1.一种基于特征模型的个性化信息推荐方法,其特征在于,包括以下步骤:S1、用户个性特征模型的优化构建:基于层次分析法构建用户个性特征成对比较矩阵;
对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较,其他值则采用自动推理计算的方法进行优化;
S2、建立目标对象的特征信息库;
S3、通过获取用户终端的定位信息,计算出目标距离,基于构建的用户个性特征模型对建立的目标对象的特征信息库进行检索,完成与位置相关的个性信息的检索与推荐。
2.如权利要求1所述的方法,其特征在于,S1步骤中所述的基于层次分析法构建用户个性特征成对比较矩阵,具体为:设分类为T的信息点X,有A有A1,A2…An个属性,其权重分别为w1,w2…wn,对于个体P的观点来说,其信息点X的个性特征成对比较矩阵为:其中,重要性权重w1/w2按照程度采用数值1-9逐渐增强描述,按相同、稍强、强、较强、最强,分别取值为1、3、5、7、9,处于中间级别取值2、4、6、8;
权重向量W按如下公式计算:
且
在保证一致性的前提下,对特征矩阵X计算出最大特征值n′和对应的特征向量w′,即可以将该w′作为个体P的的个性特征向量,代表了个体P对于各个属性的重要性排序观点。
3.如权利要求2所述的方法,其特征在于,S1步骤中所述的对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较,其他值则采用自动推理计算的方法进行优化,包括:对属性a1,i生成两两成对比较列表;
对每个比较列表赋予选项和取值;
用户选择确定取值;
用以下实现公式计算得到完整比较矩阵:
实现公式是:
即:在已知a1,1 a1,2 … a1,n的情况下,可求出a2,1到an,n的值;
ki,j的计算方法是:
[1]计算出当i<j情况下的全部a″i,j,a″i,j=a′1,j-a′1,i
其中,
[2]对所有a″i,j取其值进行归一化计算,预先保留其正负值符号:归一化计算公式为:
a″i,j=(|a″i,j|-min|a″i,j|)/(max|a″i,j|-min|a″i,j|);
[3]将归一化后的值进行区间映射,将a″i,j对应到区间1-9,求出ki,j,映射公式为:ki,j=round(1+a″i,j*(9-1),0);
[4]根据[2]中保留的正负符号按公式(3)计算出ai,j;
按照以上步骤,即可在已知a1,i的情况下,求出矩阵(1)个性特征成对比较矩阵的完整值。
4.如权利要求1-3任一项所述的方法,其特征在于,S2步骤中所述的建立目标对象的特征信息库,具体步骤如下:确定多级分类,即针对每一类进一步确定下级分类,以及各对象的属性;
计算各目标对象点的属性特征值时,将属性的取值范围界定为1-9,当地平均水平值设定为5,将其属性与当地平均情况作比较,值越大,表示比平均水平好,值越小,表示越差。