(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210849787.3 (22)申请日 2022.07.20 (65)同一申请的已公布的文献号 申请公布号 CN 115098931 A (43)申请公布日 2022.09.23 (73)专利权人 江苏艾佳家居用品有限公司 地址 211100 江苏省南京市江宁区江南路9 号招商高铁广场项目A座5层 （南站片 区） (72)发明人 罗松　陈旋　甘玉军　 (74)专利代理 机构 南京新慧恒 诚知识产权代理 有限公司 32424 专利代理师 邓唯 (51)Int.Cl. G06F 30/13(2020.01) G06F 16/2458(2019.01) G06F 17/16(2006.01) (56)对比文件 CN 105975269 A,2016.09.28CN 112672366 A,2021.04.16 CN 111222188 A,2020.0 6.02 CN 102572 987 A,2012.07.1 1 CN 113111257 A,2021.07.13 CN 112287041 A,2021.01.2 9 CN 103995858 A,2014.08.20 CN 112905900 A,2021.0 6.04 CN 102737125 A,2012.10.17 CN 111291261 A,2020.0 6.16 CN 109299436 A,2019.02.01 CN 114117213 A,202 2.03.01 CN 108829763 A,2018.1 1.16 CN 112434218 A,2021.0 3.02 CN 105740327 A,2016.07.0 6 CN 112256961 A,2021.01.2 2 CN 113205366 A,2021.08.0 3 CN 113409121 A,2021.09.17 CN 113505306 A,2021.10.15 CN 104182454 A,2014.12.0 3 (续) 审查员 游婧 (54)发明名称 一种用于挖掘用户室内设计个性化需求的 小样本分析方法 (57)摘要 本发明公开一种用于挖掘用户室内设计个 性化需求的小样本分析方法。 本发 明首先对用户 行为数据进行正则化处理； 通过对用户行为模式 的抽象量化， 得到一个可用于刻画用户偏好随时 间变化的最优化模型序列； 针对 所得模型的结构 化特征， 给出一种能从少量用户行为数据中挖掘 用户隐性偏好的计算方法； 最后， 将所得技术用 于处理用户的时序列行为数据， 自动检测用户偏 好的变化情况。 本发明一方面在一定程度上改变 了设计师与用户的沟通方式， 非专业用户通过点 击选择行为即可向设计师表达自身的需求和偏 好； 另一方面， 帮助室内设计师快速识别、 跟踪和 管理用户偏好， 以此提高双方沟通效率。 [转续页] 权利要求书3页 说明书9页 附图1页 CN 115098931 B 2022.12.16 CN 115098931 B (56)对比文件 US 20201434 48 A1,2020.0 5.07 US 2014279727 A1,2014.09.18 US 2015052156 A1,2015.02.19 US 20210 56462 A1,2021.02.25 侯治平.有限理性视角下网络信息产品消费者购买行为研究. 《中国博士学位 论文全文数据 库经济与管理科 学辑》 .2020,(第5期), 陈东萍.面向用户体验的产品服 务系统再设 计方法研究. 《中国博士学位 论文全文数据库 经 济与管理科 学辑》 .2020,(第3期),2/2 页 2[接上页] CN 115098931 B1.一种用于挖掘用户室内设计个性化需求的小样本分析方法， 其特征在于， 包括如下 步骤： 第1步， 确定室内设计 的维度特征： 约定 ｛f1,……fm｝ 为室内设计的维度特征的集合， fs 是室内设计的维度特征， s为1到m之间的任意整数， 并定义fs+和fs‑为正负两种标签用于评 估特征fs； 第2步， 表达向量的构建： 令 为特征的表达向量， 其中， 分别是标签为正值的特征表征值； 分别是标签为负值的特征表征 值； 第3步， 印象向量的构 建： 印象向量空间P是 ； 分别是标签为正值的印象向量， 分别是标签为负值的印象向量； 其中，   ， 下标i是案例编号， 下标j是评分人编号； pi是第i个案例的印象向量， N (i)是评分人的数量， T i,j是第i个设计案例的第j个评分人的表达向量 集合； 第4步， 设q为隐性偏好向量， 对以下最小化问题进行求 解： 其中， yi是用户对第i个案例做出 的选择行为； A是权重参数矩阵；   表示pi的转置矩 阵； 获得的最优解 ， 并且将 作为用户行为挖掘得到的需求结果； 所述的第4 步中， A是权 重参数矩阵的结构是： 分块矩阵 表示印象向量的正特征部分与隐性偏好向量负特征部分进行比较时权 重向量， 设分块矩阵 是由元素 构成； 且 表示印象向量的第g个正特征与隐性偏 好向量第h个负特 征相比较时的权 重； 分块矩阵 表示印象向量的正特征部分与隐性偏好向量正特征部分进行比较时权 重向量； 设分块矩阵 是由元素 构成， 且 表示印象向量的第g个正特征与隐性 偏好向量第h个正特 征相比较时的权 重； 分块矩阵 表示印象向量的负特征部分与隐性偏好向量负特征部分进行比较时 权重向量； 设分块矩阵 是由元素 构成， 且 表示印象向量的第g个负特征与权　利　要　求　书 1/3 页 2 CN 115098931 B 3