本发明涉及养老服务技术领域，特别涉及一种养老服务推荐方法。
背景技术：
在中国，老龄化速度加快，人口负增长率升高。经预测，在未来20年，中国老年人口比例将会提高一倍，到2050年，60岁及以上老人的比重将超过百分之三十，社会进入深度老龄化阶段，重度人口老龄化和高龄化将日益突出。因为这样的增长形势，养老问题成为大家所关注的热点问题。老年人数量的增多使得养老服务业快速的发展，越来越多的人关注如何养老，如今养老相关的问题也是着重要解决的问题。
随着互联网的快速发展，网上的信息也随之越来越多，在信息过载的时代，用户往往无法浏览到有效信息，而在无关信息中花费大量时间，所以服务推荐模块的存在就很有必要。如今，推荐系统已广泛存在于各类电商服务网站中，大部分服务以及产品的成交都是来源于推荐系统，随意推荐模块的存在必不可少。个性化推荐的目的在于根据用户的行为历史记录，挖掘和感知用户需求，从大量的信息中将用户真正需要的产品或服务呈现给用户，既节省用户的时间，又提高对信息使用的效率。好的推荐系统可以与用户之间建立紧密关系，提高用户对推荐系统的依赖度。而如何正确精准的感知用户喜好，帮助用户在大量的服务中快速找到满足用户需求的服务是当下研究的重点和难点。在养老服务领域，近年来涌现了很多养老服务平台，目的是为了给老年人及其家属提供养老有关的服务，但由于相关信息太多，平台需要针对不同用户推荐个性化服务，为老年人提供相应服务。如何从大量的信息中获取老年人真正需要的服务，是当下面临的难题。目前的养老平台推荐算法有的仅仅是将垃圾信息过滤，或者将热门服务进行推荐，推荐某个特定类别下的某服务，这样的推荐方式不能满足客户个性化需求，没有达到用户的满意度，也失去了推荐最初的意义，同时也会导致用户流失，平台运转不稳定，造成平台有所损失。
目前较为普遍的推荐算法是协同过滤算法，该算法认定具有相似行为兴趣的用户喜欢相同的产品，但这并不能准确感知用户真正的喜好，并且相似用户之间不存在社交以及信任关系，所以推荐结果会有偏差；热门推荐方法容易造成“马太效应”，此推荐方法默认用户偏好与主流一致，导致热门的服务越来越多的人使用，冷门的服务越来越被人遗忘，冷门的服务并代表不好，而是用户既不会主动搜索，推荐算法也没有进行推荐，造成没有为用户提供多样性服务，这样的推荐系统就失去了意义；基于用户的协同过滤算法适用于用户较少的条件下，用户产生新的行为，不一定会造成推荐结果的立即改变，实时性较差，这样对用户的推荐也不够准确。
所以，如何为老年人推荐个性化服务，而不仅仅依赖最热门内容，要挖掘用户差异化需求，感知用户喜好，让长尾内容能够有机会被更多的用户了解，从而能够较为精准的为老年人提供他们所需要的服务是目前养老服务领域的重点和难点。
技术实现要素：
本发明的目的是为了解决上述技术的不足，提供一种性能稳定、质量可靠、的养老服务系统推荐方法。
本发明的技术方案是：
一种养老服务推荐方法，包括以下步骤：
(1)服务平台通过互联网网页或预设的养老数据库获得养老服务的评分信息s，计算出待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v)；
(2)建立评价时间模型，服务平台计算待推荐用户u与互联网网页或预设的养老数据库中用户v对养老服务服务的偏好值p<sub>u，i</sub>；
(3)预测待推荐用户需要的养老服务评分值s(u，i)，服务平台按照由高到低的顺序推荐给待推荐的用户u。
所述养老服务的评分信息s包括待推荐用户u对养老服务项目i的评分r<sub>u，i</sub>、待推荐用户u的平均评分养老数据库中用户v对养老服务项目i的评分r<sub>v，i</sub>和互联网网页或预设的养老数据库中用户v的平均评分所述步骤(1)中待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v)采用皮尔森相似度计算方法。
所述步骤(2)建立时间模型，需要定义用户-服务矩阵p(u×i)，计算与待推荐用户u最为相似的k个用户对服务的偏好程度，所述k为正整。
具体实施方式
下面结合具体实施例对本发明作进一步说明，以助于理解本发明的内容。
本发明提供一种养老服务系统推荐方法，包括以下步骤：
(1)服务平台通过互联网网页或预设的养老数据库获得养老服务的评分信息s，养老服务的评分信息s包括待推荐用户u对养老服务项目i的评分r<sub>u，i</sub>、待推荐用户u的平均评分养老数据库中用户v对养老服务项目i的评分r<sub>v，i</sub>和互联网网页或预设的养老数据库中用户v的平均评分然后通过皮尔森相似度计算方法公式，可计算得出待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim′(u，v)。
(2)服务平台通过互联网网页或预设的养老数据库获得养老服务的用户关注列表a和用户历史记录数据h，用户关注列表a包括待推荐用户u对养老数据库用户的社交信息、待推荐用户u对互联网网页或预设的养老数据库中用户v的评论次数c<sub>u，v</sub>、点赞次数l<sub>u，v</sub>和转发次数f<sub>u，v</sub>、互联网网页或预设的养老数据库中用户h对互联网网页或预设的养老数据库中用户v的评论c<sub>h，v</sub>、点赞l<sub>h，v</sub>、转发数量f<sub>h，v</sub>、待推荐用户u所关注人的个数n<sub>u</sub>和互联网网页或预设的养老数据库中用户h所关注人的个数n<sub>h</sub>；
通过公式计算出直接信任度t<sup>1</sup>(u，v)，通过公式计算出间接信任度t<sup>2</sup>(u，v)。
1.一种养老服务推荐方法，其特征在于：包括以下步骤：(1)服务平台通过互联网网页或预设的养老数据库获得养老服务的评分信息s，计算出待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v)；(2)建立评价时间模型，服务平台计算待推荐用户u与互联网网页或预设的养老数据库中用户v对养老服务服务的偏好值pu，i；(3)预测待推荐用户需要的养老服务评分值s(u，i)，服务平台按照由高到低的顺序推荐给待推荐的用户u。
2.根据权利要求1所述的养老服务系统推荐方法，其特征在于：所述养老服务的评分信息s包括待推荐用户u对养老服务项目i的评分ru，i、待推荐用户u的平均评分养老数据库中用户v对养老服务项目i的评分rv，i和互联网网页或预设的养老数据库中用户v的平均评分所述步骤(1)中待推荐用户u与互联网网页或预设的养老数据库中用户v的相似度sim'(u,v)采用皮尔森相似度计算方法。
3.根据权利要求1所述的养老服务系统推荐方法，其特征在于：所述步骤(2)建立时间模型，需要定义用户-服务矩阵p(u×i)，计算与待推荐用户u最为相似的k个用户对服务的偏好程度，所述k为正整数。
技术总结