技術(shù)特征：

1.基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，預(yù)處理的步驟包括：

3.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，性別包括：男和女，性別通過實數(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)通過獨(dú)熱編碼表示；運(yùn)動偏好和運(yùn)動特長為同一特征，包括：籃球、臺球、跑步、健身和乒乓球，通過獨(dú)熱編碼表示；傷病情況包括：有傷病和無傷病，傷病情況通過實數(shù)編碼表示；服務(wù)評分通過實數(shù)編碼表示，通過平臺收集到的用戶對教練的評分表示。

4.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，構(gòu)建邊的方式包括：

5.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，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；

6.根據(jù)權(quán)利要求5所述的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，第一隱藏層的計算公式為：

7.根據(jù)權(quán)利要求5所述的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，第二隱藏層的第n個第一單元的計算公式為：

8.根據(jù)權(quán)利要求5所述的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，第三隱藏層的計算公式為：

9.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，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)。

10.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，其特征在于，通過人工標(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。

技術(shù)總結(jié)
本發(fā)明涉及陪練服務(wù)推薦技術(shù)領(lǐng)域，公開了基于大數(shù)據(jù)信息處理的陪練服務(wù)分析和推薦方法，包括：采集當(dāng)前用戶的第一特征數(shù)據(jù)和N個教練的第二特征數(shù)據(jù)；分別對第一特征數(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)；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)，圖結(jié)構(gòu)數(shù)據(jù)包括：節(jié)點、節(jié)點的初始特征和節(jié)點之間的邊；構(gòu)建并訓(xùn)練陪練服務(wù)推薦模型，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個教練之間的匹配值；將當(dāng)前用戶與N個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個教練作為陪練推薦列表。

技術(shù)研發(fā)人員：何泉濤,劉濤
受保護(hù)的技術(shù)使用者：深圳大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6