[发明专利]基于隶属度分析的用户推荐方法、装置、电子设备及介质

说明书

本发明涉及大数据，揭露一种基于隶属度分析的用户推荐方法，包括：基于历史数据确定评分表，根据评分表中的二级指标隶属于各个评价等级的第一隶属度确定每个一级指标对应的第一评价矩阵，对第一评价矩阵执行第一处理，得到每个一级指标的权重向量；对权重向量执行第二处理，得到每个一级指标隶属于各评价等级的第二隶属度向量；根据第二隶属度向量确定每个待推荐用户的第二评价矩阵，对第二评价矩阵执行第一处理、第二处理，得到每个待推荐用户的综合评价结果隶属于各评价等级的第三隶属度向量，基于第三隶属度向量确定用户推荐列表。本发明还涉及区块链技术，历史数据存储于区块链中。本发明可提高用户推荐的准确度和效率。

技术领域

本发明涉及大数据处理，尤其涉及一种基于隶属度分析的用户推荐方法、装置、电子设备及介质。

背景技术

随着互联网技术的发展，信息更加多样化，导致人们难以根据大量数据确定目标对象，例如，各行各业的服务商越来越多，决定服务质量的因素众多，如何从众多服务商中确定优秀服务商呢？

当前通常采用层次法或模型法对不同服务商进行综合评价，根据综合评价结果确定服务商推荐名单，层次法主要根据专家经验确定评价指标及各指标的权重，使得人为参与度大，评价结果不够客观，准确度不足；模型法需要输入大量样本数据进行学习和训练，学习时间长、效率低。因此，亟需一种可提高准确度及效率的用户(或服务商)推荐方法。

发明内容

鉴于以上内容，有必要提供一种基于隶属度分析的用户推荐方法，旨在提高推荐准确度及效率。

本发明提供的基于隶属度分析的用户推荐方法，包括：

响应客户端发出的用户推荐请求，从预设存储地址中获取每个待推荐用户的历史数据，基于所述历史数据确定所述每个待推荐用户的评分表，所述评分表包括多个一级指标、二级指标及二级指标隶属于各个评价等级的第一隶属度；

根据所述第一隶属度确定每个一级指标对应的第一评价矩阵，对所述第一评价矩阵执行第一处理，得到所述每个一级指标的权重向量；

对所述权重向量执行第二处理，得到所述每个一级指标隶属于各评价等级的第二隶属度向量；

根据所述第二隶属度向量确定所述每个待推荐用户的第二评价矩阵，对所述第二评价矩阵执行第一处理、第二处理，得到所述每个待推荐用户的综合评价结果隶属于各评价等级的第三隶属度向量，基于所述第三隶属度向量确定用户推荐列表。

可选的，所述对所述第一评价矩阵执行第一处理包括：

构建隶属度的熵函数；

根据所述隶属度的熵函数及所述第一评价矩阵计算所述每个一级指标的权值参数；

根据所述权值参数计算所述每个一级指标的权重向量。

可选的，所述对所述权重向量执行第二处理包括：

根据所述权重向量计算所述每个一级指标下的二级指标隶属于各评价等级的隶属度的有效分值；

根据所述有效分值及预先确定的所述每个一级指标对应的二级指标权重向量，得到所述每个一级指标对应的有效值矩阵，汇总所述有效值矩阵，得到所述每个一级指标对应的有效值向量；

根据所述有效值向量计算所述每个一级指标隶属于各评价等级的第二隶属度向量。

可选的，所述基于所述第三隶属度向量确定用户推荐列表包括：

根据所述第三隶属度向量及所述各评价等级对应的初始分值得到所述每个待推荐用户的综合评分；

根据所述综合评分对所述待推荐用户进行排序，得到用户推荐列表。

可选的，所述隶属度的熵函数为：