專(zhuān)利名稱(chēng)：引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及門(mén)戶(hù)(Portal)技術(shù)，更特別地說(shuō)，是指一種引入興趣模型反饋更新 機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)。該門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)能夠解決用戶(hù)興趣漂移 帶來(lái)的個(gè)性化推薦服務(wù)質(zhì)量下降的問(wèn)題。 背景玟術(shù)
專(zhuān)利申請(qǐng)?zhí)枮?00610098867.0的發(fā)明專(zhuān)利"一種采用元推薦引擎的門(mén)戶(hù)個(gè)性 化推薦服務(wù)方法和系統(tǒng)"中提出了門(mén)戶(hù)用戶(hù)興趣模型的構(gòu)建，包括門(mén)戶(hù)用戶(hù)興趣模型 的初始創(chuàng)建和后續(xù)更新;提出采用元推薦引擎的獨(dú)立于門(mén)戶(hù)平臺(tái)的個(gè)性化推薦服務(wù)體 系架構(gòu)，元推薦引擎能夠分析用戶(hù)及用戶(hù)群的關(guān)聯(lián)及個(gè)性化興趣變化，將信息資源和 推薦箅法統(tǒng)一組織并合理選擇控制，優(yōu)化推送產(chǎn)生更全面多樣的個(gè)性化推薦結(jié)果；在 資源展現(xiàn)方面，實(shí)現(xiàn)門(mén)戶(hù)個(gè)性化推薦服務(wù)的系統(tǒng)能夠?qū)㈩A(yù)測(cè)推薦的多種Web資源內(nèi) 容對(duì)象封裝為門(mén)戶(hù)組件，向門(mén)戶(hù)用戶(hù)進(jìn)行生動(dòng)直觀的個(gè)性化顯示，提供一種更高層的 個(gè)性化控制。綜合利用門(mén)戶(hù)平臺(tái)已有的個(gè)性化資源和技術(shù)手段，提供獨(dú)立靈活的服務(wù) 中間件或服務(wù)代理，以完成個(gè)性化推薦服務(wù)。
但是此專(zhuān)利公開(kāi)的內(nèi)容沒(méi)有涉及利用門(mén)戶(hù)個(gè)性化推薦反饋信息對(duì)興趣模型進(jìn)行 更新，即不能響應(yīng)門(mén)戶(hù)用戶(hù)的興趣變化、不能解決興趣漂移問(wèn)題。因此，基于門(mén)戶(hù)平 臺(tái)如何向門(mén)戶(hù)用戶(hù)提供靈活、全面、準(zhǔn)確且高質(zhì)量的推薦結(jié)果，成為亟待解決的問(wèn)題。 發(fā)明內(nèi) 容
本發(fā)明的目的在于提供一種弓I入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù) 系統(tǒng)，該門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)一方面通過(guò)利用隱私保護(hù)單元輸出的個(gè)性化推薦反 饋信息/Q進(jìn)行興趣模型反饋更新處理并獲得更新后的興趣模型數(shù)據(jù)/ ;另一方面通過(guò) 利用隱私保護(hù)單元輸出的用戶(hù)帳號(hào)信息/2進(jìn)行推薦算法的選擇并獲得某一特定的推
薦箅法y;。該門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)解決了門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)中存在的興趣
漂移問(wèn)題，使之能夠快速響應(yīng)用戶(hù)興趣漂移，向用戶(hù)提供靈活、全面且高質(zhì)量的個(gè)性 化推薦服務(wù)，提升用戶(hù)的關(guān)注度與滿(mǎn)意度。 本發(fā)明的引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)，(A)是在隱 私保護(hù)單元(102)的A輸出端添加興趣模型反饋更新模塊；(B)是在隱私保護(hù)單 元(102)的C輸出端建立與推薦選擇器(107)的信息連接；(C)是在數(shù)據(jù)存儲(chǔ) 單元(108)中添加反饋更新算法集(114)，該反饋更新箅法集(114)用于進(jìn)行興 趣模型更新算法的保存；所述興趣模型反饋更新模塊由興趣漂移檢測(cè)單元(H2)和 興趣模型更新單元(113)組成；
興趣漂移檢測(cè)單元(112)，用于檢測(cè)用戶(hù)關(guān)注的信息是否發(fā)生變化，并將反饋/ 判斷信息/。。傳遞至興趣模型更新單元(113);所述的反饋/判斷信息/oo是指興趣漂 移檢測(cè)單元(112)檢測(cè)獲得的檢測(cè)結(jié)果和門(mén)戶(hù)用戶(hù)的個(gè)性化推薦反饋信息；所述檢 測(cè)結(jié)果可能為下述四種結(jié)果之一，即未發(fā)生興趣漂移、待確認(rèn)興趣漂移、檢測(cè)到噪聲 數(shù)據(jù)、已確認(rèn)興趣漂移；
興趣模型更新單元(113)包括信息計(jì)箅判斷子單元(113a)、長(zhǎng)期興趣模型更 新子單元(113b)、短期興趣模型更新子單元(113c)、興趣模型選擇子單元(113d); 長(zhǎng)期興趣模型更新子單元(113b)、短期興趣模型更新子單元(113c)和興趣模型 選擇子單元(113d)構(gòu)成興趣模型更新選擇單元；興趣模型更新單元(113)用于 (A)通過(guò)數(shù)據(jù)管理單元(105)調(diào)用數(shù)據(jù)存儲(chǔ)單元(108)中的興趣度模型庫(kù)(115)、 反饋更新算法集(114); (B)依據(jù)反饋/判斷信息/。。與反饋更新算法集(114)中 某一特定更新箅法對(duì)興趣度模型庫(kù)U15)中的某一興趣模型進(jìn)行更新，并將更新后 的興趣模型數(shù)據(jù)乂分別輸出給訓(xùn)練分類(lèi)單元(104)、數(shù)據(jù)管理單元(105);
興趣度模型庫(kù)(115)中至少包括有長(zhǎng)期興趣模型庫(kù)、短期興趣模型庫(kù)、臨時(shí)興 趣模型庫(kù)；
反饋更新算法集(114)中至少包括有長(zhǎng)期興趣模型更新箅法、長(zhǎng)期興趣模型修 正箅法、短期興趣模型構(gòu)造/更新算法。
本發(fā)明的一種引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)的優(yōu)點(diǎn)不 僅在于能夠?qū)崿F(xiàn)專(zhuān)利申請(qǐng)?zhí)枮?00610098867.0的發(fā)明中公開(kāi)的功能和性能，還在 于(1)通過(guò)引入興趣模型反饋更新機(jī)制，解決了興趣漂移問(wèn)題，使得系統(tǒng)可以快速 響應(yīng)用戶(hù)的興趣變化；(2)通過(guò)檢測(cè)并剔除噪聲數(shù)據(jù)，以及多次利用長(zhǎng)短期興趣模 型的比較對(duì)長(zhǎng)期興趣模型進(jìn)行漸進(jìn)式的修正，確保了興趣模型更新的精確性，增強(qiáng)了
興趣模型更新的魯棒性；(3)通過(guò)在興趣模型反餓更新機(jī)制中加入快速構(gòu)建短期興 趣模型以及以加權(quán)邏輯或的方式融合生成臨時(shí)興趣模型等策略，兼顧了模型的更新速 度與模型的穩(wěn)定性；(4)通過(guò)在興趣模型更新策略中加入興趣模型修正策略，使得 興趣模型更加接近門(mén)戶(hù)用戶(hù)的真實(shí)興趣，同時(shí)降低了更新興趣模型的負(fù)荷。 附圖說(shuō) 明


圖1是本發(fā)明引入興趣M反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)的結(jié)構(gòu)框圖。 圖2是本發(fā)明中的興趣模型更新單元的結(jié)構(gòu)框圖。 圖3是本發(fā)明中的門(mén)戶(hù)個(gè)性化推薦服務(wù)的流程圖。 圖4是本發(fā)明中的興趣模型反饋更新的流程圖。 圖5是本發(fā)明中長(zhǎng)期興趣模型更新規(guī)則的執(zhí)行流程圖。 圖6是本發(fā)明中長(zhǎng)期興趣模型修正規(guī)則的執(zhí)行流程圖。 圖7是本發(fā)明中短期興趣模型構(gòu)造/更新規(guī)則的執(zhí)行流程圖。
具體實(shí)施例方式
下面將結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說(shuō)明。
本發(fā)明的一種引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)，(A)是 在隱私保護(hù)單元102的A輸出端添加興趣模型反饋更新模塊(該模塊由興趣漂移檢 測(cè)單元112和興趣模型更新單元113組成)；(B)是在隱私保護(hù)單元102的C輸出 端建立與推薦選擇器107的信息連接；(C)是在數(shù)據(jù)存儲(chǔ)單元108中添加反饋更新 算法集114，該反饋更新箅法集114用于進(jìn)行興趣模型更新箅法的保存。通過(guò)在"專(zhuān) 利申請(qǐng)?zhí)枮?00610098867.0"公開(kāi)內(nèi)容中進(jìn)行上述改進(jìn)后，本發(fā)明的引入興趣模 型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)解決了門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)中的興 趣漂移問(wèn)題，實(shí)現(xiàn)了對(duì)于門(mén)戶(hù)用戶(hù)興趣模型快速、準(zhǔn)確、穩(wěn)定的更新，為用戶(hù)提供了 更加接近用戶(hù)興趣的個(gè)性化推薦資源服務(wù)。本發(fā)明能夠快速響應(yīng)門(mén)戶(hù)用戶(hù)的興趣漂 移，實(shí)現(xiàn)了用戶(hù)興趣模型的高效準(zhǔn)確更新。
參見(jiàn)圖1所示，本發(fā)明是一種引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服 務(wù)系統(tǒng)，該門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)不但包括有
興趣挖掘單元101,位于門(mén)戶(hù)平臺(tái)中，用于獲取門(mén)戶(hù)用戶(hù)的個(gè)性化描述文件，隱 式跟蹤并捕獲登錄門(mén)戶(hù)用戶(hù)的興趣內(nèi)容和訪(fǎng)問(wèn)行為模式，顯式收集門(mén)戶(hù)用戶(hù)對(duì)于個(gè)性 化推薦服務(wù)的評(píng)分，并將獲取到的信息提供給隱私保護(hù)單元102。 隱私保護(hù)單元102，用于對(duì)來(lái)自興趣挖掘單元101的信息嵌入安全標(biāo)記，以進(jìn) 行私有化過(guò)濾保護(hù)，然后提供給興趣模型構(gòu)建單元103、興趣漂移檢測(cè)單元112、 推薦選擇器107。
興趣模型構(gòu)建單元103，用于對(duì)獲取的興趣數(shù)據(jù)進(jìn)行規(guī)范化處理，根據(jù)處理 后的信息構(gòu)建門(mén)戶(hù)用戶(hù)的興趣模型，并將構(gòu)建的門(mén)戶(hù)用戶(hù)興趣模型提供給訓(xùn)練分 類(lèi)單元104。
訓(xùn)練分類(lèi)單元104,用于通過(guò)數(shù)據(jù)管理單元105調(diào)用數(shù)據(jù)存儲(chǔ)單元108中存儲(chǔ) 的興趣模型，將來(lái)自興趣模型構(gòu)建單元103的興趣模型或者來(lái)自興趣模型更新單元 113的興趣模型與來(lái)自數(shù)據(jù)存儲(chǔ)單元108的興趣模型進(jìn)行近鄰聚類(lèi)的反饋學(xué)習(xí)，然 后將反饋學(xué)習(xí)結(jié)果通過(guò)數(shù)據(jù)管理單元103更新數(shù)據(jù)存儲(chǔ)單元108中存儲(chǔ)的門(mén)戶(hù)用戶(hù) 興趣模型。
數(shù)據(jù)管理單元105，用于輔助管理訓(xùn)練分類(lèi)單元104、興趣模型更新單元113、 推薦選擇器107與數(shù)據(jù)存儲(chǔ)單元108的數(shù)據(jù)通信和調(diào)用。
推薦選擇器107,用于通過(guò)數(shù)據(jù)管理單元105調(diào)用數(shù)據(jù)存儲(chǔ)單元108中存儲(chǔ)的 興趣模型，根據(jù)來(lái)自數(shù)據(jù)存儲(chǔ)單元的興趣模型，確定推薦控制策略及推薦箅法的選擇 和組合，然后提供給預(yù)測(cè)分析單元109，并向預(yù)測(cè)分析單元109提供來(lái)自數(shù)據(jù)存儲(chǔ) 單元108中存儲(chǔ)的興趣模型。
數(shù)據(jù)存儲(chǔ)單元108，用于存儲(chǔ)門(mén)戶(hù)用戶(hù)和/或門(mén)戶(hù)用戶(hù)群的興趣模型庫(kù)，該興趣 模型庫(kù)包括門(mén)戶(hù)用戶(hù)和/或門(mén)戶(hù)用戶(hù)群的興趣度模型庫(kù)115、訪(fǎng)問(wèn)事務(wù)集、推薦箅法 集以及反餓更新算法集114;
預(yù)測(cè)分析單元109，用于根據(jù)來(lái)自數(shù)據(jù)存儲(chǔ)單元108中存儲(chǔ)的興趣模型進(jìn)行預(yù) 測(cè)過(guò)濾分析，根據(jù)預(yù)測(cè)分析結(jié)果和來(lái)自推薦選擇器107的推薦控制策略及推薦箅法, 執(zhí)行計(jì)箅確定推薦結(jié)果，確定的推薦結(jié)果通過(guò)調(diào)用WWW資源索引存儲(chǔ)單元110中 存儲(chǔ)的WWW資源索引提供給推薦資源展現(xiàn)單元111。
WWW資源索引存儲(chǔ)單元llO，用于存儲(chǔ)WWW資源索引。
推薦資源展現(xiàn)單元111,用于將來(lái)自預(yù)測(cè)分析單元109的WWW資源封裝為含 Web頁(yè)面內(nèi)容的門(mén)戶(hù)組件，并推送給門(mén)戶(hù)用戶(hù)。 上述推薦選擇器107、預(yù)測(cè)分析單元109、推薦資源展現(xiàn)單元111構(gòu)成元推薦 引擎。在本發(fā)明中，所述元推薦引擎，由推薦選擇器107,通過(guò)數(shù)據(jù)管理單元105 調(diào)用數(shù)據(jù)存儲(chǔ)單元108中存儲(chǔ)的興趣模型，確定推薦控制策略及推薦箅法的選擇和 組合，提供給預(yù)測(cè)分析單元109;由預(yù)測(cè)分析單元109根據(jù)推薦控制策略及推薦箅 法，執(zhí)行計(jì)箅確定推薦結(jié)果，并根據(jù)所確定的推薦結(jié)果調(diào)用WWW資源索引存儲(chǔ)單 元110中存儲(chǔ)的WWW資源索引，提供給推薦資源展現(xiàn)單元111;最后由推薦資源 展現(xiàn)單元111將WWW資源封裝為含Web頁(yè)面內(nèi)容的門(mén)戶(hù)組件，推送給門(mén)戶(hù)用戶(hù)。
還包括有
興趣漂移檢測(cè)單元112，用于檢測(cè)用戶(hù)關(guān)注的信息是否發(fā)生變化，并將反饋/判 斷信息/。。傳遞至興趣模型更新單元113。所述的反饋/判斷信息/oo是指興趣漂移檢 測(cè)單元112檢測(cè)獲得的檢淵結(jié)果和門(mén)戶(hù)用戶(hù)的個(gè)性化推薦反饋信息。所述檢測(cè)結(jié)果 可能為下述四種結(jié)果之一，即未發(fā)生興趣漂移、待確認(rèn)興趣漂移、檢測(cè)到噪聲數(shù)據(jù)、 已確認(rèn)興趣漂移。
所述的未發(fā)生興趣漂移是指進(jìn)行個(gè)性化推薦服務(wù)后獲得的推薦成功率不小于根 據(jù)歷史數(shù)據(jù)所得的期望推薦成功率，認(rèn)為推薦成功，興趣模型預(yù)測(cè)結(jié)果與用戶(hù)的興趣一致。
所述的待確認(rèn)興趣標(biāo)移是指檢測(cè)到推薦成功率低于根據(jù)歷史數(shù)據(jù)所得的期望推 薦成功率時(shí)，認(rèn)為可能發(fā)生了興趣漂移，為排除噪聲數(shù)據(jù)造成的影響，需要等待下次 個(gè)性化推薦的反饋信息進(jìn)一步判斷是否確實(shí)發(fā)生了興趣漂移。
所述的檢測(cè)到噪聲數(shù)據(jù)是指在檢測(cè)結(jié)果為待確認(rèn)興趣漂移后，再次根據(jù)個(gè)性化推 薦反餓信息進(jìn)行檢查，判定推薦成功率下降是由于用戶(hù)的誤操作或探索性操作造成 的，而不是用戶(hù)興趣變化造成的，即認(rèn)為是噪聲數(shù)據(jù)。
所述的已確認(rèn)興趣漂移是指檢測(cè)結(jié)果為待確認(rèn)興趣漂移后,再次根據(jù)個(gè)性化推薦 反饋信息進(jìn)行檢査，判定推薦成功率下降確是由于用戶(hù)的興趣變化造成的。
興趣模型更新單元113用于(A)通過(guò)數(shù)據(jù)管理單元105調(diào)用數(shù)據(jù)存儲(chǔ)單元108 中的興趣度模型庫(kù)115、反饋更新箅法集114; (B)依據(jù)反饋/判斷信息/。。與反饋 更新箅法集114中某一特定更新算法對(duì)興趣度模型庫(kù)115中的某一興趣模型進(jìn)行更 新，并將更新后的興趣模型數(shù)據(jù)y;分別輸出給訓(xùn)練分類(lèi)單元104、數(shù)據(jù)管理單元105。
興趣度t莫型庫(kù)115中至少包括有長(zhǎng)期興趣模型庫(kù)、短期興趣模型庫(kù)、臨時(shí)興趣 模型庫(kù)。
反饋更新算法集114中至少包括有長(zhǎng)期興趣模型更新算法、長(zhǎng)期興趣模型修正 箅法、短期興趣模型構(gòu)造/更新箅法。
本發(fā)明的一種引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)，通過(guò)引入 興趣模型反饋更新機(jī)制，解決了興趣漂移問(wèn)題，使得系統(tǒng)可以快速響應(yīng)用戶(hù)的興趣變 化；通過(guò)檢測(cè)并別除噪聲數(shù)據(jù)，以及多次利用長(zhǎng)短期興趣模型的比較對(duì)長(zhǎng)期興趣模型 進(jìn)行漸進(jìn)式的修正，確保了興趣模型更新的精確性，增強(qiáng)了興趣模型更新的魯棒性； 通過(guò)在興趣模型反饋更新機(jī)制中加入快速構(gòu)建短期興趣模型以及以加權(quán)邏輯或的方 式融合生成臨時(shí)興趣模型等策略，兼顧了模型的更新速度與模型的穩(wěn)定性；通過(guò)在興 趣模型更新策略中加入興趣模型修正策略，使得興趣模型更加接近門(mén)戶(hù)用戶(hù)的真實(shí)興 趣，同時(shí)降低了更新興趣模型的負(fù)荷。
參見(jiàn)圖2所示，興趣模型更新單元113包括信息計(jì)箅判斷子單元113a、長(zhǎng)期 興趣模型更新子單元U3b、短期興趣模型更新子單元113c、興趣模型選擇子單元 113d。長(zhǎng)期興趣模型更新子單元113b、短期興趣模型更新子單元113c和興趣模型 選擇子單元113d構(gòu)成興趣模型更新選擇單元。
興趣漂移檢測(cè)單元112將反饋/判斷信息/w輸出給興趣模型更新單元113中的 信息計(jì)箅判斷子單元113a,信息計(jì)算判斷子單元113a對(duì)接收的反饋/判斷信息y;。
進(jìn)行模型更新條件的計(jì)箅與判斷，并將比較結(jié)果以及興趣漂移檢測(cè)單元112輸出的 反饋/判斷信息/。。分別傳遞至長(zhǎng)期興趣模型更新子單元113b、短期興趣模型更新子 單元113c。
在本發(fā)明中，在檢測(cè)結(jié)果為已確認(rèn)興趣漂移條件下，信息計(jì)箅判斷子單元113a 依據(jù)門(mén)戶(hù)用戶(hù)個(gè)性化推薦反饋信息，分別計(jì)算長(zhǎng)期興趣模型推薦成功率和短期興趣模 型推薦成功率，并比較二者之間的大小，將比較結(jié)果和興趣漂移檢測(cè)單元112輸出 的反饋/判斷信息A)輸出給興趣模型更新選擇單元113。
長(zhǎng)期興趣模型更新子單元113b根據(jù)接收的信息計(jì)箅判斷子單元113a的輸出信 息進(jìn)行的處理有三種模式模式113b-A依據(jù)長(zhǎng)期興趣模型修正規(guī)則丄M/ 對(duì)長(zhǎng)期興 趣模型進(jìn)行更新，并將更新后的長(zhǎng)期興趣模型一方面輸出給興趣模型選擇子單元
113d;另一方面輸出給數(shù)據(jù)存儲(chǔ)單元108中的興趣度模型庫(kù)115中進(jìn)行保留；或 者模式113b-B依據(jù)長(zhǎng)期興趣模型更新規(guī)則丄W 對(duì)長(zhǎng)期興趣模型進(jìn)行更新，并將更 新后的長(zhǎng)期興趣模型一方面輸出給興趣模型選擇子單元113d;另一方面輸出給數(shù)據(jù) 存儲(chǔ)單元108中的興趣度模型庫(kù)115中進(jìn)行保留；或者模式113b-C不進(jìn)行任何操 作。在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為未發(fā)生興趣漂移的條件下，長(zhǎng)期興趣模型更新 子單元113b執(zhí)行模式113b-A;在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為待確認(rèn)興趣漂移 的條件下，長(zhǎng)期興趣模型更新子單元113b執(zhí)行模式113b-C;在興趣漂移檢測(cè)單元 的檢測(cè)結(jié)果為檢測(cè)到噪聲數(shù)據(jù)的條件下，長(zhǎng)期興趣模型更新子單元113b執(zhí)行模式 113b-C;在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為已確認(rèn)興趣漂移的條件下，如果同時(shí) 113a比較結(jié)果為長(zhǎng)期興趣模型推薦成功率不小于短期興趣^莫型推薦成功率，那么長(zhǎng) 期興趣模型更新子單元113b執(zhí)行模式113b-A;在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為 已確認(rèn)興趣漂移的條件下，如果同時(shí)113a比較結(jié)果為長(zhǎng)期興趣模型推薦成功率小于 短期興趣模型推薦成功率，那么長(zhǎng)期興趣模型更新子單元113b執(zhí)行模式113b-B。 短期興趣模型更新子單元113c根據(jù)接收的信息計(jì)算判斷子單元113a的輸出信 息進(jìn)行的處理模式有模式113c-A依據(jù)短期興趣模型構(gòu)造/更新規(guī)則St/7 對(duì)短期興 趣模型進(jìn)行構(gòu)造，并將構(gòu)造后的短期興趣模型一方面輸出給興趣模型選擇子單元 113d;另一方面輸出給數(shù)據(jù)存儲(chǔ)單元108中的興趣度模型庫(kù)115中進(jìn)行保留；或 者模式113c-B依據(jù)短期興趣模型構(gòu)造/更新規(guī)則SW 對(duì)短期興趣模型進(jìn)行更新，并 將更新后的短期興趣模型一方面輸出給興趣模型選擇子單元113d;另一方面輸出給 數(shù)據(jù)存儲(chǔ)單元108中的興趣度模型庫(kù)115中進(jìn)行保留；或者模式113c-C不執(zhí)行任 何任何操作。在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為未發(fā)生興趣漂移的條件下，短期興趣 模型更新子單元113c執(zhí)行模式113c-C;在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為待確認(rèn) 興趣漂移的條件下，短期興趣模型更新子單元113c執(zhí)行模式113c-A;在興趣漂移 檢測(cè)單元的檢測(cè)結(jié)果為檢測(cè)到噪聲數(shù)據(jù)的條件下，短期興趣模型更新子單元113c執(zhí) 行模式113c-C;在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為已確認(rèn)興趣漂移的條件下，如果 同時(shí)113a比較結(jié)果為長(zhǎng)期興趣模型推薦成功率不小于短期興趣,莫型推薦成功率，那 么短期興趣模型更新子單元113c執(zhí)行模式113c-C;在興趣漂移檢測(cè)單元的檢測(cè)結(jié) 果為已確認(rèn)興趣漂移的條件下，如果同時(shí)113a比較結(jié)果為長(zhǎng)期興趣模型推薦成功率 小于短期興趣模型推薦成功率，那么短期興趣模型更新子單元113c執(zhí)行模式 113c-B。興趣模型選擇子單元113d根據(jù)長(zhǎng)期興趣模型更新子單元113b輸出的更新后長(zhǎng) 期興趣模型和短期興趣模型更新子單元113c輸出的構(gòu)造/更新后的短期興趣模型， 采用加權(quán)邏輯或的方式選擇/形成一個(gè)新的興趣模型(即臨時(shí)興趣模型)，并將此臨時(shí) 興趣模型一方面輸出給訓(xùn)練分類(lèi)單元104中，另一方面輸出給數(shù)據(jù)存儲(chǔ)單元108中 的興趣度模型庫(kù)115進(jìn)行保留，以供推薦選擇器107調(diào)用。
所述采用加權(quán)邏輯或選擇/形成臨時(shí)興趣模型的過(guò)程為依據(jù)興趣漂移檢測(cè)單元的 檢測(cè)結(jié)果進(jìn)行構(gòu)造在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為未發(fā)生興趣漂移的條件下，興 趣模型選擇子單元113d僅選擇更新后的長(zhǎng)期興趣模型作為臨時(shí)興趣模型；在興趣漂 移檢測(cè)單元的檢測(cè)結(jié)果為待確認(rèn)興趣漂移的條件下，興趣模型選擇子單元113d選擇 更新后的長(zhǎng)期興趣模型、構(gòu)造/更新后的短期興趣模型以或關(guān)系形成臨時(shí)興趣模型； 在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為檢測(cè)到噪聲數(shù)據(jù)條件下，興趣模型選擇子單元 113d僅選用長(zhǎng)期興趣模型構(gòu)造臨時(shí)興趣模型；在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為已 確認(rèn)興趣漂移的條件下，如果同時(shí)長(zhǎng)期興趣模型推薦成功率不小于短期興趣模型推薦 成功率，那么興趣模型選擇子單元113d僅選擇更新后的長(zhǎng)期興趣模型作為臨時(shí)興趣 模型；在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為已確認(rèn)興趣漂移的條件下，如果同時(shí)長(zhǎng)期興 趣模型推薦成功率小于短期興趣模型推薦成功率，那么興趣模型選擇子單元113d選 擇更新后的長(zhǎng)期興趣模型、構(gòu)造/更新后的短期興趣模型以或關(guān)系形成臨時(shí)興趣模型。
在本發(fā)明中，長(zhǎng)期興趣模型更新規(guī)則是指在指數(shù)近度加權(quán)平均算法的基礎(chǔ) 上，對(duì)推薦項(xiàng)目引入模糊類(lèi)別描述，由推薦項(xiàng)目相對(duì)于興趣類(lèi)別的隸屬度決定模型更 新的更新率，充分利用無(wú)反饋推薦項(xiàng)目，擴(kuò)大反饋更新數(shù)據(jù)規(guī)模。該規(guī)則丄W 以批 量學(xué)習(xí)的方式一次性處理所有積累的反饋信息，該規(guī)則/:w 的具體執(zhí)行步驟如下
步驟201:檢查是否存在無(wú)反饋信息的推薦項(xiàng)目，若存在，轉(zhuǎn)步驟202;否則， 轉(zhuǎn)步驟203。
步驟202:擴(kuò)展反饋信息，完成，轉(zhuǎn)步驟203。 步驟203:計(jì)算相似程度s/，完成，轉(zhuǎn)步驟204。 步驟204:計(jì)算隸屬度因子p/,完成，轉(zhuǎn)步驟205。 步驟205:計(jì)算更新興趣程度權(quán)值W，結(jié)束。
上述規(guī)則丄^ 在確定更新率時(shí)，兼顧了模型更新的全面性要求和針對(duì)不同用戶(hù) 的更新幅度靈活性要求,提出了更新率的推薦項(xiàng)目隸屬度因子P及更新幅度偏好因子 r 。推薦項(xiàng)目隸屬度因子用于標(biāo)識(shí)反饋來(lái)源推薦項(xiàng)目相對(duì)于特定興趣類(lèi)別的相似程度 (即模糊聚類(lèi)中的隸屬度)，對(duì)于反饋信息/ 《而言，其推薦項(xiàng)目隸屬度是一個(gè)集合 W，/^…，W，..〗，其中W表示i^,的推薦項(xiàng)目/,相對(duì)于第Z個(gè)興趣類(lèi)別的相似程度。
更新幅度偏好因子記錄了每個(gè)用戶(hù)對(duì)其用戶(hù)模型更新幅度的設(shè)置。推薦項(xiàng)目隸屬度因 子P及更新幅度偏好因子r的取值范圍均為[0,1 j。引入更新率的推薦項(xiàng)目隸屬度因子
p及更新幅度偏好因子r后的興趣程度權(quán)值更新表達(dá)式為
在實(shí)際計(jì)箅過(guò)程中，更新幅度偏好因子r由用戶(hù)直接指定，推薦項(xiàng)目隸屬度因子 P的計(jì)箅方法為對(duì)每一條反饋信息及《，依次計(jì)箅其來(lái)源推薦項(xiàng)目/,相對(duì)于當(dāng)前用 戶(hù)興趣模型中每個(gè)興趣類(lèi)別z'的相似程度^ ，對(duì)s/進(jìn)行標(biāo)準(zhǔn)化后的值即為推薦項(xiàng)目隸 屬度因子p/，即
相似程度s/的具體計(jì)箅方法視興趣類(lèi)別特征的表示方法而定。由于推薦項(xiàng)目隸屬 度因子P的計(jì)算僅與推薦項(xiàng)目及興趣類(lèi)別特征有關(guān)，而與反饋權(quán)值無(wú)關(guān)，因此在興趣 類(lèi)別特征不會(huì)動(dòng)態(tài)改變的情況下，對(duì)p的計(jì)箅可以在向門(mén)戶(hù)個(gè)性化推薦系統(tǒng)中加入待 推薦項(xiàng)目時(shí)進(jìn)行，從而提髙興趣模型更新規(guī)則的在線(xiàn)執(zhí)行效率。
對(duì)于長(zhǎng)期興趣模型更新規(guī)則丄C/i 中步驟202所提到的擴(kuò)展反饋信息，本發(fā)明引 入了半監(jiān)督學(xué)習(xí)機(jī)制對(duì)反饋信息進(jìn)行數(shù)據(jù)擴(kuò)展。在進(jìn)行興趣程度權(quán)值更新之前，首先 使用期望最大化算法根據(jù)推薦項(xiàng)目的特征對(duì)推薦項(xiàng)目進(jìn)行聚類(lèi)，聚類(lèi)的初始中心根據(jù) 反餓信息中的已標(biāo)注類(lèi)別的反饋信息確定，在聚類(lèi)收斂之后，利用擴(kuò)展之后的樣本集 進(jìn)行興趣程度權(quán)值的更新。本發(fā)明的應(yīng)用場(chǎng)景要求興趣漂移檢測(cè)過(guò)程能夠在線(xiàn)完成， 為保證箅法執(zhí)行效率，本發(fā)明將進(jìn)行數(shù)據(jù)擴(kuò)展的聚類(lèi)范圍限定在當(dāng)次推薦產(chǎn)生的所有 推薦項(xiàng)目中。
聚類(lèi)完成之后，須為各類(lèi)別中的無(wú)反饋推薦項(xiàng)目計(jì)箅"反饋權(quán)值"，其值為該推 薦項(xiàng)目所屬聚類(lèi)中所有具有反饋信息的推薦項(xiàng)目的反饋權(quán)值均值。由此便可利用全部 推薦項(xiàng)目對(duì)興趣程度權(quán)值進(jìn)行更新，從而提高興趣模型對(duì)興趣漂移的響應(yīng)速度。
在本發(fā)明中，長(zhǎng)期興趣模型修正規(guī)則i:Mi 以增量學(xué)習(xí)的方式讀取數(shù)據(jù)，即對(duì)每 到來(lái)一條反饋信息，立即對(duì)興趣程度權(quán)值進(jìn)行修正，因此需要規(guī)則具有比其他情況更 高的執(zhí)行效率，考慮到此時(shí)并未發(fā)生興趣漂移，進(jìn)行模型修正的目的是為了進(jìn)一步提 高模型描述的準(zhǔn)確程度，模型更新范圍較小。因此長(zhǎng)期興趣模型修正規(guī)則丄M/ 在長(zhǎng) 期興趣模型更新規(guī)則丄^ 的流程基礎(chǔ)上去除了反饋信息擴(kuò)展環(huán)節(jié)以提高規(guī)則執(zhí)行效 率，同時(shí)在更新興趣程度權(quán)值時(shí)，釆用僅對(duì)該推薦項(xiàng)目隸屬度最大的興趣類(lèi)別的權(quán)值
進(jìn)行更新的方案，以相對(duì)較小的范圍對(duì)模型進(jìn)行修正。該規(guī)則的執(zhí)行步驟如下 步驟301:計(jì)箅相似程度W,完成，轉(zhuǎn)步驟302。 步驟302:計(jì)算隸屬度因子p/，完成，轉(zhuǎn)步驟303。 步驟303:計(jì)算更新興趣程度權(quán)值『,，結(jié)束。 在長(zhǎng)期興趣模型修正規(guī)則丄M/ 中，隸屬度因子的計(jì)箅方法如下
<formula>formula see original document page 14</formula>(3)
短期興趣模型構(gòu)造/更新規(guī)則SC7/ 首先復(fù)制長(zhǎng)期興趣模型作為進(jìn)行更新的基礎(chǔ)， 然后對(duì)該副本進(jìn)行更新，此種情況須使短期興趣模型以最快速度反映出用戶(hù)最新的興 趣偏好，因此規(guī)則SW 在更新興趣程度權(quán)值時(shí)去掉了更新幅度偏好因子r對(duì)更新過(guò)程 的影響，即令r恒等于1,從而進(jìn)一步加大模型更新幅度，快速響應(yīng)用戶(hù)興趣的變化。 其具體執(zhí)行步驟如下
步驟401:復(fù)制長(zhǎng)期興趣模型，并對(duì)該副本進(jìn)行更新，轉(zhuǎn)步驟402。 步驟402:檢査是否存在無(wú)反饋信息的推薦項(xiàng)目，若存在，轉(zhuǎn)步驟403;否則， 轉(zhuǎn)步驟404。
步驟403:擴(kuò)展反饋信息，完成，轉(zhuǎn)步驟404。 步驟404:計(jì)算相似程度^，完成，轉(zhuǎn)步驟405。 步驟405:計(jì)箅隸屬度因子^，完成，轉(zhuǎn)步驟406。 步驟406:計(jì)箅更新興趣程度權(quán)值『,，結(jié)束。
其中隸屬度因子W的計(jì)箅方法與長(zhǎng)期模型更新箅法中的隸屬度因子的計(jì)箅方法 相同。更新興趣程度權(quán)值『,的計(jì)箅方法如下
其中/為興趣類(lèi)別的序號(hào)，^f表示更新后的興趣程度權(quán)值，^"'表示更新前的 興趣程度權(quán)值，P為更新率的推薦項(xiàng)目隸屬度因子。推薦項(xiàng)目隸屬度因子用于標(biāo)識(shí)反 饋來(lái)源推薦項(xiàng)后相對(duì)于特定興趣類(lèi)別的相似程度(即模糊聚類(lèi)中的隸屬度)，對(duì)于反
饋信息及《而言,其推薦項(xiàng)目隸屬度是一個(gè)集合{^, ，... ， ^ ，...}，其中W表示及巧的 推薦項(xiàng)目/,相對(duì)于第/個(gè)興趣類(lèi)別的相似程度。推薦項(xiàng)目隸屬度因子p的取值范圍為 [O，lj。
圖3示出了本發(fā)明中門(mén)戶(hù)個(gè)性化推薦服務(wù)的流程圖，如圖3所示，實(shí)現(xiàn)門(mén)戶(hù)個(gè) 性化推薦服務(wù)的具體過(guò)程包括以下步驟
步驟501:門(mén)戶(hù)用戶(hù)登錄門(mén)戶(hù)平臺(tái)，并獲取用戶(hù)信息。
步驟502:需要保證用戶(hù)隱私的安全性，所以需要對(duì)獲取到的個(gè)性化推薦反饋信
息進(jìn)行私有化過(guò)濾保護(hù)，將用戶(hù)真實(shí)信息過(guò)濾掉。
步驟503:調(diào)用數(shù)據(jù)庫(kù)，并獲取用于個(gè)性化推薦服務(wù)的門(mén)戶(hù)用戶(hù)興趣模型。 步驟504:根據(jù)存儲(chǔ)的興趣模型，確定推薦控制策略及推薦算法的選擇和組合。 步驟505:進(jìn)行預(yù)測(cè)過(guò)濾分析，然后根據(jù)預(yù)測(cè)分析結(jié)果和確定的推薦控制策略及
推薦算法，執(zhí)行計(jì)箅確定推薦結(jié)果，并根據(jù)確定的推薦結(jié)果調(diào)用存儲(chǔ)的WWW資源索引。
步驟506:將調(diào)用的WWW資源索引封裝為含Web頁(yè)面內(nèi)容的門(mén)戶(hù)組件，并推 送給門(mén)戶(hù)用戶(hù)。
圖4示出了本發(fā)明中興趣模型反饋更新的流程圖，如圖4所示，實(shí)現(xiàn)門(mén)戶(hù)個(gè)性 化推薦服務(wù)系統(tǒng)中興趣模型反饋更新的具體過(guò)程包括以下步驟
步驟601:對(duì)門(mén)戶(hù)用戶(hù)的興趣進(jìn)行挖掘，獲取門(mén)戶(hù)用戶(hù)的個(gè)性化興趣描述文件， 隱式跟蹤并捕獲登錄門(mén)戶(hù)用戶(hù)的興趣內(nèi)容和訪(fǎng)問(wèn)行為模式，顯式收集門(mén)戶(hù)用戶(hù)對(duì)推薦 資源的評(píng)價(jià)。
步驟602:需要保證用戶(hù)隱私的安全性，所以需要對(duì)獲取到的個(gè)性化推薦反饋信 息進(jìn)行私有化過(guò)濾保護(hù)，將用戶(hù)真實(shí)信息過(guò)濾掉。
步驟603:根據(jù)用戶(hù)的反饋信息，對(duì)門(mén)戶(hù)用戶(hù)是否發(fā)生興趣漂移進(jìn)行檢測(cè)。 步驟604:依據(jù)興趣漂移檢測(cè)結(jié)果，選擇合適的興趣模型更新策略及箅法。步驟605:依據(jù)興趣模型更新策略對(duì)興趣模型進(jìn)行構(gòu)建或者更新。
步驟606:將構(gòu)建/更新的門(mén)戶(hù)用戶(hù)興趣模型與存儲(chǔ)的門(mén)戶(hù)用戶(hù)興趣模型進(jìn)行近
鄰聚類(lèi)的反饋學(xué)習(xí)，然后將反餓學(xué)習(xí)結(jié)果通過(guò)調(diào)用數(shù)據(jù)管理單元更新數(shù)據(jù)存儲(chǔ)單元中
存儲(chǔ)的門(mén)戶(hù)用戶(hù)長(zhǎng)期興趣模型。
步驟607:將反饋學(xué)習(xí)結(jié)果通過(guò)調(diào)用數(shù)據(jù)管理單元更新數(shù)據(jù)存儲(chǔ)單元中存儲(chǔ)的門(mén)
戶(hù)用戶(hù)興趣模型。
本發(fā)明公開(kāi)了一種引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)，提出 并實(shí)現(xiàn)了一種興趣模型反饋更新機(jī)制，首先對(duì)門(mén)戶(hù)用戶(hù)進(jìn)行興趣挖掘，獲得反饋信息， 然后根據(jù)反饋信息對(duì)用戶(hù)的興趣漂移進(jìn)行檢測(cè)，根據(jù)檢測(cè)結(jié)果進(jìn)行興趣模型更新策略 選擇，最終對(duì)興趣模型進(jìn)行相應(yīng)的更新，此機(jī)制解決了興趣漂移問(wèn)題，實(shí)現(xiàn)了對(duì)于門(mén) 戶(hù)用戶(hù)興趣模型快速、準(zhǔn)確、穩(wěn)定的更新，為用戶(hù)提供了更加接近用戶(hù)興趣的個(gè)性化 推薦資源服務(wù)；提出并實(shí)現(xiàn)了構(gòu)建短期興趣模型的興趣模型更新策略，此策略能夠識(shí) 別、處理反饋信息中的噪聲數(shù)據(jù)，實(shí)現(xiàn)了對(duì)于門(mén)戶(hù)用戶(hù)興趣模型的準(zhǔn)確更新；提出并 實(shí)現(xiàn)了一種能夠部分更新門(mén)戶(hù)用戶(hù)興趣描述的、高效的興趣模型反饋更新箅法。本發(fā) 明能夠快速響應(yīng)門(mén)戶(hù)用戶(hù)的興趣漂移，實(shí)現(xiàn)了用戶(hù)興趣模型的高效準(zhǔn)確更新。
權(quán)利要求
1、一種引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)，其特征在于(A)是在隱私保護(hù)單元(102)的A輸出端添加興趣模型反饋更新模塊；(B)是在隱私保護(hù)單元(102)的C輸出端建立與推薦選擇器(107)的信息連接；(C)是在數(shù)據(jù)存儲(chǔ)單元(108)中添加反饋更新算法集(114)，該反饋更新算法集(114)用于進(jìn)行興趣模型更新算法的保存；所述興趣模型反饋更新模塊由興趣漂移檢測(cè)單元(112)和興趣模型更新單元(113)組成；興趣漂移檢測(cè)單元(112)，用于檢測(cè)用戶(hù)關(guān)注的信息是否發(fā)生變化，并將反饋/判斷信息f00傳遞至興趣模型更新單元(113)；所述的反饋/判斷信息f00是指興趣漂移檢測(cè)單元(112)檢測(cè)獲得的檢測(cè)結(jié)果和門(mén)戶(hù)用戶(hù)的個(gè)性化推薦反饋信息；所述檢測(cè)結(jié)果可能為下述四種結(jié)果之一，即未發(fā)生興趣漂移、待確認(rèn)興趣漂移、檢測(cè)到噪聲數(shù)據(jù)、已確認(rèn)興趣漂移；興趣模型更新單元(113)包括信息計(jì)算判斷子單元(113a)、長(zhǎng)期興趣模型更新子單元(113b)、短期興趣模型更新子單元(113c)、興趣模型選擇子單元(113d)；長(zhǎng)期興趣模型更新子單元(113b)、短期興趣模型更新子單元(113c)和興趣模型選擇子單元(113d)構(gòu)成興趣模型更新選擇單元；興趣模型更新單元(113)用于(A)通過(guò)數(shù)據(jù)管理單元(105)調(diào)用數(shù)據(jù)存儲(chǔ)單元(108)中的興趣度模型庫(kù)(115)、反饋更新算法集(114)；(B)依據(jù)反饋/判斷信息f00與反饋更新算法集(114)中某一特定更新算法對(duì)興趣度模型庫(kù)(115)中的某一興趣模型進(jìn)行更新，并將更新后的興趣模型數(shù)據(jù)f1分別輸出給訓(xùn)練分類(lèi)單元(104)、數(shù)據(jù)管理單元(105)；興趣度模型庫(kù)(115)中至少包括有長(zhǎng)期興趣模型庫(kù)、短期興趣模型庫(kù)、臨時(shí)興趣模型庫(kù)；反饋更新算法集(114)中至少包括有長(zhǎng)期興趣模型更新算法、長(zhǎng)期興趣模型修正算法、短期興趣模型構(gòu)造/更新算法。
2、 根據(jù)權(quán)利要求1所述的引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)， 其特征在于長(zhǎng)期興趣模型更新子單元(113b)根據(jù)接收的信息計(jì)箅判斷子單元(113a)的輸出信息進(jìn)行的處理有三種模式模式113b-A依據(jù)長(zhǎng)期興趣模型修 正規(guī)則丄Mi 對(duì)長(zhǎng)期興趣模型進(jìn)行更新，并將更新后的長(zhǎng)期興趣模型一方面輸出給 興趣模型選擇子單元U13d);另一方面輸出給數(shù)據(jù)存儲(chǔ)單元(108)中的興趣 度模型庫(kù)(115)中進(jìn)行保留；或者模式113b-B依據(jù)長(zhǎng)期興趣模型更新規(guī)則i:w 對(duì)長(zhǎng)期興趣模型進(jìn)行更新，并將更新后的長(zhǎng)期興趣模型一方面輸出給興趣模型選 擇子單元(113d);另一方面輸出給數(shù)據(jù)存儲(chǔ)單元(108)中的興趣度模型庫(kù)(115) 中進(jìn)行保留；或者模式113b-C不進(jìn)行任何操作；在興趣漂移檢測(cè)單元的檢測(cè)結(jié) 果為未發(fā)生興趣漂移的條件下，長(zhǎng)期興趣模型更新子單元(113b)執(zhí)行模式 113b-A;在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為待確認(rèn)興趣漂移的條件下，長(zhǎng)期興趣 模型更新子單元(113b)執(zhí)行模式113b-C;在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為 檢測(cè)到噪聲數(shù)據(jù)的條件下，長(zhǎng)期興趣模型更新子單元U13b)執(zhí)行模式113b-C; 在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為已確認(rèn)興趣漂移的條件下，如果同時(shí)(113a) 比較結(jié)果為長(zhǎng)期興趣模型推薦成功率不小于短期興趣模型推薦成功率，那么長(zhǎng)期 興趣模型更新子單元(113b)執(zhí)行模式113b-A;在興趣漂移檢測(cè)單元的檢測(cè)結(jié) 果為已確認(rèn)興趣漂移的條件下，如果同時(shí)(113a)比較結(jié)果為長(zhǎng)期興趣模型推薦 成功率小于短期興趣模型推薦成功率，那么長(zhǎng)期興趣模型更新子單元(113b)執(zhí) 行模式113b-B。
3、 根據(jù)權(quán)利要求1所述的引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)， 其特征在于短期興趣模型更新子單元(113c)根據(jù)接收的信息計(jì)算判斷子單元(113a)的輸出信息進(jìn)行的處理模式有模式113c-A依據(jù)短期興趣模型構(gòu)造/ 更新規(guī)則SW 對(duì)短期興趣模型進(jìn)行構(gòu)造，并將構(gòu)造后的短期興趣模型一方面輸出 給興趣模型選擇子單元(113d);另一方面輸出給數(shù)據(jù)存儲(chǔ)單元(108)中的興 趣度模型庫(kù)(115)中進(jìn)行保留；或者模式113c-B依據(jù)短期興趣模型構(gòu)造/更新 規(guī)則SW 對(duì)短期興趣模型進(jìn)行更新，并將更新后的短期興趣模型一方面輸出給興 趣模型選擇子單元(U3d);另一方面輸出給數(shù)據(jù)存儲(chǔ)單元(108)中的興趣度 模型庫(kù)(115)中進(jìn)行保留；或者模式113c-C不執(zhí)行任何任何操作；在興趣漂 移檢測(cè)單元的檢測(cè)結(jié)果為未發(fā)生興趣漂移的條件下，短期興趣模型更新子單元(113c)執(zhí)行模式113c-C;在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為待確認(rèn)興趣漂移 的條件下，短期興趣模型更新子單元(113c)執(zhí)行模式113c-A;在興趣漂移檢 測(cè)單元的檢測(cè)結(jié)果為檢測(cè)到噪聲數(shù)據(jù)的條件下，短期興趣模型更新子單元(113c) 執(zhí)行模式113c-C;在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為已確認(rèn)興趣漂移的條件下， 如果同時(shí)(U3a)比較結(jié)果為長(zhǎng)期興趣模型推薦成功率不小于短期興趣模型推薦 成功率，那么短期興趣模型更新子單元(113c)執(zhí)行模式113c-C;在興趣漂移 檢測(cè)單元的檢測(cè)結(jié)果為已確認(rèn)興趣漂移的條件下，如果同時(shí)(113a)比較結(jié)果為長(zhǎng)期興趣*莫型推薦成功率小于短期興趣模型推薦成功率，那么短期興趣模型更新 子單元(113c)執(zhí)行模式113c-B。
4、 根據(jù)權(quán)利要求1所述的引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)， 其特征在于興趣模型選擇子單元(113d)根據(jù)長(zhǎng)期興趣模型更新子單元(113b) 輸出的更新后長(zhǎng)期興趣模型和短期興趣模楚更新子單元(113c)輸出的構(gòu)造/更 新后的短期興趣模型，采用加權(quán)邏輯或的方式選擇/形成一個(gè)新的興趣模型(即臨 時(shí)興趣模型)，并將此臨時(shí)興趣模型一方面輸出給訓(xùn)練分類(lèi)單元(104)中，另一 方面輸出給數(shù)據(jù)存儲(chǔ)單元(108)中的興趣度模型庫(kù)(115)進(jìn)行保留，以供推 薦選擇器(107)調(diào)用。
5、 根據(jù)權(quán)利要求1、 4所述的引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系 統(tǒng)，其特征在于所述采用加權(quán)邏輯或選擇/形成臨時(shí)興趣模型的過(guò)程為依據(jù)興趣 漂移檢測(cè)單元的檢測(cè)結(jié)果進(jìn)行構(gòu)造在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為未發(fā)生興 趣漂移的條件下，興趣模型選擇子單元(113d)僅選擇更新后的長(zhǎng)期興趣模型作 為臨時(shí)興趣模型；在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為待確認(rèn)興趣漂移的條件下， 興趣模型選擇子單元(113d)選擇更新后的長(zhǎng)期興趣模型、構(gòu)造/更新后的短期 興趣模型以或關(guān)系形成臨時(shí)興趣模型；在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為檢測(cè)到 噪聲數(shù)據(jù)條件下，興趣模型選擇子單元(113d)僅選用長(zhǎng)期興趣模型構(gòu)造臨時(shí)興趣模型；在興趣漂移檢測(cè)單元的檢測(cè)結(jié)果為已確認(rèn)興趣漂移的條件下，如果同時(shí)長(zhǎng)期興趣模型推薦成功率不小于短期興趣模型推薦成功率，那么興趣模型選擇子單元(113d)僅選擇更新后的長(zhǎng)期興趣模型作為臨時(shí)興趣模型；在興趣漂移檢測(cè) 單元的檢測(cè)結(jié)果為已確認(rèn)興趣漂移的條件下，如果同時(shí)長(zhǎng)期興趣模型推薦成功率 小于短期興趣模型推薦成功率，那么興趣模型選擇子單元(113d)選擇更新后的 長(zhǎng)期興趣模型、構(gòu)造/更新后的短期興趣模型以或關(guān)系形成臨時(shí)興趣模型。
6、 根據(jù)權(quán)利要求1所述的引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)， 其特征在于所述的待確認(rèn)興趣漂移是指檢測(cè)到推薦成功率低于根據(jù)歷史數(shù)據(jù)所 得的期望推薦成功率時(shí)，認(rèn)為可能發(fā)生了興趣漂移，為排除噪聲數(shù)據(jù)造成的影響， 需要等待下次個(gè)性化推薦的反饋信息進(jìn)一步判斷是否確實(shí)發(fā)生了興趣漂移。
7、 根據(jù)權(quán)利要求1所述的引入興趣^莫型反餓更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)， 其特征在于所述的檢測(cè)到噪聲數(shù)據(jù)是指在檢測(cè)結(jié)果為待確認(rèn)興趣漂移后，再次 根據(jù)個(gè)性化推薦反饋信息進(jìn)行檢査，判定推薦成功率下降是由于用戶(hù)的誤操作或 探索性操作造成的，而不是用戶(hù)興趣變化造成的，即認(rèn)為是噪聲數(shù)據(jù)。
8、 根據(jù)禾又利要求1所述的引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)， 其特征在于所述的已確認(rèn)興趣漂移是指檢測(cè)結(jié)果為待確認(rèn)興趣漂移后，再次根 據(jù)個(gè)性化推薦反饋信息進(jìn)行檢査，判定推薦成功率下降確是由于用戶(hù)的興趣變化 造成的。
全文摘要
本發(fā)明公開(kāi)了一種引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)，(A)是在隱私保護(hù)單元的A輸出端添加興趣模型反饋更新模塊；(B)是在隱私保護(hù)單元的C輸出端建立與推薦選擇器的信息連接；(C)是在數(shù)據(jù)存儲(chǔ)單元中添加反饋更新算法集，該反饋更新算法集用于進(jìn)行興趣模型更新算法的保存；所述興趣模型反饋更新模塊由興趣漂移檢測(cè)單元和興趣模型更新單元組成。本發(fā)明的引入興趣模型反饋更新機(jī)制的門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)解決了門(mén)戶(hù)個(gè)性化推薦服務(wù)系統(tǒng)中的興趣漂移問(wèn)題，實(shí)現(xiàn)了對(duì)于門(mén)戶(hù)用戶(hù)興趣模型快速、準(zhǔn)確、穩(wěn)定的更新，為用戶(hù)提供了更加接近用戶(hù)興趣的個(gè)性化推薦資源服務(wù)。本發(fā)明能夠快速響應(yīng)門(mén)戶(hù)用戶(hù)的興趣漂移，實(shí)現(xiàn)了用戶(hù)興趣模型的高效準(zhǔn)確更新。
文檔編號(hào)G06F17/30GK101339562SQ200810118418
公開(kāi)日2009年1月7日 申請(qǐng)日期2008年8月15日 優(yōu)先權(quán)日2008年8月15日
發(fā)明者偉 劉, 品 張, 璋 熊, 蒲菊華 申請(qǐng)人:北京航空航天大學(xué)