[发明专利]停车场推荐方法、装置、计算机设备和存储介质

权利要求书

1.一种停车场推荐方法，其特征在于，所述方法包括：

获取候选停车场的评分矩阵和停车场特征画像矩阵；所述评分矩阵中包含目标用户对每一候选停车场的历史评分；

根据用户特征画像矩阵、所述评分矩阵和所述停车场特征画像矩阵建立预测评分的更新迭代模型，对所述更新迭代模型进行迭代得到模型梯度结果，并将所述模型梯度结果发送至聚合服务器；

接收所述聚合服务器发送的所述更新后的停车场特征画像矩阵；所述更新后的停车场特征画像矩阵是根据所述模型梯度结果进行迭代更新得到；

根据所述更新后的停车场特征画像矩阵对所述更新迭代模型进行迭代更新直至所述更新迭代模型的模型梯度值小于预设收敛阈值，得到所述候选停车场的最终预测评分值；

根据所述最终预测评分值对每一所述候选停车场模型进行评分，得到评分结果，并根据所述评分结果，向所述目标用户进行停车场推荐。

2.根据权利要求1所述的方法，其特征在于，所述获取候选停车场的评分矩阵和停车场特征画像矩阵，包括：

获取目标用户的历史停车场数据，在所述历史停车场数据中统计得到每一所述目标用户针对每一候选停车场的停车次数数据记录；

针对每一所述目标用户的每一所述候选停车场的停车次数数据记录，进行归一化处理，得到每一所述目标用户对每一所述候选停车场的评分值；

合并每一所述目标用户的所述评分值，得到各所述候选停车场的评分矩阵；

在聚合服务器上下载所述候选停车场的加密的停车场特征数据，并对所述停车场特征数据进行解密，得到停车场特征画像矩阵。

3.根据权利要求1所述的方法，其特征在于，所述根据用户特征画像矩阵、所述评分矩阵和所述停车场特征画像矩阵建立预测评分的更新迭代模型，对所述更新迭代模型进行迭代得到模型梯度结果，并将所述模型梯度结果发送至聚合服务器，包括：

根据所述目标用户的用户特征画像矩阵和所述停车场特征画像矩阵得到每一所述目标用户对所述候选停车场的预测评分参数，并根据正则化最小二乘方法，得到对所述预测评分参数进行更新迭代的更新迭代模型；

对所述更新迭代模型中的所述用户特征画像矩阵的特征向量和模型梯度结果进行更新，并将所述更新迭代模型中的模型梯度结果发送至所述聚合服务器，以指示所述聚合服务器根据所述模型梯度结果对所述停车场特征画像矩阵进行更新计算，得到更新后的停车场特征画像矩阵。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标用户的用户特征画像矩阵和所述停车场特征画像矩阵得到每一所述目标用户对所述候选停车场的预测评分参数，并根据正则化最小二乘方法，得到对所述预测评分参数进行更新迭代的更新迭代模型，包括：

获取所述目标用户的用户特征画像矩阵，所述用户特征画像矩阵包含用户隐属性信息；

根据所述用户特征画像矩阵和所述停车场特征画像矩阵进行内积运算，得到所述目标用户对所述候选停车场的预测评分参数；

根据所述用户特征画像矩阵、所述停车场特征画像矩阵、所述预测评分参数以及正则化最小二乘方法，创建对所述预测评分参数进行更新迭代的更新迭代模型。

5.根据权利要求1所述的方法，其特征在于，所述根据所述更新后的停车场特征画像矩阵对所述更新迭代模型进行迭代更新直至所述更新迭代模型的模型梯度值小于预设收敛阈值，得到所述候选停车场的最终预测评分值，包括：

将所述更新后的停车场特征画像矩阵输入所述更新迭代模型进行迭代更新；

将每次迭代更新后得到的所述更新迭代模型的模型梯度值与预设收敛阈值进行比对，若所述模型梯度值小于所述预设收敛阈值，则确定所述更新迭代模型的模型结果达到最小值，并将所述最小值下对应的预测评分参数数值作为所述候选停车场的最终预测评分值。