[发明专利]基于语义网和簇偏好的冷链物流推荐方法及装置

说明书

本发明公开了基于语义网和簇偏好的冷链物流推荐方法及装置，首先对用户、车源和历史订单信息进行数据清洗和整理，按照其原有结构构建冷链物流知识图谱；接着使用知识表示的TransR算法将知识图谱的实体和关系嵌入到低维向量，并计算用户间的语义相似度；再利用社区发现算法对用户进行聚类获得用户簇；然后根据聚类结果构建用户簇偏好矩阵和偏好子图，利用余弦相似度计算出用户簇和各用户对应的相似度，取最相似的TopN为邻近集，依据邻近集中用户对车源的评分预测出用户簇对车源的评分，按降序排列得到评分推荐列表，同时计算用户簇偏好子图中车源实体和其他车源实体的相似度，按降序排列得到语义推荐列表；最后取语义推荐列表和评分推荐列表的交集作为最终推荐列表。该方法充分利用语义网的语义关系，深层次地挖掘用户兴趣，并利用用户簇偏好进行推荐，可以有效应对一车多单的情况，增加车辆满载率。

技术领域

本发明涉及冷链物流推荐技术领域，特别涉及一种基于语义网和簇偏好的冷链物流推荐方法及装置。

背景技术

在低碳经济时代，绿色可持续性发展不仅符合国家发展国情，且发展绿色冷链对推动低碳经济高效发展有着重要作用。目前，冷链运输过程中常有满载率较低的情况，同时无车承运平台的应用积累了大量的用户和车源数据,但是这些数据隐含的信息并没有被充分挖掘利用，挖掘相似偏好的用户并对其进行车源推荐符合绿色冷链物流的理念。本文提出一种基于语义网和簇偏好的冷链物流推荐方法及装置,根据用户语义信息进行聚类，并利用用户簇偏好进行推荐，可以有效增加车辆满载率。

文献“申请公布号是CN109783734B的中国发明专利”公开了一种基于项目属性的混合协同过滤推荐算法。该方法根据用户评分信息和项目信息产生用户-项目评分矩阵及项目-属性矩阵，根据项目-属性矩阵和用户-项目评分矩阵分别计算项目相似度和用户评分相似度，利用项目相似度对用户评分相似度进行修正来计算用户相似度，计算共同评分奖励因子，项目属性偏好因子和用户置信度因子，以修正用户相似度，得到用户最终相似度，根据最终相似度选取目标用户的最近邻，基于最近邻中所有用户的评分信息预测目标用户对各个项目的评分，将评分最高的N个项目推荐给目标用户。该方法主要通过项目相似度对用户评分相似度进行修正来计算用户相似度，没有充分考虑到项目的语义关系。

文献“申请公布号是CN110362755A的中国发明专利”公开了一种基于物品协同过滤与关联规则的混合算法的推荐方法。该方法通过构建用户行为的历史记录数据集，获取物品的关联规则，再构建用户-物品评分矩阵，以计算物品相似度，然后构建物品-内容属性矩阵，计算基于物品属性的相似度,最后根据相似度预测物品评分，并生成相应的推荐列表。该方法主要通过关联规则来获取物品之间的关联规则，可以有效解决协同过滤推荐算法中遇到的数据稀疏性问题，但没有考虑物品本身内涵特性。

推荐技术现在已经广泛运用到各大领域，如电子商务、在线视频、新闻头条、自媒体短视频等领域，有效的解决了各大领域的信息过载问题。对于冷链物流领域方面存在的问题，已有论文主要通过用户选择车源的历史数据分析进行推荐，虽然推荐结果也较为实用，但并未充分挖掘文本之间的语义关系并将其融入至推荐中，并且没有考虑到实际问题中一车多单的情况。

发明内容

发明目的：目前冷链物流推荐方法主要是协同过滤推荐算法，依据评分矩阵计算用户或车源的相似度，进而实现车源推荐，没有考虑大规模的语义网络，而实际情况下用户和车源存在一定的关联关系，这些语义关系鲜有被利用；同时，冷链物流推荐中大部分主要是个性化推荐，没有考虑到一车多单的情况，进而进行推荐，有效降低车辆空载率。针对以上方法所存在的问题，本发明利用知识图谱中的语义关系和用户簇偏好，采用一种基于语义网和簇偏好的冷链物流推荐方法及装置。

本发明通过以下技术方案实现：

本发明提出基于语义网和簇偏好的冷链物流推荐方法及装置，包括如下步骤：

步骤1：对用户、车源和历史订单信息进行数据清洗和整理，按照数据其原有结构构建冷链物流知识图谱，具体方法为：