(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210901063.9 (22)申请日 2022.07.28 (71)申请人 东风汽车集团股份有限公司 地址 430056 湖北省武汉市武汉经济技 术 开发区东 风大道特1号 (72)发明人 费一航　肖葱葱　陈紫曦　乐阳　 邬婷婷　 (74)专利代理 机构 武汉智权专利代理事务所 (特殊普通 合伙) 42225 专利代理师 马丽娜 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) (54)发明名称 一种基于协同过滤的用户充电桩推荐方法 及设备 (57)摘要 本发明涉及一种基于协同过滤的用户充电 桩推荐方法及设备， 其特征在于， 根据时空因素 对用户与充电桩的交互行为进行分组， 并根据不 同分组分别采用协同神经网络计算充电桩推荐 列表， 所述方法包括步骤： 基于用户与充电桩的 交互信息获取用户与充电桩的交互情况与交互 地理位置并生成用户对充电桩及充电桩对用户 的二值化矩阵； 将所述二值化矩阵作为输入向量 导入所述协同神经网络中计算对用户的充电桩 推荐列表； 将所述对用户的充电桩推荐列表与用 户当前SOC告警位置进行匹配后推荐符合所述当 前SOS告警位置条件的充电桩。 可使充电桩的推 荐更符合用户的个性 化选择需求。 权利要求书2页 说明书7页 附图1页 CN 115293846 A 2022.11.04 CN 115293846 A 1.一种基于协同过滤的用户充电桩推荐方法， 其特征在于， 根据时空因素对用户与充 电桩的交互行为进行分组， 并根据不同分组分别采用协同神经网络计算充电桩推荐列表， 所述方法包括 步骤： 基于用户与充电桩的交互信息获取用户与充电桩的交互情况与交互地理位置并生成 用户对充电桩及充电桩 对用户的二 值化矩阵； 将所述二值化矩阵作为输入向量导入所述协同神经网络中计算对用户的充电桩推荐 列表； 将所述对用户的充电桩推荐列表与用户当前SOC告警位置进行匹配后推荐符合所述当 前SOS告警位置条件的充电桩。 2.如权利要求1所述的一种基于协同过滤的用户充电桩推荐方法， 其特征在于， 所述交 互情况包括产生交 互与未产生交 互； 所述生成用户对充电桩及充电桩 对用户的二 值化矩阵， 包括 步骤： 在同一分组下根据所述交互地理位置， 将用户对充电桩及充电桩对用户的交互情况分 别用one‑hot编码的二 值化向量表示， 并分别记为用户向量和充电桩向量， 且 所述用户向量包 含该用户对所述交 互地理位置的所有 充电桩的交 互情况， 所述充电桩向量包 含该充电桩 对所有用户的交 互情况。 3.如权利要求2所述的一种基于协同过滤的用户充电桩推荐方法， 其特征在于， 将所述 二值化矩阵作为输入向量导入所述协同神经网络中计算对用户的充电桩推荐列 表， 包括步 骤： 将所述用户向量与所述充电桩向量共同作为输入层向量导入所述协同神经网络的 embedding层进行矩阵分解获取稠密向量； 基于所述协同神经网络的NCF预测模型将所述稠密向量映射成预测分数， 且所述NCF预 测模型表示 为： 其中， 为预测分数， P∈RM×K且表示用户的潜在 因子矩阵， Q∈RN×K且表示充电桩的潜在因子矩阵， θf为交互函数f的参数， f为所述协同神经 网络且f表示 为： 其中， 表示输入的 用户向量 经过Embedding层之后得到的关于用户u的潜在特征向量， 表示输入的充 电桩向量 经过Embedding层之后 得到的关于充电桩i的潜在特征向量， 表示神经协同 过滤层中的第x层的映射 函数， 表示输出层的映射 函数； 根据所述预测分数确定对用户的充电桩推荐列表。 4.如权利要求3所述的一种基于协同过滤的用户充电桩推荐方法， 其特征在于， 在所述 根据所述预测分数确定对用户的充电桩推荐列表之前， 还 包括步骤： 设定预测目标值并通过最小化所述预测目标值与所述预测分数之间的均方误差对所 述NCF预测模型进行训练。 5.如权利要求4所述的一种基于协同过滤的用户充电桩推荐方法， 其特征在于， 所述通 过最小化所述预测目标值与所述预测分数之间的均方误差对所述NCF预测模型进行训练，权　利　要　求　书 1/2 页 2 CN 115293846 A 2包括步骤： 根据第一公式设置目标函数， 所述第一公式包括： 其中， yui为预测目标值， 为预测分数， L为目标函数， y表示用户和充电桩的交互行为 生成的交 互矩阵中的观测数据， 且y‑表示所述观测数据的负 样本； 求解所述目标函数获取 所述NCF预测模型的最佳参数值。 6.如权利要求4所述的一种基于协同过滤的用户充电桩推荐方法， 其特征在于， 将用户 最近一次或多次交 互行为作为所述预测目标值。 7.如权利要求1所述的一种基于协同过滤的用户充电桩推荐方法， 其特征在于， 所述根 据时空因素对用户与充电桩的交 互行为进行分组， 包括 步骤： 进行按区域分组， 其用于根据区域划分将属于同一 区域内用户与充电桩的交互行为分 在同一大组； 在所述按区域分组后， 可选择地进行按不同时间区间分组， 且所述按不同时间区间分 组包括将属于同一时间区间内用户与充电桩的交 互行为分在同一小组； 将大组或小组的分组情况作为 最终的分组结果。 8.如权利要求1所述的一种基于协同过滤的用户充电桩推荐方法， 其特征在于， 将所述 对用户的充电桩推荐列表与用户当前SOC告警位置进行匹配后推荐符合所述当前SOS告警 位置条件的充电桩， 包括 步骤： 获取用户的当前SOC告警位置； 基于所述充电桩推荐列表计算用户与各推荐 充电桩的距离； 按照用户剩余电量可达距离范围在所述各推荐充电桩中筛选出符合所述当前SOS告警 位置的充电桩进行推送。 9.如权利要求1所述的一种基于协同过滤的用户充电桩推荐方法， 其特征在于， 将所述 对用户的充电桩推荐列表与用户当前SOC告警位置进行匹配后推荐符合所述当前SOS告警 位置条件的充电桩， 包括 步骤： 若所述当前SOC告警位置为用户从未去过的区域， 则收集用户当前位置信息， 并根据用 户当前位置信息查找对应的区域分组， 并按照对应区域分组下的充电桩推荐列表进行推 荐。 10.一种设备， 其特征在于， 所述设备包括： 至少一个处理器； 以及与 所述至少一个处理 器耦合的存储器， 所述存储器包含有存储于其中的指令， 所述指令在被所述处理器加载并 执行， 以实现如权利要求1 ‑9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115293846 A 3