车辆服务推荐模型的实时更新方法、装置、车辆及介质制造方法及图纸

本申请涉及车辆服务技术领域，特别涉及一种车辆服务推荐模型的实时更新方法、装置、车辆及介质，其中，方法包括：一种车辆服务推荐模型的实时更新方法，其特征在于，包括：获取用户实时数据，并根据用户实时数据进行车辆服务推荐；根据车辆服务推荐的反馈，得到用户反馈数据；根据用户反馈数据读取当前时刻的初始推荐模型；根据用户反馈数据更新初始推荐模型，得到服务推荐模型，从而保证对用户个性化推荐车辆服务的同时，实现根据用户的实时需求更新推荐服务。荐服务。荐服务。

【技术实现步骤摘要】
车辆服务推荐模型的实时更新方法、装置、车辆及介质


[0001]本申请涉及车辆服务
，特别涉及一种车辆服务推荐模型的实时更新方法、装置、车辆及介质。

技术介绍

[0002]相关技术中，预先设置好的推荐模型可以直接为用户推荐个性化服务。但是相应地，采用预设好的推荐模型不能根据用户的实施需求提供精准的服务推荐。因此，如何在保证对用户个性化推荐车辆服务的同时，根据用户的实时需求更新推荐服务，成为了一个亟待解决的问题。

技术实现思路

[0003]旨在解决上述提出的一种或几种技术问题，本申请提供了一种车辆服务推荐模型的实时更新方法，包括：
[0004]获取用户实时数据，并根据所述用户实时数据进行车辆服务推荐；
[0005]根据所述车辆服务推荐的反馈，得到用户反馈数据；
[0006]根据所述用户反馈数据读取当前时刻的初始推荐模型；
[0007]根据所述用户反馈数据更新所述初始推荐模型，得到服务推荐模型。
[0008]本申请提供的实时更新方法可以根据用户对当前初始推荐模型推荐的车辆服务的反馈，对初始推荐模型进行更新，以实现根据用户的实施需求，提供更加精准的车辆服务推荐。具体地，本方法首先获取用户实时数据，并分析用户实时数据以提供用户当前时刻下可能需要的车辆服务，形成车辆服务推荐。进一步地，本方法可以根据用户对车辆服务的反馈，得到用户反馈数据。其中，用户将反馈数据可以是用户对车辆服务推荐的响应。进一步地，本方法可以读取用户反馈数据这一时刻下对应的初始推荐模型，并进一步地根据用户反馈数据更新这一初始推荐模型，以得到根据用户反馈数据更新后的服务推荐模型。通过这一服务推荐模型，本方法可以对初始推荐模型推荐的车辆服务的准确性进行划分，根据用户反馈数据中用户对已推荐的服务的应用情况进行判断，进而得到提升推荐准确性后的服务推荐模型，可以在保证对用户个性化推荐车辆服务的同时，根据用户的实时需求更新推荐服务，以提高服务推荐准确性。
[0009]在某些实施方式中，所述获取用户实时数据，并根据所述用户实时数据进行车辆服务推荐,包括：
[0010]根据所述用户实时数据，监测车辆环境数据；
[0011]结合所述用户实时数据和所述车辆环境数据，对预设车辆服务进行排序，得到排序信息；
[0012]按照所述排序信息依次对预设车辆服务进行车辆服务推荐。
[0013]在某些实施方式中，所述根据所述车辆服务推荐的反馈，得到用户反馈数据，包括：
[0014]在预设获取时长之内获取第一用户反馈；其中，所述第一用户反馈包括用户在所述预设获取时长内接受的推荐服务；
[0015]在所述预设获取时长之后，获取第二用户反馈；其中，所述第二用户反馈包括用户在所述预设获取时长内未响应或拒绝的推荐服务；
[0016]持续获取用户发起的第三用户反馈；其中，所述第三用户反馈包括用户主动发起的服务；
[0017]据所述第一用户反馈、所述第二用户反馈和所述第三用户反馈生成所述用户反馈数据。
[0018]在某些实施方式中，所述方法还包括：
[0019]若所述用户反馈数据中不包含所述第二用户反馈和所述第三用户反馈，则将当前时刻的初始推荐模型作为服务推荐模型。
[0020]在某些实施方式中，所述方法还包括：
[0021]根据预设的网络结构生成初始Q网络；
[0022]获取初始数据集，并根据所述初始数据集对所述初始Q网络进行模型训练，得到所述初始推荐模型。
[0023]在某些实施方式中，所述方法还包括：
[0024]根据所述用户反馈数据更新所述初始数据集，得到更新数据集；
[0025]根据预设的初始化时长，通过所述更新数据集对所述初始Q网络进行模型训练，以更新所述初始推荐模型。
[0026]在某些实施方式中，所述根据所述用户反馈数据更新所述初始数据集，得到更新数据集，包括：
[0027]根据所述用户反馈数据，调用下一时刻的用户实时数据；
[0028]根据用户对所述车辆服务推荐的反馈，生成第一评分数据；
[0029]根据所述第一评分数据、车辆服务推荐、当前时刻的用户实时数据和下一时刻的用户实时数据更新所述初始数据集，得到更新数据集。
[0030]所述根据所述用户反馈数据更新所述初始推荐模型，得到服务推荐模型，包括：
[0031]根据预设评分规则对所述用户反馈数据进行评分，得到第二评分数据；
[0032]根据所述用户反馈数据和所述第二评分数据更新所述初始推荐模型的模型参数，得到服务推荐模型。
[0033]本申请提供了一种车辆服务推荐模型的实时更新装置，包括：
[0034]在线更新模块，所述在线更新模块用于获取用户实时数据，并根据所述用户实时数据进行车辆服务推荐；还用于根据所述车辆服务推荐的反馈，得到用户反馈数据；还用于根据所述用户反馈数据读取当前时刻的初始推荐模型；还用于根据所述用户反馈数据更新所述初始推荐模型，得到服务推荐模型。
[0035]在某些实施方式中，所述装置还包括：
[0036]离线更新模块，所述离线更新模块用于根据预设的网络结构生成初始Q网络；还用于获取初始数据集，并根据所述初始数据集对所述初始Q网络进行模型训练，得到所述初始推荐模型。还用于根据所述用户反馈数据更新所述初始数据集，得到更新数据集，以根据所述更新数据集更新所述初始推荐模型。
[0037]本申请提供了一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，所述处理器执行所述程序，以实现上述任一项所述的一种车辆服务推荐模型的实时更新方法。
[0038]本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述任一项所述的一种车辆服务推荐模型的实时更新方法。
[0039]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0040]本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0041]图1为根据本申请实施例提供的一种车辆服务推荐模型的实时更新方法的流程示意图。
[0042]图2为根据本申请实施例提供的初始Q网络的结构示意图。
[0043]图3为根据本申请实施例提供的一种车辆服务推荐模型的实时更新装置的结构示意图。
[0044]图4为根据本申请实施例提供的在线更新模块与离线更新模块之间的交互示意图。
[0045]图5为根据本申请实施例的车辆的结构示意图。
[0046]附图标记说明：实时更新装置10、在线更新模块11、离线更新模块12、车辆100、处理器110、存储器120。
具体实施方式
[0047]下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆服务推荐模型的实时更新方法，其特征在于，包括：获取用户实时数据，并根据所述用户实时数据进行车辆服务推荐；根据所述车辆服务推荐的反馈，得到用户反馈数据；根据所述用户反馈数据读取当前时刻的初始推荐模型；根据所述用户反馈数据更新所述初始推荐模型，得到服务推荐模型。2.根据权利要求1所述的实时更新方法，其特征在于，所述获取用户实时数据，并根据所述用户实时数据进行车辆服务推荐,包括：根据所述用户实时数据，监测车辆环境数据；结合所述用户实时数据和所述车辆环境数据，对预设车辆服务进行排序，得到排序信息；按照所述排序信息依次对预设车辆服务进行车辆服务推荐。3.根据权利要求1所述的实时更新方法，其特征在于，所述根据所述车辆服务推荐的反馈，得到用户反馈数据，包括：在预设获取时长之内获取第一用户反馈；其中，所述第一用户反馈包括用户在所述预设获取时长内接受的推荐服务；在所述预设获取时长之后，获取第二用户反馈；其中，所述第二用户反馈包括用户在所述预设获取时长内未响应或拒绝的推荐服务；持续获取用户发起的第三用户反馈；其中，所述第三用户反馈包括用户主动发起的服务；据所述第一用户反馈、所述第二用户反馈和所述第三用户反馈生成所述用户反馈数据。4.根据权利要求3所述的实时更新方法，其特征在于，所述方法还包括：若所述用户反馈数据中不包含所述第二用户反馈和所述第三用户反馈，则将当前时刻的初始推荐模型作为服务推荐模型。5.根据权利要求3所述的实时更新方法，其特征在于，所述方法还包括：根据预设的网络结构生成初始Q网络；获取初始数据集，并根据所述初始数据集对所述初始Q网络进行模型训练，得到所述初始推荐模型。6.根据权利要求5所述的实时更新方法，其特征在于，所述方法还包括：根据所述用户反馈数据更新所述初始数据集，得到更新数据集；根据预设的初始化时长，通过所述更新数据集对所述初始Q网络进行模型训练，以更新所述初始推荐模型。7.根据权利要求6所述的实时更新方法，其特...

【专利技术属性】
技术研发人员：袁章凯，顾秀颖，何静，刘大全，张英鹏，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：