速度和滿意度。
[0004] 為了實現上述目的，本發明提供了一種基于貨主偏好性學習的車輛在線推薦排序 方法，所述方法包括：首先根據所有車輛的相關屬性信息建立全連接圖；然后根據貨主已 經瀏覽的和感興趣的車輛計算概率矩陣和被瀏覽車輛的期望矩陣；從而計算未被瀏覽車輛 與貨主期望車輛的匹配度向量，所述匹配度向量的每個分量表征對應車輛與貨主期望車輛 的匹配程度，最后根據匹配程度對未被瀏覽的車輛進行排序，反復進行上述過程，直至貨主 選中期望的車輛。
[0005] 上述技術方案中，所述方法具體包括以下步驟：
[0006] 步驟1)獲取待查詢的n臺車輛的相關屬性信息；并建立車輛的全連接圖；
[0007] 步驟2)當貨主已經瀏覽了m臺車輛，并點擊查看了m臺車輛中的k臺感興趣的車 輛時，計算概率矩陣和貨主對已瀏覽的m臺車輛的期望值矩陣；
[0008] 步驟3)計算未被瀏覽的n-m臺車輛與貨主期望車輛的匹配度向量；
[0009] 步驟4)對步驟3)得到的匹配度向量中的n-m個分量從大到小進行排序，并按照 對應的順序對未被瀏覽的n-m臺車輛進行排序；
[0010] 步驟5)如果貨主未完成車輛的選擇，令m=m+1，轉入步驟3)，直至貨主選中期望 的車輛。
[0011] 上述技術方案中，所述步驟1)中的相關屬性信息包括：車輛與貨主的距離、車輛 載重、噸位、總體積、當前可用空間體積、長、寬、高、使用年限和保養時間。
[0012] 上述技術方案中，所述步驟1)中的建立車輛的全連接圖的具體過程為：
[0013] 計算車輛節點i至車輛節點j的連接權重：
[0014] Wij=exp(-ai| |x^Xj||)，i= 1...n，j= 1...n
[0015] 其中i，j表示結點編號，每個結點即為一臺車輛，XpXj表示車輛節點i，j的屬性 矢量，Xi=(xn,xi2, ???xj，Xj=(xj。xj2,…，x#)，矢量中共有r個屬性，分別表示：車輛與 貨主的距離、車輛載重、噸位、總體積、當前可用空間體積、長、寬、高、使用年限和保養時間； ai=(aii，ai2,…，aJ為給定的參數矢量，表示每個屬性的權重，aii(i= 1…r)取值 范圍為（〇, 1);
[0016] 根據車輛節點i至車輛節點j的連接權重，計算車輛節點i至車輛節點j的傳播 概率為，
[0017]
【主權項】
1. 一種基于貨主偏好性學習的車輛在線推薦排序方法，所述方法包括：首先根據所有 車輛的相關屬性信息建立全連接圖；然后根據貨主已經瀏覽的和感興趣的車輛計算概率矩 陣和被瀏覽車輛的期望矩陣；從而計算未被瀏覽車輛與貨主期望車輛的匹配度向量，所述 匹配度向量的每個分量表征對應車輛與貨主期望車輛的匹配程度；最后根據匹配程度對未 被瀏覽的車輛進行排序，反復進行上述過程，直至貨主選中期望的車輛。
2. 根據權利要求1所述的基于貨主偏好性學習的車輛在線推薦排序方法，所述方法具 體包括： 步驟1)獲取待查詢的n臺車輛的相關屬性信息；并建立車輛的全連接圖； 步驟2)當貨主已經瀏覽了 m臺車輛，并點擊查看了 m臺車輛中的k臺感興趣的車輛時， 計算概率矩陣和貨主對已瀏覽的m臺車輛的期望值矩陣； 步驟3)計算未被瀏覽的n-m臺車輛與貨主期望車輛的匹配度向量； 步驟4)對步驟3)得到的匹配度向量中的n-m個分量從大到小進行排序，并按照對應 的順序對未被瀏覽的n-m臺車輛進行排序； 步驟5)如果貨主未完成車輛的選擇，令m = m+1，轉入步驟3)，直至貨主選中期望的車 輛。
3. 根據權利要求2所述的基于貨主偏好性學習的車輛在線推薦排序方法，其特征在 于，所述步驟1)中的相關屬性信息包括：車輛與貨主的距離、車輛載重、噸位、總體積、當前 可用空間體積、長、寬、高、使用年限和保養時間。
4. 根據權利要求3所述的基于貨主偏好性學習的車輛在線推薦排序方法，其特征在 于，所述步驟1)中的建立車輛的全連接圖的具體過程為： 計算車輛節點i至車輛節點j的連接權重： Wij=exp(_a ^ I Ixi-XjI |)，i = l...n，j = 1…n 其中i，j表示結點編號，每個結點即為一臺車輛，XpXj表示車輛節點i，j的屬性矢量， Xi= (xn, xi2，…xj，Xj= (Xj1, Xj2, ，矢量中共有r個屬性，分別表示：車輛與貨主的 距離、車輛載重、噸位、總體積、當前可用空間體積、長、寬、高、使用年限和保養時間；a i = (a ii，ai2,…，a J為給定的參數矢量，表示每個屬性的權重，a n(i = 1…r)取值范圍為 (〇, 1); 根據車輛節點i至車輛節點j的連接權重，計算車輛節點i至車輛節點j的傳播概率 為：
5. 根據權利要求4所述的基于貨主偏好性學習的車輛在線推薦排序方法，其特征在 于，所述步驟2)的具體過程為： 概率矩陣為：
其中，Pm，m=匕^凡^是由已被瀏覽的m臺車的傳播概率P ij組成的矩陣，i = 1，2, "'m, j = 1，2, ...，m ; Pm，n-m= [P dmxtno是由已被瀏覽的m臺車和未被瀏覽的n-m臺車之間的傳播概率p U 構成的，i = 1，2, j = m+l，m+2, ...，n ; 是矩陣？_的轉置矩陣； Prmm=[Pij]fenOX是由未被瀏覽的n'臺車的傳播概率Pij組成的矩陣，i= m+1，m+2,…，n，j = m+1，m+2,…，n ; 貨主對瀏覽的m臺車輛的期望值矩陣為： Ym= [y JmXi 其中，當i為點擊查看的k臺感興趣的車輛的序號時，Yi= 1，否則，y i= 0。
6.根據權利要求5所述的基于貨主偏好性學習的車輛在線推薦排序方法，其特征在 于，所述步驟3)的匹配度向量的計算過程為： F"-m= (I"-ffl,"-ffl-P"-ffl,"-ffl)_1P"-ffl,Jffl 其中，為單位矩陣；為n_m維的匹配度向量，所述匹配度向量的每個分量表征 對應車輛與貨主期望車輛的匹配程度。
【專利摘要】本發明提供了一種基于貨主偏好性學習的車輛在線推薦排序方法，所述方法包括：首先根據所有車輛的相關屬性信息建立全連接圖；然后根據貨主已經瀏覽的和感興趣的車輛計算概率矩陣和被瀏覽車輛的期望矩陣；從而計算未被瀏覽車輛與貨主期望車輛的匹配度向量，所述匹配度向量的每個分量表征對應車輛與貨主期望車輛的匹配程度，最后根據匹配程度對未被瀏覽的車輛進行排序，反復進行上述過程，直至貨主選中期望的車輛。本發明的方法通過在線學習用戶的偏好信息，為用戶對后續選擇的車輛進行更新排序，提高了車輛排序結果與用戶期望之間的匹配程度，改善了用戶體驗，提高了車輛搜索效率。
【IPC分類】G06F17-30
【公開號】CN104820723
【申請號】CN201510282826
【發明人】曹紅杰, 郭路, 歐陽玲
【申請人】北斗導航位置服務（北京）有限公司
【公開日】2015年8月5日
【申請日】2015年5月28日