一种伴随式建材共享租赁智能推荐方法与流程

本发明涉及建材租赁推荐的，尤其涉及一种伴随式建材共享租赁智能推荐方法。

背景技术：

1、建筑行业是全球最大的资源消耗行业之一，对土地、水和能源等资源需求庞大。然而，在资源有限和环境保护意识增强的背景下，建材共享租赁作为一种可持续发展的解决方案逐渐受到关注。建材共享租赁是指通过共享平台将闲置的建材提供给需要的用户进行租赁使用，以减少资源浪费和环境污染。这种模式可以使建筑企业更加灵活地利用闲置资源，减少新建建筑所需的原材料，从而降低成本并提高经济效益。然而，建材共享租赁面临着重要挑战。用户在选择建材时可能会遇到信息不对称的问题，不了解可租赁的建材种类和性能，导致选择错误或者质量差的建材，增加了建筑工期同时耗费了大量资金。针对上述问题，本发明提出一种伴随式建材共享租赁智能推荐方法，实现对共享建材的智能推荐与策略生成。

技术实现思路

1、有鉴于此，本发明提供一种伴随式建材共享租赁智能推荐方法，目的在于：1)根据用户历史建材租赁数据计算得到不同用户之间的租赁相似性，选取当前用户的相似用户集合，并构建相似用户在每种建材的平均租赁数目，结合同类用户的租赁偏好程度以及当前用户与同类用户的差异性，计算得到当前用户对不同建材的偏好程度，并根据建材的共享租赁频率，生成不同建材面向不同建筑项目的租赁权重，实现结合租赁历史数据的伴随式用户租赁偏好程度计算以及建材租赁权重计算；2)通过分别对建材信息数据以及建筑项目信息进行特征提取，分别构建得到建材特征向量以及建筑项目特征向量，结合用户对不同建材的偏好程度，建筑项目特征向量与不同建材特征向量的相似程度以及不同建材的租赁权重，生成不同建材对用户所提出建筑项目的推荐指数，按照推荐指数降序对建材进行排序，将排序结果构成用户所提出建筑项目的个性化建材租赁推荐列表，有助于选取符合当前建筑项目需求的最优建材。

2、实现上述目的，本发明提供的一种伴随式建材共享租赁智能推荐方法，包括以下步骤：

3、s1：获取建材共享租赁数据并进行预处理，得到预处理后的建材共享租赁数据，其中预处理方式为对建材信息进行特征提取，得到建材特征向量；

4、s2：从预处理后的建材共享租赁数据中提取用户历史建材租赁数据，利用用户历史建材租赁数据计算得到不同用户之间的租赁相似性，以及用户对不同建材的偏好程度；

5、s3：从预处理后的建材共享租赁数据中提取建材的共享租赁频率，生成不同建材的租赁权重；

6、s4：获取用户所提供的建筑项目信息，并对建筑项目信息进行特征提取，得到建筑项目特征向量；

7、s5：结合用户对不同建材的偏好程度，建筑项目特征向量与不同建材特征向量的相似程度以及不同建材的租赁权重，生成建筑项目的个性化建材租赁推荐列表。

8、作为本发明的进一步改进方法：

9、可选地，所述s1步骤中获取建材共享租赁数据，包括：

10、获取建材共享租赁数据，其中建材共享租赁数据的表示形式为：

11、{xn＝(idn,infn,ln)|n∈[1,n]}

12、

13、其中：

14、xn表示建材共享租赁数据中第n份建筑项目的建材共享租赁信息，n表示所获取建材共享租赁数据中建筑项目的总数；

15、idn表示建材共享租赁数据中提供第n份建筑项目的用户id；

16、infn表示第n份建筑项目的建筑项目信息；

17、ln表示第n份建筑项目的租赁建材集合，表示第n份建筑项目对第m种建材um的租赁信息，m表示建材的种类总数，表示第n份建筑项目对第m种建材的租赁总数，infm表示第m种建材的建材信息；在本发明实施例中，所述建材信息包括建材的材料类型、规格以及性能参数；

18、对建材共享租赁数据中的建材信息进行预处理，构成预处理后的建材共享租赁数据，其中预处理方式为对建材信息进行特征提取，得到建材特征向量。

19、可选地，所述s1步骤中对建材共享租赁数据中的建材信息进行预处理，构成预处理后的建材共享租赁数据，包括：

20、对建材共享租赁数据中不同建材的建材信息进行预处理，第m种建材的建材信息infm预处理流程为：

21、对建材信息infm进行分词处理，利用独热编码方式对建材信息infm中的每个分词词组进行预编码处理，将所有分词词组的预编码处理结果按序拼接，构成建材信息infm的预编码结果codem；

22、对预编码结果codem进行特征提取处理，构成第m种建材的建材特征向量，其中特征提取处理方式为：

23、fm＝δ(wtcodem+b)

24、其中：

25、fm表示第m种建材的建材特征向量；

26、w表示权重矩阵，b表示偏置向量；

27、t表示转置，δ(·)表示激活函数；在本发明实施例中，所采用激活函数为sigmoid函数；

28、构成预处理后的建材共享租赁数据：

29、{x′n＝(idn,infn,l′n)|n∈[1,n]}

30、

31、其中：

32、x′n表示预处理后建材共享租赁数据中第n份建筑项目的建材共享租赁信息；

33、l′n表示第n份建筑项目的预处理后租赁建材集合。

34、可选地，所述s2步骤中从预处理后的建材共享租赁数据中提取用户历史建材租赁数据，包括：

35、从预处理后的建材共享租赁数据中提取用户历史建材租赁数据，其中用户user的用户历史建材租赁数据为：

36、

37、

38、其中：

39、表示从预处理后的建材共享租赁数据中提取的用户user所提供第i份建筑项目的建材共享租赁信息，sumuser表示用户user所提供的建筑项目总数；

40、iduser表示用户user的用户id；

41、infuser(i)表示用户user所提供第i份建筑项目的建筑项目信息；

42、l′user(i)表示用户user所提供第i份建筑项目的预处理后租赁建材集合；

43、表示用户user所提供第i份建筑项目对第m种建材的租赁总数。

44、可选地，所述s2步骤中利用用户历史建材租赁数据计算得到不同用户之间的租赁相似性，以及用户对不同建材的偏好程度，包括：

45、利用用户历史建材租赁数据计算得到不同用户之间的租赁相似性，以及用户对不同建材的偏好程度，其中用户user与不同用户之间的租赁相似性以及用户user对不同建材的偏好程度的计算流程为：

46、s21：基于用户的用户历史建材租赁数据，生成用户的历史租赁矩阵，其中用户user的历史租赁矩阵为：

47、

48、其中：

49、auser表示用户user的历史租赁矩阵，矩阵auser共sumuser行m列，其中sumuser表示用户user所提供的建筑项目总数，m表示建材种类总数；

50、auser(sumuser,m)表示用户user在第sumuser份建筑项目中，租赁第m种建材的数目；

51、s22：对用户的历史租赁矩阵进行特征分解，得到历史租赁矩阵的d个特征向量；并将特征向量构成特征向量矩阵，其中用户user的特征向量矩阵为buser；

52、s23：计算不同用户之间特征向量矩阵的余弦相似度，将余弦相似度高于预设阈值的用户作为租赁相似性较高的相似用户；

53、s24：对于任意用户user，获取自身以及相似用户的历史租赁矩阵，并对历史租赁矩阵的每一列取均值处理，得到每位用户在m种建材的平均租赁数目；

54、

55、其中：

56、表示用户user对第m种建材的平均租赁数目；

57、表示用户user的第l位相似用户对第m种建材的平均租赁数目；

58、s25：计算得到任意用户user对第m种建材的偏好程度：

59、

60、其中：

61、表示用户user对第m种建材的偏好程度。

62、可选地，所述s3步骤中提取建材的共享租赁频率，生成不同建材的租赁权重，包括：

63、从预处理后的建材共享租赁数据中提取建材的共享租赁频率，生成不同建材的租赁权重，其中第m种建材um的租赁权重生成流程为：

64、s31：获取第m种建材um参与共享租赁的建筑项目总数count(um)；

65、s32：获取第m种建材um所参与共享租赁建筑项目的最大租赁数目maxm以及最小租赁数目minm；

66、s33：计算得到第m种建材um的租赁权重：

67、

68、

69、其中：

70、wm表示第m种建材um的租赁权重；

71、hm表示第m种建材um的共享租赁频率映射结果。

72、可选地，所述s4步骤中获取用户所提供的建筑项目信息，并对建筑项目信息进行特征提取，包括：

73、获取用户user所提供的建筑项目信息inf，并对建筑项目信息inf进行特征提取，其中建筑项目信息inf的特征提取流程为：

74、s41：对建筑项目信息inf进行分词处理，得到若干建筑项目信息词组；

75、s42：计算每个建筑项目信息词组的重要性，选取重要性最高的建筑项目信息词组作为关键词，并将关键词进行独热编码处理，得到建筑项目信息inf的关键词向量，其中建筑项目信息词组的重要性计算公式为：

76、

77、其中：

78、value(k)表示建筑项目信息inf中第k个建筑项目信息词组的重要性；

79、gk(inf)表示建筑项目信息inf中第k个建筑项目信息词组出现的次数，g(inf)表示建筑项目信息inf中的建筑项目信息词组总数；

80、gk(inf)表示建筑项目信息inf中第k个建筑项目信息词组出现的句子数，g(inf)表示建筑项目信息inf的句子总数；

81、exp(·)表示以自然常数为底的指数函数；

82、s43：利用lda算法提取建筑项目信息inf的主题信息，并对主题信息进行独热编码处理，得到建筑项目信息inf的主题向量；

83、s44：将主题向量以及关键词向量进行拼接，构成建筑项目信息inf对应的建筑项目特征向量finf。

84、可选地，所述s5步骤中结合用户对不同建材的偏好程度，建筑项目特征向量与不同建材特征向量的相似程度以及不同建材的租赁权重，生成用户所提出建筑项目的个性化建材租赁推荐列表，包括：

85、结合用户user对不同建材的偏好程度，建筑项目特征向量与不同建材特征向量的相似程度以及不同建材的租赁权重，生成用户user所提出建筑项目的个性化建材租赁推荐列表，其中个性化建材租赁推荐列表的生成流程为：

86、s51：计算得到建筑项目特征向量finf与不同建材特征向量的相似程度，其中建筑项目特征向量finf与第m种建材的建材特征向量fm的相似程度计算公式为：

87、

88、其中：

89、sim(finf,fm)表示建筑项目特征向量finf与第m种建材的建材特征向量fm的相似程度；

90、||·||表示l1范数；

91、s52：结合用户user对不同建材的偏好程度，建筑项目特征向量与不同建材特征向量的相似程度以及不同建材的租赁权重，计算得到不同建材对用户user所提出建筑项目的推荐指数，其中第m种建材的推荐指数为：

92、

93、其中：

94、表示第m种建材对用户user所提出建筑项目的推荐指数；

95、s53：按照推荐指数降序对建材进行排序，将排序结果构成用户user所提出建筑项目的个性化建材租赁推荐列表。

96、为了解决上述问题，本发明提供一种电子设备，所述电子设备包括：

97、存储器，存储至少一个指令；

98、通信接口，实现电子设备通信；及

99、处理器，执行所述存储器中存储的指令以实现上述所述的伴随式建材共享租赁智能推荐方法。

100、为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的伴随式建材共享租赁智能推荐方法。

101、相对于现有技术，本发明提出一种伴随式建材共享租赁智能推荐方法，该技术具有以下优势：

102、首先，本方案提出一种用户对不同建材的偏好程度计算以及建材租赁权重计算方式，利用用户历史建材租赁数据计算得到不同用户之间的租赁相似性，以及用户对不同建材的偏好程度，其中用户user与不同用户之间的租赁相似性以及用户user对不同建材的偏好程度的计算流程为：基于用户的用户历史建材租赁数据，生成用户的历史租赁矩阵，其中用户user的历史租赁矩阵为：

103、

104、其中：auser表示用户user的历史租赁矩阵，矩阵auser共sumuser行m列，其中sumuser表示用户user所提供的建筑项目总数，m表示建材种类总数；auser(sumuser,m)表示用户user在第sumuser份建筑项目中，租赁第m种建材的数目；对用户的历史租赁矩阵进行特征分解，得到历史租赁矩阵的d个特征向量；并将特征向量构成特征向量矩阵，其中用户user的特征向量矩阵为buser；计算不同用户之间特征向量矩阵的余弦相似度，将余弦相似度高于预设阈值的用户作为租赁相似性较高的相似用户；对于任意用户user，获取自身以及相似用户的历史租赁矩阵，并对历史租赁矩阵的每一列取均值处理，得到每位用户在m种建材的平均租赁数目；

105、

106、其中：表示用户user对第m种建材的平均租赁数目；表示用户user的第l位相似用户对第m种建材的平均租赁数目；计算得到任意用户user对第m种建材的偏好程度：

107、

108、其中：表示用户user对第m种建材的偏好程度。从预处理后的建材共享租赁数据中提取建材的共享租赁频率，生成不同建材的租赁权重，其中第m种建材um的租赁权重生成流程为：获取第m种建材um参与共享租赁的建筑项目总数count(um)；获取第m种建材um所参与共享租赁建筑项目的最大租赁数目maxm以及最小租赁数目minm；计算得到第m种建材um的租赁权重：

109、

110、

111、其中：wm表示第m种建材um的租赁权重；hm表示第m种建材um的共享租赁频率映射结果。本方案根据用户历史建材租赁数据计算得到不同用户之间的租赁相似性，选取当前用户的相似用户集合，并构建相似用户在每种建材的平均租赁数目，结合同类用户的租赁偏好程度以及当前用户与同类用户的差异性，计算得到当前用户对不同建材的偏好程度，并根据建材的共享租赁频率，生成不同建材面向不同建筑项目的租赁权重，实现结合租赁历史数据的伴随式用户租赁偏好程度计算以及建材租赁权重计算。

112、同时，本方案提出一种个性化建材租赁推荐方式，结合用户user对不同建材的偏好程度，建筑项目特征向量与不同建材特征向量的相似程度以及不同建材的租赁权重，生成用户user所提出建筑项目的个性化建材租赁推荐列表，其中个性化建材租赁推荐列表的生成流程为：计算得到建筑项目特征向量finf与不同建材特征向量的相似程度，其中建筑项目特征向量finf与第m种建材的建材特征向量fm的相似程度计算公式为：

113、

114、其中：sim(finf,fm)表示建筑项目特征向量finf与第m种建材的建材特征向量fm的相似程度；||·||表示l1范数；结合用户user对不同建材的偏好程度，建筑项目特征向量与不同建材特征向量的相似程度以及不同建材的租赁权重，计算得到不同建材对用户user所提出建筑项目的推荐指数，其中第m种建材的推荐指数为：

115、

116、其中：表示第m种建材对用户user所提出建筑项目的推荐指数；按照推荐指数降序对建材进行排序，将排序结果构成用户user所提出建筑项目的个性化建材租赁推荐列表。本方案通过分别对建材信息数据以及建筑项目信息进行特征提取，分别构建得到建材特征向量以及建筑项目特征向量，结合用户对不同建材的偏好程度，建筑项目特征向量与不同建材特征向量的相似程度以及不同建材的租赁权重，生成不同建材对用户所提出建筑项目的推荐指数，按照推荐指数降序对建材进行排序，将排序结果构成用户所提出建筑项目的个性化建材租赁推荐列表，有助于选取符合当前建筑项目需求的最优建材。