[发明专利]一种基于谱聚类的冷链物流配载智能推荐方法

摘要

本发明的一种基于谱聚类的冷链物流配载智能推荐方法，针对冷链物流配载智能推荐，提出了通过冷链运输用户对配载线路的评分，建立评分矩阵，使用欧氏距离计算用户相似度，利用度矩阵计算拉普拉斯矩阵，通过计算有序拉普拉斯矩阵的特征值，得到特征向量，利用K-means算法对特征向量进行聚类，得到具有相似兴趣的配载路线的用户组，在相似兴趣配载路线的用户组内推荐配载线路，从而实现冷链物流配载的智能推荐，降低了冷链物流车辆的空载率，提高了冷链物流运输车辆的利润率。

主权项

一种基于谱聚类的冷链物流配载智能推荐方法，其特征在于：通过冷链物流用户对配载线路的原始评分数据，采用谱聚类方法对冷链物流用户进行聚类，进而利用相似兴趣组内的配载线路评分进行组内推荐的方法，实现冷链物流配载的智能推荐，具体包括以下步骤：步骤1、设冷链物流配载系统中用户数为M、配载路线数为N，建立用户集合和配载路线集合；步骤2、设表示用户对配载路线的评分，其中，，；建立用户对配载路线的评分矩阵；步骤3、设，其中，，且；令表示用户与用户的相似度，、分别表示用户和用户对配载路线的评分，其中，；若或有一项为空，即，配载路线存在未评分情况，则令，使用欧氏距离计算用户相似度，得到用户相似度矩阵；步骤4、计算度矩阵，度矩阵为对角矩阵，除对角元素外全为0，的对角元素为W对应列的所有元素之和，，其中，循环变量；得到；步骤5、计算拉普拉斯矩阵L，L=D‑W；步骤6、计算矩阵L的特征值，并按照从小到大排序，得到特征值；步骤7、计算特征值对应的特征向量；步骤8、设冷链物流系统中具有相似兴趣的用户类别数为K，其中，，特征向量中对应这K个类别的特征值为；取特征值对应的特征向量；步骤9、使用K‑means算法对的行向量进行聚类，得到K个用户聚类组，每个聚类组中的用户具有相似兴趣的配载路线，使用分别表示K类聚类用户组，使用表示聚类组内的用户，其中，，；得到，其中，；步骤10、设某一聚类用户组，其中，；含有个用户，其中，；则；令表示中用户，其中，；则向用户推荐冷链配载路线，其中，是用户推荐的配载路线，是用户对配载路线的评分。