服务相关讨论信息； 根据预先构建的汽车基础数据知识库，自动生成抽取规则，利用所述抽取规则从所述 汽车后服务相关讨论信息中进行特征提取以产生多条汽车后服务讨论数据，并对每条汽车 后服务讨论数据进行规范化，并将每条汽车后服务讨论数据都形式化为对应的模式序列， 多个模式序列形成模式序列集合；其中，所述汽车基础数据知识库 基于所述模式序列集合，采用ID3决策树分类器技术构建树状决策器； 基于所述多条汽车后服务讨论数据，采用统计信息、假设验证和显著性分析得到用户 汽车后服务消费的多种分布模式，从所述多种分布模式中选取出现概率大于一阈值的所有 分布模式，构成多个对应的用户喜好矢量，每个用户喜好矢量及其用户基本信息构成一个 用户画像； 将预先采集的预定用户车辆特征集合以及对应的所述用户画像输入到所述树状决策 器中，根据各条路径的匹配程度高低排序得到ΤορΝ条推荐路径，产生N种汽车后服务推荐 方案给具有所述预定用户车辆特征集合的用户，同时，针对Ν种汽车后服务推荐方案中的 每项汽车后服务，根据所述模式序列从汽车后服务实体店数据库中推荐依实体店指标加权 降序排列的ΤορΜ个实体店给用户； 其中，Μ和Ν为自然数。2. 如权利要求1所述的汽车后服务推荐方法，其特征在于：所述汽车基础数据知识库 是根据汽车服务百科信息和专家人工构建的汽车后服务相关的基础专业数据来构建。3. 如权利要求1所述的汽车后服务推荐方法，其特征在于：在进行所述特征提取之前， 先对所述汽车后服务相关讨论信息进行过滤处理。4. 如权利要求1所述的汽车后服务推荐方法，其特征在于：所述特征提取具体包括：提 取关键词以及关键词对应的值；根据情感词词典抽取情感词。5. 如权利要求4所述的汽车后服务推荐方法，其特征在于：对每条汽车后服务讨论数 据进行规范化具体包括：将情感词按照情感词词典定义的极性和强度转化为-10~10之间 的值；将关键词转化为所述汽车基础数据知识库中的对应名称，将关键词对应的值转化为 测度值； 将每条汽车后服务讨论数据都形式化为对应的模式序列具体采用隐马尔可夫模型方 法以及循环神经网络方法。6. 如权利要求1所述的汽车后服务推荐方法，其特征在于：还包括自学习调整步骤，所 述自学习调整步骤具体包括： 将每次用户汽车后服务消费信息都加入到构建所述用户画像以及所述汽车后服务实 体店数据库所需的基础输入数据中； 将每次用户汽车后服务消费信息都形式化为对应的模式序列加入到所述模式序列集 合中，并利用adaboost方法来更新所述模式序列集合中每个模式序列上每个特征的权重， 以提高每个模式序列的可信赖度。7. 如权利要求1所述的汽车后服务推荐方法，其特征在于：还包括根据用户的浏览足 迹、咨询记录、问卷调查记录以及主动推荐服务来收集和分析用户喜好，以为所述模式序列 集合和所述用户画像的构建新增基础输入数据。8. -种汽车后服务推荐系统，其特征在于：包括数据采集模块、汽车基础数据知识库 构建模块、模式序列生成模块、树状决策器构建模块、用户画像构建模块、后服务推荐模块 以及实体店推荐模块； 所述数据采集模块用于通过网络爬虫技术抓取汽车后服务相关讨论信息； 所述模式序列生成模块连接至所述数据采集模块以及所述汽车基础数据知识库构建 模块，用于根据所述汽车基础数据知识库构建模块所构建的汽车基础数据知识库，自动生 成抽取规则，以利用所述抽取规则从所述汽车后服务相关讨论信息中进行特征提取，从而 产生多条汽车后服务讨论数据，并对每条汽车后服务讨论数据进行规范化，并将每条汽车 后服务讨论数据都形式化为对应的模式序列，多个模式序列形成模式序列集合； 所述树状决策器构建模块连接至所述模式序列生成模块，用于根据所述模式序列集 合，采用ID3决策树分类器技术构建树状决策器； 所述用户画像构建模块连接至所述模式序列生成模块，用于根据所述多条汽车后服务 讨论数据，采用统计信息、假设验证和显著性分析得到用户汽车后服务消费的多种分布模 式，从所述多种分布模式中选取出现概率大于一阈值的所有分布模式，构成多个对应的用 户喜好矢量，每个用户喜好矢量及其用户基本信息构成一个用户画像； 所述后服务推荐模块连接至所述用户画像构建模块以及所述树状决策器构建模块，用 于根据预先采集的预定用户车辆特征集合以及对应的所述用户画像输入到所述树状决策 器中，根据各条路径的匹配程度高低排序得到ΤορΝ条推荐路径，产生N种汽车后服务推荐 方案给具有所述预定用户车辆特征集合的用户； 所述实体店推荐模块连接至所述后服务推荐模块和所述模式序列生成模块，用于：针 对Ν种汽车后服务推荐方案中的每项汽车后服务，根据所述模式序列从汽车后服务实体店 数据库中推荐依实体店指标加权降序排列的ΤορΜ个实体店给用户；其中，Μ和Ν为自然数。9. 如权利要求8所述的汽车后服务推荐系统，其特征在于：还包括自学习调整模块，连 接至所述模式序列生成模块，用于将每次用户汽车后服务消费信息都形式化为对应的模式 序列加入到所述模式序列集合中，并利用adaboost方法来更新所述模式序列集合中每个 模式序列上每个特征的权重； 还连接至所述用户画像构建模块以及所述实体店推荐模块，用于将每次用户汽车后服 务消费信息都加入到构建所述用户画像以及所述汽车后服务实体店数据库所需的基础输 入数据中。10. 如权利要求8所述的汽车后服务推荐系统，其特征在于：还包括用户喜好探测模 块，连接至所述模式序列生成模块以及所述用户画像构建模块，用于根据用户的浏览足迹、 咨询记录、问卷调查记录以及主动推荐服务来收集和分析用户喜好，以为所述模式序列集 合和所述用户画像的构建新增基础输入数据。
【专利摘要】本发明公开汽车后服务推荐方法和系统，系统包括数据采集模块、汽车基础数据知识库构建模块、模式序列生成模块、树状决策器构建模块、用户画像构建模块、后服务推荐模块及实体店推荐模块；模式序列生成模块根据汽车基础数据知识库自动生成抽取规则从汽车后服务相关讨论信息中进行特征提取和规范化处理，使每条数据形式化为模式序列；用户画像构建模块采用统计信息、假设验证和显著性分析得到用户汽车后服务消费的多种分布模式，以构建用户画像；后服务推荐模块将用户车辆特征集合及用户画像输入到树状决策器中，将匹配度居高的N条路径作为服务方案推荐给用户；实体店推荐模块针对每项汽车后服务，推荐最合适的M个实体店给用户。
【IPC分类】G06Q30/02, G06Q50/10
【公开号】CN105389718
【申请号】CN201510896606
【发明人】张磊, 钟小武
【申请人】深圳市天行家科技有限公司
【公开日】2016年3月9日
【申请日】2015年12月7日