[发明专利]基于机器学习和用户画像技术的社交用户推荐方法及装置

权利要求书

1.一种基于机器学习和用户画像技术的社交用户推荐方法，其特征在于，应用于服务器，所述服务器配置有用户画像模型及神经网络模型，所述方法包括：

获取社交用户的运动数据及个人属性，其中，所述个人属性包括社交用户设定的人口特征信息和偏好信息，所述运动数据包括所述社交用户当前的运动加速度、旋转角速度以及脚底压力；

所述运动数据通过社交用户佩戴的可穿戴设备检测得到,所述可穿戴设备配置有滤波电路，所述可穿戴设备的采集频率根据人体运动频率进行设定，所述可穿戴设备包括通信模块和处理器，通过所述处理器对所述可穿戴设备采集的运动数据进行初步处理，通过所述通信模块将处理后的运动数据传输至所述服务器；

对所述运动数据进行处理，并将处理后的数据输入所述神经网络模型进行运算，得到所述社交用户的运动情境类型；

将所述社交用户的运动情境类型及个人属性输入所述用户画像模型，得到所述社交用户的用户画像；

基于所述社交用户的用户画像以及配置于所述用户画像模型的初始社交推荐方案将所述社交用户推荐给满足设定条件的其他用户；

所述方法还包括：

获取其他用户对所述社交用户的评价信息；

其中，所述评价信息包括其他用户对本次推荐的满意度和对所述社交用户的印象评分，所述满意度和所述印象评分通过在社交结束时向用户发送调查问卷的形式进行采集；根据其他用户对所述社交用户的评价信息对所述用户画像模型进行优化；

所述方法还包括：

根据其他用户对所述社交用户的评价信息对所述初始社交推荐方案进行优化；若其他用户对本次推荐的满意度权重大于预设值，则将本次社交推荐方案作为固定工作样本保留；

所述运动数据中包括脚底的压力数据，并且所述运动数据以矩阵形式保存，所述对所述运动数据进行处理，并将处理后的数据输入所述神经网络模型进行运算，得到所述社交用户的运动情境类型的步骤，包括：

对所述压力数据进行小波变换操作；

根据矩阵的非监督算法对经过小波变换操作后的压力数据进行去噪，并将信噪比高于预设信噪比的压力数据作为所述社交用户的步态数据；

根据所述社交用户的步态数据确定所述社交用户的运动情境类型；

所述方法还包括对运动数据进行降维处理的步骤，所述步骤包括：

将矩阵中每一元素减去所在列的均值后，除以所在列的标准差。

2.如权利要求1所述的方法，其特征在于，所述根据所述社交用户的步态数据确定所述社交用户的运动情境类型的步骤，包括：

获取所述步态数据的时域特征和频域特征；

采用模糊C均值法从所述步态数据的时域特征中得到基于所述步态数据的步态频域特征子集；

将所述步态频域特征子集与所述时域特征融合，得到所述社交用户的步态特征集；

通过神经网络模型对所述步态特征集进行识别，得到所述社交用户的运动情境类型。

3.一种基于机器学习和用户画像技术的社交用户推荐装置，其特征在于，应用于服务器，所述服务器配置有用户画像模型及神经网络模型，所述装置包括：

获取模块，用于获取社交用户的运动数据及个人属性，其中，所述个人属性包括社交用户设定的人口特征信息和偏好信息，所述运动数据包括所述社交用户当前的运动加速度、旋转角速度以及脚底压力；

所述运动数据通过社交用户佩戴的可穿戴设备检测得到,所述可穿戴设备配置有滤波电路，所述可穿戴设备的采集频率根据人体运动频率进行设定，所述可穿戴设备包括通信模块和处理器，通过所述处理器对所述可穿戴设备采集的运动数据进行初步处理，通过所述通信模块将处理后的运动数据传输至所述服务器；

处理模块，用于对所述运动数据进行处理，并将处理后的数据输入所述神经网络模型进行运算，得到所述社交用户的运动情境类型；

用户画像生成模块，用于将所述社交用户的运动情境类型及个人属性输入所述用户画像模型，得到所述社交用户的用户画像；

推荐模块，用于基于所述社交用户的用户画像以及配置于所述用户画像模型的初始社交推荐方案将所述社交用户推荐给满足设定条件的其他用户；

所述获取模块还用于获取其他用户对所述社交用户的评价信息；所述装置还包括：

优化模块，用于根据其他用户对所述社交用户的评价信息对所述用户画像模型进行优化；

其中，所述评价信息包括其他用户对本次推荐的满意度和对所述社交用户的印象评分，所述满意度和所述印象评分通过在社交结束时向用户发送调查问卷的形式进行采集；

所述优化模块还用于：

根据其他用户对所述社交用户的评价信息对配置于所述用户画像模型的初始社交推荐方案进行优化；若其他用户对本次推荐的满意度权重大于预设值，则将本次社交推荐方案作为固定工作样本保留；

所述处理模块具体用于：

对所述运动数据中的压力数据进行小波变换操作；

根据矩阵的非监督算法对经过小波变换操作后的压力数据进行去噪，并将信噪比高于预设信噪比的压力数据作为所述社交用户的步态数据；

根据所述社交用户的步态数据确定所述社交用户的运动情境类型；

所述社交用户推荐装置还用于对运动数据进行降维处理，将矩阵中每一元素减去所在列的均值后，除以所在列的标准差。