本發(fā)明涉及陪練服務(wù)推薦，更具體地說(shuō)，它涉及基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法。

背景技術(shù)：

1、伴隨著民眾健康意識(shí)的逐漸提升，體育運(yùn)動(dòng)的重要性日益凸顯，其中面對(duì)缺乏專業(yè)的指導(dǎo)和陪伴的現(xiàn)狀下，部分人在參與運(yùn)動(dòng)時(shí)可能因方法不當(dāng)而未能獲得預(yù)期效果，甚至可能遭受傷害，因此提供專業(yè)且高質(zhì)量的體育運(yùn)動(dòng)陪練服務(wù)已成為滿足公眾健康需求的重要方式和途徑。

2、然而，在眾多的陪練服務(wù)中做出合適的選擇并非易事，用戶在挑選過(guò)程中往往面臨信息不對(duì)稱的問(wèn)題，例如教練的教學(xué)資質(zhì)和服務(wù)質(zhì)量不透明，導(dǎo)致選擇的陪練可能與自身?xiàng)l件不匹配。

3、因此，亟須一種陪練服務(wù)分析和推薦方法以解決上述問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，解決相關(guān)技術(shù)中用戶選擇陪練時(shí)信息不對(duì)稱導(dǎo)致的陪練不匹配、服務(wù)質(zhì)量低的技術(shù)問(wèn)題。

2、本發(fā)明提供了基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，包括：步驟s101，采集當(dāng)前用戶的第一特征數(shù)據(jù)和n個(gè)教練的第二特征數(shù)據(jù)，其中n為自定義參數(shù)，n根據(jù)教練的數(shù)量設(shè)定；

3、第一特征數(shù)據(jù)包括：年齡、性別、職業(yè)、運(yùn)動(dòng)偏好和傷病情況；

4、第二特征數(shù)據(jù)包括：年齡、性別、工作年限、運(yùn)動(dòng)特長(zhǎng)、專業(yè)證書數(shù)量和服務(wù)評(píng)分；

5、步驟s102，分別對(duì)第一特征數(shù)據(jù)和第二特征數(shù)據(jù)進(jìn)行預(yù)處理獲得第三特征數(shù)據(jù)和第四特征數(shù)據(jù)；

6、步驟s103，根據(jù)第三特征數(shù)據(jù)和第四特征數(shù)據(jù)構(gòu)建圖結(jié)構(gòu)數(shù)據(jù)；

7、圖結(jié)構(gòu)數(shù)據(jù)包括：節(jié)點(diǎn)、節(jié)點(diǎn)的初始特征和節(jié)點(diǎn)之間的邊；

8、節(jié)點(diǎn)包括：第一節(jié)點(diǎn)和第二節(jié)點(diǎn)；

9、第一節(jié)點(diǎn)與當(dāng)前用戶建立映射關(guān)系；

10、第二節(jié)點(diǎn)與教練建立映射關(guān)系；

11、第一節(jié)點(diǎn)的初始特征通過(guò)與第一節(jié)點(diǎn)建立映射關(guān)系的當(dāng)前用戶的第三特征數(shù)據(jù)表示；

12、第二節(jié)點(diǎn)的初始特征通過(guò)與第二節(jié)點(diǎn)建立映射關(guān)系的教練的第四特征數(shù)據(jù)表示；

13、步驟s104，構(gòu)建并訓(xùn)練陪練服務(wù)推薦模型；

14、陪練服務(wù)推薦模型的輸入為圖結(jié)構(gòu)數(shù)據(jù)，輸出的值表示當(dāng)前用戶與n個(gè)教練之間的匹配值；

15、步驟s105，將當(dāng)前用戶與n個(gè)教練之間的匹配值按照從大到小的順序進(jìn)行排序，獲得前m個(gè)教練作為陪練推薦列表，其中m為自定義參數(shù)。

16、進(jìn)一步地，預(yù)處理的步驟包括：

17、步驟s201，對(duì)第一特征數(shù)據(jù)和第二特征數(shù)據(jù)中的缺失值通過(guò)使用其中最常出現(xiàn)的值進(jìn)行填充處理；

18、步驟s202，對(duì)第一特征數(shù)據(jù)和第二特征數(shù)據(jù)中的異常值通過(guò)計(jì)算所有非異常值的均值進(jìn)行替換處理；

19、步驟s203，對(duì)第一特征數(shù)據(jù)和第二特征數(shù)據(jù)通過(guò)z分?jǐn)?shù)歸一化方法進(jìn)行歸一化處理。

20、進(jìn)一步地，性別包括：男和女，性別通過(guò)實(shí)數(shù)編碼表示；職業(yè)包括：醫(yī)生、教師、工程師、學(xué)生和服務(wù)業(yè)人員，職業(yè)通過(guò)獨(dú)熱編碼表示；運(yùn)動(dòng)偏好和運(yùn)動(dòng)特長(zhǎng)為同一特征，包括：籃球、臺(tái)球、跑步、健身和乒乓球，通過(guò)獨(dú)熱編碼表示；傷病情況包括：有傷病和無(wú)傷病，傷病情況通過(guò)實(shí)數(shù)編碼表示；服務(wù)評(píng)分通過(guò)實(shí)數(shù)編碼表示，通過(guò)平臺(tái)收集到的用戶對(duì)教練的評(píng)分表示。

21、進(jìn)一步地，構(gòu)建邊的方式包括：

22、在第一節(jié)點(diǎn)與第二節(jié)點(diǎn)之間構(gòu)建邊，包括：

23、當(dāng)用戶關(guān)注教練時(shí)，在用戶與教練間構(gòu)建單向邊，即從用戶指向教練；

24、當(dāng)用戶運(yùn)動(dòng)偏好與教練運(yùn)動(dòng)特長(zhǎng)相同時(shí)，在用戶與教練間構(gòu)建雙向邊，權(quán)重通過(guò)運(yùn)動(dòng)偏好與運(yùn)動(dòng)特長(zhǎng)中相同的數(shù)量表示；

25、當(dāng)用戶預(yù)約過(guò)或?qū)W習(xí)過(guò)該教練的課程時(shí)，在用戶與教練間構(gòu)建單向邊，即從用戶指向教練，權(quán)重通過(guò)預(yù)約或?qū)W習(xí)的次數(shù)表示；

26、當(dāng)用戶與教練之間有過(guò)互動(dòng)時(shí)，在用戶與教練間構(gòu)建雙向邊，權(quán)重通過(guò)互動(dòng)的次數(shù)表示，互動(dòng)類型包括：評(píng)論、點(diǎn)贊和私信交流；

27、在第二節(jié)點(diǎn)與第二節(jié)點(diǎn)之間構(gòu)建邊，包括：

28、當(dāng)不同教練運(yùn)動(dòng)特長(zhǎng)相同時(shí)，在教練間構(gòu)建雙向邊，權(quán)重通過(guò)運(yùn)動(dòng)特長(zhǎng)中相同的數(shù)量表示。

29、進(jìn)一步地，陪練服務(wù)推薦模型包括：第一隱藏層、第二隱藏層、第三隱藏層和提取層；

30、第一隱藏層輸入圖結(jié)構(gòu)數(shù)據(jù)的第一節(jié)點(diǎn)的初始特征，輸出第一更新特征；

31、第二隱藏層包括n個(gè)第一單元，第n個(gè)第一單元輸入圖結(jié)構(gòu)數(shù)據(jù)的第n個(gè)第二節(jié)點(diǎn)的初始特征，輸出第二更新特征，其中1≤n≤n；

32、n個(gè)第一單元共享權(quán)重參數(shù)和偏置參數(shù)；

33、第一更新特征和第二更新特征的大小相同；

34、第三隱藏層輸入圖結(jié)構(gòu)數(shù)據(jù)，輸出圖更新矩陣，圖更新矩陣的每個(gè)行向量對(duì)應(yīng)一個(gè)第一節(jié)點(diǎn)或第二節(jié)點(diǎn)的第三更新特征；

35、提取層包括n個(gè)提取器，第n個(gè)提取器用于提取第n個(gè)第二節(jié)點(diǎn)對(duì)應(yīng)的第三更新特征，并輸入到第一分類器中，第一分類器的分類空間表示當(dāng)前用戶與第n個(gè)教練之間的匹配值。

36、進(jìn)一步地，第一隱藏層和第二隱藏層用于統(tǒng)一第一節(jié)點(diǎn)和第二節(jié)點(diǎn)的初始特征的維度。

37、進(jìn)一步地，第一隱藏層的計(jì)算公式為：

38、；

39、其中表示第一隱藏層輸出的第一更新特征，表示第一隱藏層輸入的第一節(jié)點(diǎn)的初始特征，、、和為第一權(quán)重參數(shù)、第二權(quán)重參數(shù)、第一偏置參數(shù)和第二偏置參數(shù)，relu表示relu激活函數(shù)，sigmoid表示sigmoid激活函數(shù)。

40、進(jìn)一步地，第二隱藏層的第n個(gè)第一單元的計(jì)算公式為：

41、；

42、其中表示第二隱藏層的第n個(gè)第一單元輸出的第二更新特征，表示第二隱藏層的第n個(gè)第一單元輸入的第二節(jié)點(diǎn)的初始特征，、、和為第三權(quán)重參數(shù)、第四權(quán)重參數(shù)、第三偏置參數(shù)和第四偏置參數(shù)，relu表示relu激活函數(shù)，sigmoid表示sigmoid激活函數(shù)。

43、進(jìn)一步地，第三隱藏層的計(jì)算公式為：

44、；

45、；

46、；

47、；

48、其中s表示第三隱藏層輸出的圖更新矩陣，表示節(jié)點(diǎn)i的第三更新特征，和均表示節(jié)點(diǎn)的更新特征，表示節(jié)點(diǎn)i和與其相鄰的節(jié)點(diǎn)j之間的注意力系數(shù)歸一化后的注意力權(quán)重，表示與節(jié)點(diǎn)i相鄰的節(jié)點(diǎn)的集合，relu表示relu激活函數(shù)，表示節(jié)點(diǎn)i和與其相鄰的節(jié)點(diǎn)j之間的注意力系數(shù)，表示節(jié)點(diǎn)i和與其相鄰的節(jié)點(diǎn)k之間的注意力系數(shù)，leakyrelu表示leakyrelu激活函數(shù)，exp表示指數(shù)函數(shù)，t表示轉(zhuǎn)置操作，表示拼接操作，、和分別表示第五權(quán)重參數(shù)、第六權(quán)重參數(shù)和第七權(quán)重參數(shù)，上述節(jié)點(diǎn)的更新特征包括：第一節(jié)點(diǎn)的第一更新特征和第二節(jié)點(diǎn)的第二更新特征。

49、進(jìn)一步地，需要說(shuō)明的是，陪練服務(wù)推薦模型中的權(quán)重參數(shù)和偏置參數(shù)均為可學(xué)習(xí)參數(shù)，在陪練服務(wù)推薦模型訓(xùn)練的過(guò)程中，通過(guò)損失函數(shù)和鏈?zhǔn)椒▌t計(jì)算每個(gè)權(quán)重參數(shù)和偏置參數(shù)的梯度信息，根據(jù)梯度信息通過(guò)反向傳播和梯度下降算法更新陪練服務(wù)推薦模型中的權(quán)重參數(shù)和偏置參數(shù)。

50、進(jìn)一步地，陪練服務(wù)推薦模型的損失函數(shù)為交叉熵?fù)p失函數(shù)。

51、進(jìn)一步地，通過(guò)人工標(biāo)注的方式獲得用于訓(xùn)練陪練服務(wù)推薦模型的訓(xùn)練樣本的樣本標(biāo)簽。

52、本發(fā)明的有益效果在于：本發(fā)明通過(guò)構(gòu)建陪練服務(wù)推薦模型分析用戶和教練間的交互關(guān)系以及教練和教練間的關(guān)聯(lián)，以此獲得每個(gè)教練對(duì)于用戶的匹配值，進(jìn)而為用戶推薦高質(zhì)量、高匹配度的陪練服務(wù)，提升用戶的滿意度。附圖說(shuō)明

53、圖1是本發(fā)明的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法的流程圖；

54、圖2是本發(fā)明的對(duì)用戶和教練的特征數(shù)據(jù)進(jìn)行預(yù)處理的流程圖；

55、圖3是本發(fā)明的圖結(jié)構(gòu)數(shù)據(jù)中構(gòu)建邊的方式的示意圖。