【技术实现步骤摘要】
本专利技术涉及出行，具体为下车点推荐方法、装置、计算机设备和存储介质。
技术介绍
1、点位推荐系统是上下车的必备服务，通过点位推荐，能减少诸如司机绕路或违停、用户对目的地了解不足等问题，因此点位推荐系统是网约车等互联网叫车服务的核心服务；
2、如公告号为cn114780871a的中国专利，其公开了一种下车点推荐方法、装置、计算机设备和存储介质。所述方法包括：接收用户发送的下车点推荐请求；下车点推荐请求包括用户选定的初始下车点；根据初始下车点生成点位召回列表，点位召回列表包括多个候选下车点；从预构建的特征库中获取每个候选下车点的点位特征；将每个候选下车点的点位特征输入下车点推荐模型，得到下车点推荐模型输出的每个候选下车点的推荐值；从上述多个候选下车点中筛选出推荐值最高的若干个候选下车点，并推荐给用户，本申请实施例能够更准确地向用户推荐下车点，从而提高用户的打车体验。
3、存在的不足之处有：
4、现有公告号为cn114780871a的中国专利，其利用热度和距离进行点位特征推荐，下车点推荐引入的考虑因素较少，并不能够根据不同用户的历史下车点数据以及实时操作反馈来对下车点进行动态调整，如何引入一个动态评分系统，这个系统可以考虑实时交通情况、历史用户评价和时间段流量等因素，例如，如果一个点在早高峰时段经常出现交通拥堵，那么在这一时间段内该点的评分会降低；
5、同时能够根据用户历史行为和偏好，定制个性化的下车点推荐，例如，对于经常选择安静、人少的地点下车的用户，推荐更多符合其偏好的下车点；p>
6、并引入用户反馈机制，让用户对推荐的下车点进行评价，这些数据可以用来优化推荐模型，使其更准确地反映用户需求是当下需要改进的方向；
7、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的目的在于提供下车点推荐方法、装置、计算机设备和存储介质，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种下车点推荐方法，其特征在于，具体步骤包括：
4、s1、确定订单路径中的下车点大概位置，并收集下车点所在区域的热度特征、距离特征、实时交通状况和历史用户评价数据，以及用户当前的行为数据和用户反馈数据，并采集下车点区域具有时间戳的活动事件；
5、s2、接收热度特征、距离特征、实时交通状况和历史用户评价数据后进行分析处理并构建动态点位评分系统，并进一步构建基于时间和事件的动态点位评分系统；
6、s3、使用集成学习模型中的随机森林，用于处理动态点位评分系统中的大量特征，来预测基于时间和事件的点位评分dwpf；
7、s4、获取用户历史数据以及用户下车点的期望需求数据k，并结合点位评分dwpf生成每个候选下车点的初始个性化推荐分数；
8、s5、通过聚类算法处理分析用户在应用内的行为数据，以识别不同用户群体的偏好和需求；
9、s6、整理用户使用服务后对下车点的评价数据并作为用户反馈数据yhfk，且用户反馈数据yhfk用于调整未来的推荐，尤其是对历史用户评价的权重参数进行动态调整；
10、s7、结合情感分析结果和用户行为分析结果，为每个候选项计算优化后的个性化推荐分数，根据计算得到的个性化推荐分数，对候选项进行排序，选取分数最高的作为推荐，从列表中选择推荐分数最高的下车点推荐给用户。
11、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行下车点推荐方法构成的计算机程序，所述处理器执行所述计算机程序时实现如所述下车点推荐方法的步骤。
12、一种可读存储介质，所述设备可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述下车点推荐方法的步骤。
13、与现有技术相比，本专利技术的有益效果是：
14、通过接收热度特征、距离特征、实时交通状况和历史用户评价数据后进行分析处理并构建动态点位评分系统，同时能够根据用户历史行为和偏好，定制个性化的下车点推荐；使用集成学习模型中的随机森林来预测基于时间和事件的点位评分dwpf，获取用户历史数据以及用户下车点的期望需求数据k，并结合点位评分dwpf生成每个候选下车点的初始个性化推荐分数，通过聚类算法处理分析用户在应用内的行为数据，以识别不同用户群体的偏好和需求，对历史用户评价的权重参数进行动态调整，并引入用户反馈机制，让用户对推荐的下车点进行评价，这些数据可以用来优化推荐模型，使其更准确地反映用户需求是当下需要改进的方向，从列表中选择推荐分数最高的下车点推荐给用户。
本文档来自技高网...【技术保护点】
1.一种下车点推荐方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的下车点推荐方法，其特征在于：所述收集下车点所在区域的热度特征、距离特征、实时交通状况和历史用户评价数据具体包括以下内容，
3.根据权利要求2所述的下车点推荐方法，其特征在于：所述接收热度特征、距离特征、实时交通状况和历史用户评价数据后进行分析处理并构建动态点位评分系统具体包括以下内容，
4.根据权利要求3所述的下车点推荐方法，其特征在于：所述使用集成学习模型中的随机森林，用于处理大量特征，来预测基于时间和事件的点位评分DWPf具体逻辑包括，
5.根据权利要求4所述的下车点推荐方法，其特征在于：所述获取用户历史数据以及用户下车点的期望需求数据K具体逻辑包括，
6.根据权利要求5所述的下车点推荐方法，其特征在于：所述通过聚类算法处理分析用户在应用内的行为数据，以识别不同用户群体的偏好和需求具体逻辑包括，
7.根据权利要求6所述的下车点推荐方法、装置、计算机设备和存储介质，其特征在于：所述整理用户使用服务后对下车点的评价数据并作为用户反馈数
8.一种下车点推荐装置，其特征在于：所述装置用于执行权利要求1-7任意一项所述的下车点推荐方法，包括：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行下车点推荐方法构成的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述下车点推荐方法的步骤。
10.一种可读存储介质，所述设备可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述下车点推荐方法的步骤。
...【技术特征摘要】
1.一种下车点推荐方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的下车点推荐方法，其特征在于：所述收集下车点所在区域的热度特征、距离特征、实时交通状况和历史用户评价数据具体包括以下内容，
3.根据权利要求2所述的下车点推荐方法，其特征在于：所述接收热度特征、距离特征、实时交通状况和历史用户评价数据后进行分析处理并构建动态点位评分系统具体包括以下内容，
4.根据权利要求3所述的下车点推荐方法，其特征在于：所述使用集成学习模型中的随机森林，用于处理大量特征，来预测基于时间和事件的点位评分dwpf具体逻辑包括，
5.根据权利要求4所述的下车点推荐方法，其特征在于：所述获取用户历史数据以及用户下车点的期望需求数据k具体逻辑包括，
6.根据权利要求5所述的下车点推荐方法，其特征在于：所述通过聚类算法处理分析用户在应用内的行为数据，以识别不同用...
【专利技术属性】
技术研发人员：于志杰，董广宇，刘金龙，
申请(专利权)人：北京白龙马云行科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。