(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 202210788468.6 (22)申请日 2022.07.06 (71)申请人 华南师范大学 地址 510631 广东省广州市天河区中山大 道西55号 (72)发明人 朱定局　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 吴平 (51)Int.Cl. G06F 16/9535(2019.01) G06N 3/08(2006.01) G06F 16/36(2019.01) (54)发明名称 基于深度学习和知识图谱的康养服务智能 匹配方法和系统 (57)摘要 基于深度学习和知识图谱的康养服务智能 匹配方法和系统， 包括： 用户需求获取步骤； 需求 属性获取步骤； 服务与需求匹配步骤； 服务组合 步骤； 服务推荐步骤； 服务重选步骤。 上述方法、 系统和机器人， 通过本性、 时间、 空间三个维度的 匹配， 不但考虑到了服务的类型的匹配， 还考虑 到了服务的时间和就近服务， 使得匹配得到的服 务真实可用， 而且在本性维度考虑了服务的综合 优先度， 使得高效能高质量的服务能够优先被匹 配； 通过服务组合， 可以巧妙地使得多家机构的 服务可以为同一个用户的需求进行服务； 通过优 先度， 可以优先满足优先度高的用户需求。 权利要求书4页 说明书10页 附图2页 CN 115203545 A 2022.10.18 CN 115203545 A 1.一种人工智能方法， 其特 征在于， 所述方法包括： 用户需求获取步骤： 获取用户需求知识图谱中的新增需求； 需求属性获取步骤： 获取用户的新增需求的本性属性、 时间属性和空间属性； 服务与需求匹配步骤： 计算新增需求与服务的匹配度， 新增需求与服务的匹配度＝g (服务的综合优先度， 本性匹配度， 时间匹配度， 空间匹配度)； 时间匹配度为服务的时间段 与需求的时间段之 间的匹配度， 空间匹配度为服务面向的区域与用户预期服务的区域的匹 配程度， 本性匹配度包括需求的类型与服务的类型匹配的程度、 需求的内容与服务的内容 匹配的程度； 服务组合步骤： 将匹配度大于预设匹配度的服务加入到候选服务集合， 将候选服务集 合中任两个服务进行 组合得到组合之后的服务， 如果组合之后的服务与需求的匹配度大于 现有的最大匹配度， 则将该组合后的服务加入到候选服务集合， 并从集合中删除组成该组 合的两个服务， 然后重复该步骤， 直至组合之后的服务与需求的匹配度都不大于现有的最 大匹配度； 服务推荐步骤： 从候选服务集合中找到匹配度最大且未被占用的预设数个服务推荐给 用户， 并从机构服务知识图谱中提取所述服务的信息及其所属机构的信息发送给用户， 由 用户从中选择一个服 务； 服务重选步骤： 如果有多个用户需求同时选择同一个服务， 则将该服务分配给综合优 先度大的用户需求， 将该服务的状态更新为占用状态， 向没有获得服务分配的用户需求发 送服务已被抢占的提 示， 并回到服 务推荐步骤重新执 行。 2.根据权利要求1所述的人工智能方法， 其特 征在于， 所述方法还 包括： 用户需求预测深度学习 模型训练步骤： 获取第 一预设个数的每一用户对预设用户需求 类型的选择， 作为所述用户的需求， 获取所述用户的数据， 获取初始的深度学习模型， 将所 述用户的数据作为所述模型 的输入， 将所述用户的需求作为所述模型 的预期输出， 对所述 模型进行训练， 得到用户需求预测深度学习模型； 用户需求预测深度学习 模型测试步骤： 获取第 二预设个数的每一用户对预设用户需求 类型的选择， 作为所述用户的需求， 获取所述用户的数据， 获取训练得到的用户需求预测深 度学习模型， 将所述用户的数据作为所述模型 的输入， 将所述用户的需求作为所述模型 的 预期输出， 对所述模型进行测试； 所述第二预设个数 的每一用户不属于第一预设个数 的每 一用户； 测试判断步骤： 若测试的预测准确率小于预设准确率， 则执行7； 若测试的预测准确率 大于或等于预设准确率， 则将最新的用户需求预测深度学习模型作为用户需求预测深度学 习模型， 执 行模型预测步骤； 再次训练步骤： 获取新的第三预设个数的每一用户对预设用户需求类型的选择， 作为 所述用户的需求， 获取所述用户的数据， 获取最新的用户需求预测深度学习模型， 将所述用 户的数据作为所述模型 的输入， 将所述用户的需求作为所述模型 的预期输出， 对所述模型 进行训练， 然后再回到测试判断步骤执行； 所述新的第三预设个数 的每一用户不属于在训 练和测试中已经使用过的用户； 模型预测步骤： 获取需要预测需求的用户的数据， 获取用户需求预测深度 学习模型， 将 所述用户的数据作为所述模型 的输入， 通过所述模型计算得到的输出， 作为预测得到的所权　利　要　求　书 1/4 页 2 CN 115203545 A 2述用户的需求； 用户对模型的反馈步骤： 将预测得到的需求发送给所述用户， 获取用户对预测是否正 确的反馈， 如果反馈为预测正确， 则将预测得到的需求作为所述用户的需求； 如果反馈为预 测错误， 则获取所述用户对预设用户需求类型的选择， 作为所述用户的需求， 同时获取所述 用户的数据， 获取最新的用户需求预测深度学习模型， 将所述用户的数据作为所述模型 的 输入， 将所述用户的需求作为所述模型的预期输出， 对所述模型进行增量训练。 3.根据权利要求1所述的人工智能方法， 其特 征在于， 所述方法还 包括： 服务的综合优先度计算步骤： 根据每一机构的资质计算所述机构的机构基本优先度， 获取所述机构的每一服务的评价， 计算所述服务的优先度， 根据机构基本优先度和所述服 务的优先度， 计算所述 服务的综合优先度； 机构服务知识图谱本体构建步骤： 根据 各类机构、 各类服务及其之间的关系， 构建机构 服务知识图谱的本体； 在机构服务知识图谱的本体中， 服务实体具有当前属 性、 历史属 性； 当前属性和历史属 性都包括本性属 性、 时间属 性和空间属 性； 本性属 性包括基本属 性和状 态属性； 基本属性包括类型、 内容、 综合优先度、 面向的用户类型、 收费标准； 状态属性包括 服务是否空闲、 占用； 时间属性包括服务可提供 的时间段； 空间属 性包括服务面向的区域； 历史属性 为过去的当前属性的记录； 机构服务知识图谱形成步骤： 接受机构及其服务的注册， 根据本体， 自动加入机构服务 知识图谱。 4.根据权利要求3所述的人工智能方法， 其特 征在于， 所述方法还 包括： 服务实体的树状结构： 每一服务实体可以包括多个子服务实体； 服务实体构成的树是 与树； 如果机构与服务之间的关系 是拥有关系， 则机构与所述服务的所有子服务之间都是 拥有关系； 如果机构与服务之间的关系 是部分拥有关系， 则机构与所述服务的部分子服务 之间是拥有关系或与子服务之间是部分拥有关系； 如果A 服务与B服务之 间的关系是某种关 系， 则A服务所有子服务与B服务所有子服务都是该种关系； 如果A服务与B服务之间的关系 是某种部 分关系， 则A 服务某些子服务与B服务某些子服务是该种关系， 或A 服务某些子服务 与B服务某些子服 务是该种部分 关系； 机构实体的树状结构： 每一机构实体可以包括多个子机构实体； 机构实体构成的树是 或树； 如果机构与服务之间的关系 是拥有关系， 则机构某个或某些子机构与所述服务之间 都是拥有关系； 如果机构与服务之间的关系 是部分拥有关系， 则机构某个或某些子机构与 所述服务之间都是部 分拥有关系； 如果A机构与B机构之间的关系是某种关系， 则A机构某个 或某些子 机构与B机构某个或某些子 机构之间是 该种关系。 5.一种人工智能方法， 其特 征在于， 所述方法包括： 用户需求获取模块： 获取用户需求知识图谱中的新增需求； 需求属性获取模块： 获取用户的新增需求的本性属性、 时间属性和空间属性； 服务与需求匹配模块： 计算新增需求与服务的匹配度， 新增需求与服务的匹配度＝g (服务的综合优先度， 本性匹配度， 时间匹配度， 空间匹配度)； 时间匹配度为服务的时间段 与需求的时间段之 间的匹配度， 空间匹配度为服务面向的区域与用户预期服务的区域的匹 配程度， 本性匹配度包括需求的类型与服务的类型匹配的程度、 需求的内容与服务的内容 匹配的程度；权　利　要　求　书 2/4 页 3 CN 115203545 A 3