一種基于用戶車(chē)牌查詢行為的車(chē)牌推薦方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)據(jù)查詢技術(shù)領(lǐng)域，尤其涉及一種基于用戶車(chē)牌查詢行為的車(chē)牌推薦 方法及裝置。
【背景技術(shù)】
[0002] 各地的辦案民警在偵辦案件時(shí)會(huì)在數(shù)據(jù)庫(kù)中查詢其所偵辦案件中嫌疑車(chē)輛的車(chē) 牌號(hào)碼，以獲取車(chē)輛及嫌疑人的相關(guān)信息。對(duì)于一些流竄作案的團(tuán)伙而言，在一個(gè)地方作案 之后，乘車(chē)轉(zhuǎn)移到另一個(gè)地方繼續(xù)作案，受限于各地公安聯(lián)網(wǎng)信息的缺乏，會(huì)導(dǎo)致案件信息 溝通不暢，造成案件偵破上的困難。所以為了有效利用各地的辦案信息，有必要開(kāi)發(fā)一種推 薦方法，能夠根據(jù)各地辦案民警平時(shí)的查詢行為，智能地推薦相關(guān)聯(lián)的車(chē)牌信息，從而有助 于辦案人員進(jìn)行串并案，提高案件的偵破進(jìn)度。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明提供了一種基于用戶車(chē)牌查詢行為的車(chē)牌推薦方法，能夠基于用戶（辦案 人員）的查詢行為為用戶推薦車(chē)牌。
[0004] 本發(fā)明還提供了一種基于用戶車(chē)牌查詢行為的車(chē)牌推薦裝置，能夠基于用戶的查 詢行為為用戶推薦車(chē)牌。
[0005] 本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0006] 一種基于用戶車(chē)牌查詢行為的車(chē)牌推薦方法，包括：
[0007] A、針對(duì)用戶最近一段時(shí)間T內(nèi)查詢的所有車(chē)牌，采用式子（1)計(jì)算各個(gè)車(chē)牌的得 分，其中，T為預(yù)先設(shè)置的時(shí)間段；
[0008]
【主權(quán)項(xiàng)】
1. 一種基于用戶車(chē)牌查詢行為的車(chē)牌推薦方法，其特征在于，所述方法包括： A、 針對(duì)用戶最近一段時(shí)間T內(nèi)查詢的所有車(chē)牌，采用式子（1)計(jì)算各個(gè)車(chē)牌的得分，其 中，T為預(yù)先設(shè)置的時(shí)間段；
其中，Si為車(chē)牌i的得分； a k為與車(chē)牌i相似度最高的K個(gè)車(chē)牌中、車(chē)牌k的查詢權(quán)重；K為預(yù)先設(shè)定的整數(shù)； s (i，k)為車(chē)牌i與車(chē)牌k的相似度； B、 為用戶推薦得分最高的N個(gè)車(chē)牌，其中N為預(yù)先設(shè)定的整數(shù)。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟A中車(chē)牌的查詢權(quán)重采用式子 (2)計(jì)算得到：
其中，a j為車(chē)牌j的查詢權(quán)重； 為用戶在最近一段時(shí)間T內(nèi)對(duì)車(chē)牌j的查詢次數(shù)； J為用戶在最近一段時(shí)間T內(nèi)查詢的車(chē)牌個(gè)數(shù)。
3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述步驟A中兩個(gè)車(chē)牌之間的相似度 采用式子（3)計(jì)算得到：
其中，sim(i，j)為車(chē)牌i和車(chē)牌j的相似度； Vi為車(chē)牌i的查詢向量，V i包含X個(gè)元素，每個(gè)元素的取值為對(duì)應(yīng)用戶對(duì)車(chē)牌i的查詢 次數(shù)，X為查詢系統(tǒng)中的用戶總數(shù)； Vj為車(chē)牌j的查詢向量，^包含X個(gè)元素，每個(gè)元素的取值為對(duì)應(yīng)用戶對(duì)車(chē)牌j的查詢 次數(shù)，X為查詢系統(tǒng)中的用戶總數(shù)。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述車(chē)牌的查詢向量通過(guò)以下方式得到： 根據(jù)查詢系統(tǒng)中所有用戶對(duì)車(chē)牌的查詢記錄確定車(chē)牌查詢矩陣M，M為X行Y列的矩 陣，其中，Y為查詢系統(tǒng)中的車(chē)牌總數(shù);M中的元素 M(x，y)表示用戶X對(duì)車(chē)牌y的查詢次數(shù)； 將所述M中的每一列分別作為對(duì)應(yīng)車(chē)牌的查詢向量。
5. -種基于用戶車(chē)牌查詢行為的車(chē)牌推薦裝置，其特征在于，所述裝置包括： 評(píng)分模塊，用于針對(duì)用戶最近一段時(shí)間T內(nèi)查詢的所有車(chē)牌，采用式子（1)計(jì)算各個(gè)車(chē) 牌的得分，其中，T為預(yù)先設(shè)置的時(shí)間段；
其中，Si為車(chē)牌i的得分； a k為與車(chē)牌i相似度最高的K個(gè)車(chē)牌中、車(chē)牌k的查詢權(quán)重；K為預(yù)先設(shè)定的整數(shù)； s (i，k)為車(chē)牌i與車(chē)牌k的相似度； 推薦模塊，用于為用戶推薦得分最高的N個(gè)車(chē)牌，其中N為預(yù)先設(shè)定的整數(shù)。
6. 根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述評(píng)分模塊包括查詢權(quán)重計(jì)算子模塊， 用于采用式子（2)計(jì)算車(chē)牌的查詢權(quán)重：
其中，a j為車(chē)牌j的查詢權(quán)重； 為用戶在最近一段時(shí)間T內(nèi)對(duì)車(chē)牌j的查詢次數(shù)； J為用戶在最近一段時(shí)間T內(nèi)查詢的車(chē)牌個(gè)數(shù)。
7. 根據(jù)權(quán)利要求5或6所述的裝置，其特征在于，所述評(píng)分模塊還包括相似度計(jì)算子模 塊，用于采用式子（3)計(jì)算兩個(gè)車(chē)牌之間的相似度：
其中，sim(i，j)為車(chē)牌i和車(chē)牌j的相似度； Vi為車(chē)牌i的查詢向量，V i包含X個(gè)元素，每個(gè)元素的取值為對(duì)應(yīng)用戶對(duì)車(chē)牌i的查詢 次數(shù)，X為查詢系統(tǒng)中的用戶總數(shù)； Vj為車(chē)牌j的查詢向量，^包含X個(gè)元素，每個(gè)元素的取值為對(duì)應(yīng)用戶對(duì)車(chē)牌j的查詢 次數(shù)，X為查詢系統(tǒng)中的用戶總數(shù)。
8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述評(píng)分模塊還包括查詢向量確定子模 塊，用于采用以下方式確定車(chē)牌的查詢向量：根據(jù)查詢系統(tǒng)中所有用戶對(duì)車(chē)牌的查詢記錄 確定車(chē)牌查詢矩陣M，M為X行Y列的矩陣，其中，Y為查詢系統(tǒng)中的車(chē)牌總數(shù)；M中的元素 M(X，y)表示用戶X對(duì)車(chē)牌y的查詢次數(shù)；將所述M中的每一列分別作為對(duì)應(yīng)車(chē)牌的查詢向 量。
【專(zhuān)利摘要】本發(fā)明提出一種基于用戶車(chē)牌查詢行為的車(chē)牌推薦方法及裝置，其中方法包括：A、針對(duì)用戶最近一段時(shí)間T內(nèi)查詢的所有車(chē)牌，采用式子計(jì)算各個(gè)車(chē)牌的得分，其中，T為預(yù)先設(shè)置的時(shí)間段；Si為車(chē)牌i的得分；αk為與車(chē)牌i相似度最高的K個(gè)車(chē)牌中、車(chē)牌k的查詢權(quán)重；K為預(yù)先設(shè)定的整數(shù)；s(i,k)為車(chē)牌i與車(chē)牌k的相似度；B、為用戶推薦得分最高的N個(gè)車(chē)牌，其中N為預(yù)先設(shè)定的整數(shù)。本發(fā)明能夠基于用戶對(duì)車(chē)牌的查詢行為為用戶推薦車(chē)牌。
【IPC分類(lèi)】G06F17-30
【公開(kāi)號(hào)】CN104657487
【申請(qǐng)?zhí)枴緾N201510097357
【發(fā)明人】閆振雷, 萬(wàn)定銳, 楊雪慧
【申請(qǐng)人】東方網(wǎng)力科技股份有限公司
【公開(kāi)日】2015年5月27日
【申請(qǐng)日】2015年3月5日