專利名稱：一種基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法
技術(shù)領(lǐng)域：
本發(fā)明屬于空間信息服務(wù)技術(shù)領(lǐng)域，更為具體地講，涉及一種基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法。
背景技術(shù)：
隨著IT技術(shù)的不斷革新，傳統(tǒng)的信息服務(wù)推薦系統(tǒng)的概念發(fā)生了巨大變化，普適計算將在未來的信息服務(wù)推薦系統(tǒng)中占據(jù)重要的地位。自從Marc Weiser首先提出了普適計算的概念以后，有很大一部分的研究人員投身于上下文感知的研究當(dāng)中。在以用戶為中心的信息服務(wù)推薦系統(tǒng)中，最基本的一個要素就是上下文感知，這里的上下文指的是能夠用于刻畫用戶狀況的一切信息。用戶與信息服務(wù)推薦系統(tǒng)的交互通常是即刻發(fā)生的，并且沒有詳細(xì)的歷史信息記錄，這種交互可能在用戶的辦公室或者起居室發(fā)生，也可能通過手持設(shè)備發(fā)生。在這樣的用戶環(huán)境里，如果沒有上下文感知技術(shù)的支持，信息服務(wù)推薦系統(tǒng)將無法了解用戶的潛在真實(shí)需求，勢必導(dǎo)致提供給用戶的信息服務(wù)的準(zhǔn)確率降低。目前的信息服務(wù)的推薦方法主要從服務(wù)請求和候選服務(wù)的輸入和輸出匹配入手。 M. Paolucci等人提出了一個基本的語義匹配方法，后續(xù)有很多關(guān)于信息服務(wù)匹配的研究都是建立在該方法的基礎(chǔ)上的。Umesh Bellur等人提出了一種基于偶圖匹配的服務(wù)匹配方法。A. Baki Kocaball等人提出了一種較好粒度的信息服務(wù)匹配方法，能夠處理上下文信息的模糊性、主觀性以及多維性。Kuck等人在用戶相關(guān)上下文和改進(jìn)的服務(wù)描述方法的基礎(chǔ)上提出了一種上下文敏感的網(wǎng)絡(luò)服務(wù)發(fā)現(xiàn)方法。空間信息服務(wù)推薦系統(tǒng)經(jīng)常只根據(jù)用戶的請求來提供空間信息服務(wù)給用戶，從而針對相同的用戶請求，系統(tǒng)也提供相同的服務(wù)，大多數(shù)情況都不能滿足用戶的真實(shí)需求。而一些空間信息服務(wù)推薦系統(tǒng)通過利用隱含的用戶偏好來補(bǔ)充用戶的顯示需求的方式來增強(qiáng)用戶的個性化體驗(yàn)，個性化服務(wù)緩解信息過載，從而能夠更好地滿足用戶需求。上下文感知能夠極大地減少用戶注意力以及交互瓶頸，使得系統(tǒng)具有更強(qiáng)的適應(yīng)性。上下文感知的目標(biāo)是最大限度的利用上下文信息，比如用戶的位置、身份以及活動等等。目前的上下文感知研究大多集中在具體的領(lǐng)域來考慮問題，并且很少考慮用戶的行為。眾所周知，可靠性是空間信息服務(wù)領(lǐng)域里的一個重要的問題。但是由于當(dāng)前的方法大多把用戶環(huán)境當(dāng)做靜態(tài)的，并且僅僅是針對具體的應(yīng)用領(lǐng)域的，導(dǎo)致了空間信息服務(wù)推薦準(zhǔn)確性的降低。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法，以解決現(xiàn)有的空間信息服務(wù)匹配方法沒有很好的考慮用戶的移動性以及由此而造成的用戶需求的多變性和失真性，以至于無法發(fā)現(xiàn)用戶的真實(shí)需求，使得服務(wù)匹配的準(zhǔn)確率不高問題。
為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法，其特征在于，包括以下步驟(I)、對用戶環(huán)境智能空間的候選空間信息服務(wù)進(jìn)行語義描述；(2)、獲取用戶的服務(wù)請求，同時對其進(jìn)行語義描述；(3)、對與用戶相關(guān)的上下文信息以及用戶偏好進(jìn)行采集，并根據(jù)上下文信息對無效的用戶偏好進(jìn)行剔除，生成上下文敏感的用戶偏好；(4)、從功能性和非功能性兩個方面將用戶服務(wù)需求與智能空間中的各候選空間信息服務(wù)進(jìn)行語義匹配計算，得到各候選空間信息服務(wù)的匹配度；在匹配計算過程中，同時考慮步驟(3)中得到的上下文敏感的用戶偏好；(5)、空間信息服務(wù)推薦系統(tǒng)依據(jù)匹配度，將候選空間信息服務(wù)推薦給用戶。本發(fā)明的發(fā)明目的是這樣實(shí)現(xiàn)的為了讓空間信息服務(wù)系統(tǒng)更加智能地向用戶提供個性化服務(wù)，本發(fā)明不僅僅要考慮用戶的需求，還把相關(guān)的上下文信息和用戶偏好考慮進(jìn)來，在用戶的服務(wù)請求和候選空間信息服務(wù)的功能性匹配和非功能性匹配的基礎(chǔ)上，考慮上下文敏感的用戶偏好，計算出用戶服務(wù)需求與智能空間中的各候選空間信息服務(wù)的匹配度，然后依據(jù)匹配度將候選空間信息服務(wù)推薦給用戶。雖然用戶可能具有固定的或者重復(fù)的偏好，但這些偏好不是在任何時候都相關(guān)，本發(fā)明基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法從上下文的角度對用戶偏好進(jìn)行精簡，剔除與用戶無關(guān)的用戶偏好。同時，本發(fā)明由于從功能性匹配和非功能匹配兩個方面進(jìn)行匹配度計算，提高空間信息服務(wù)匹配的準(zhǔn)確率，給客戶最貼合其真實(shí)需求的空間信息服務(wù)。


圖I是本發(fā)明中語義描述時涉及的領(lǐng)域本體知識庫的構(gòu)建方法示意圖；圖2是本發(fā)明基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法一種具體實(shí)施方式
的原理框圖；圖3是本發(fā)明基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法一種具體實(shí)施方式
的流程圖；圖4是圖2中的上下文敏感的用戶偏好生成模塊的示意圖；圖5是圖2中空間信息服務(wù)匹配模塊的流程圖。
具體實(shí)施例方式下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式
進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計的詳細(xì)描述也許會淡化本發(fā)明的主要內(nèi)容時，這些描述在這里將被忽略。本發(fā)明所述的基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法實(shí)施的關(guān)鍵在于領(lǐng)域本體知識庫的建立，對候選空間信息服務(wù)以及服務(wù)請求進(jìn)行語義描述，對上下文信息和用戶偏好的采集，對服務(wù)請求和候選空間信息服務(wù)進(jìn)行綜合匹配。在本發(fā)明中，步驟(I)、(2)需要對用戶環(huán)境智能空間的候選空間信息服務(wù)、用戶的服務(wù)請求進(jìn)行語義描述，這樣首先需要構(gòu)建空間信息服務(wù)的領(lǐng)域本體知識庫。
空間信息服務(wù)的領(lǐng)域本體知識庫的建立對于需要交換信息和共享信息的用戶或者異構(gòu)系統(tǒng)來說，將有助于消除在概念和術(shù)語上的分歧，對領(lǐng)域內(nèi)的概念理解達(dá)成共識。在本實(shí)施例中采用OWL-S作為本體語言，OffL-S包括三個組件，它們分別是Service Profile, Service Model 以及 Service Grounding。其中 Service Profile 主要用于描述服務(wù)的功能，即告訴我們服務(wù)做什么的，服務(wù)搜索代理主要就是通過Service Profile實(shí)現(xiàn)月艮務(wù)匹配的，Service Profile 主要從 inputs、outputs、pre-conditions、effects 等方面對一個服務(wù)進(jìn)行定義；Service Model主要用于描述服務(wù)是怎么做的；Service Grounding 描述怎樣訪問服務(wù)。圖I是本發(fā)明中語義描述時涉及的領(lǐng)域本體知識庫的構(gòu)建方法示意圖；如圖I所示領(lǐng)域本體知識庫的構(gòu)建方法示意圖，首先，確定領(lǐng)域本體的目標(biāo)和范圍，獲取領(lǐng)域的有關(guān)知識實(shí)體并建立領(lǐng)域知識鏈；其次，用中間表達(dá)集合對知識鏈進(jìn)行概念化，中間表達(dá)用類對領(lǐng)域知識的知識實(shí)體、屬性進(jìn)行描述和定義，實(shí)現(xiàn)領(lǐng)域本體的結(jié)構(gòu)化； 最后，根據(jù)編碼規(guī)則，整合存在的文本，得到領(lǐng)域本體知識庫。利用領(lǐng)域本體知識庫豐富的語義知識和語義結(jié)構(gòu)及其共享性，解決數(shù)據(jù)的結(jié)構(gòu)異構(gòu)和語義異構(gòu)問題。本體中的大部分知識不是顯示說明的而是隱含的，因而對本體知識進(jìn)行推理變得尤其重要，推理可以幫助獲取隱含知識和進(jìn)行沖突檢測等。領(lǐng)域本體知識庫屬于現(xiàn)有技術(shù)，可以用現(xiàn)有的多種方法進(jìn)行構(gòu)建，在此不再贅述。在本實(shí)施例中，領(lǐng)域本體知識庫的構(gòu)建是基于Jena進(jìn)行的，在領(lǐng)域本體知識庫構(gòu)建以后，需要將其存儲在數(shù)據(jù)庫里，領(lǐng)域本體知識庫是通過Jena將領(lǐng)域本體知識庫文件存入MySQL數(shù)據(jù)庫中。在本實(shí)施例中，所述的對候選空間信息服務(wù)和服務(wù)請求進(jìn)行語義描述的具體實(shí)施方法如下實(shí)現(xiàn)空間信息服務(wù)的關(guān)鍵是對空間信息服進(jìn)行語義描述，在本實(shí)施例中，基于 OffL-S對用戶環(huán)境中的空間信息服務(wù)以及服務(wù)請求進(jìn)行語義描述，并采用馬里蘭大學(xué)信息及網(wǎng)絡(luò)動態(tài)實(shí)驗(yàn)室開發(fā)的OWL-SAPI提供的javaAPI編程接口，來讀取、執(zhí)行和編寫服務(wù)的 OffL-S描述。在本實(shí)施例中，所述的空間信息服務(wù)以及用戶的服務(wù)請求都是通過OWL-S描述的，所以對用戶請求的語義描述也是在已經(jīng)構(gòu)建的領(lǐng)域本體知識庫的基礎(chǔ)上。本發(fā)明所述的服務(wù)請求和候選服務(wù)進(jìn)行匹配的具體實(shí)施方法如下圖2是本發(fā)明基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法一種具體實(shí)施方式
的原理框圖。如圖2所示，一方面通過人機(jī)交互模塊I獲取到的用戶服務(wù)請求，經(jīng)過了語義化模塊2，結(jié)合領(lǐng)域本體知識庫3，對用戶請求進(jìn)行語義描述，然后經(jīng)過服務(wù)請求代理模塊3，最終輸入到空間信息服務(wù)匹配模塊4中去。另一方面通過對空間信息服務(wù)提供者5所提供的空間信息服務(wù)在語義化模塊6中結(jié)合領(lǐng)域本體知識庫3進(jìn)行語言描述，通過服務(wù)注冊模塊7結(jié)合注冊信息服務(wù)庫8注冊，并且提供候選空間信息服務(wù)到空間信息服務(wù)匹配模塊9中。同時上下文敏感的用戶偏好生成模塊10將生成的上下文敏感的用戶偏好輸入到空間信息服務(wù)匹配模塊9中去。這三類信息結(jié)合領(lǐng)域本體知識庫3中的信息是本發(fā)明所述的匹配方法的關(guān)鍵。圖3是本發(fā)明基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法一種具體實(shí)施方式
的流程圖。如圖3所示，流程如下
首先，對用戶環(huán)境智能空間中的候選空間信息服務(wù)進(jìn)行語義描述；然后獲取用戶的服務(wù)請求，同時對其進(jìn)行語義描述；接著是對與用戶相關(guān)的上下文信息以及用戶偏好進(jìn)行采集，同時根據(jù)上下文信息對無效的用戶偏好進(jìn)行剔除，生成上下文敏感的用戶偏好；然后從功能性和非功能性兩個方面將用戶服務(wù)需求和候選空間信息服務(wù)進(jìn)行匹配，同時考慮前面步驟中得到的上下文敏感的用戶偏好。在本實(shí)施例中，還根據(jù)上下文判斷用戶是否滿意，如果滿足用戶要求，會推薦給用戶最貼合其真實(shí)需求的空間信息服務(wù)；如果不能滿足用戶要求，那么推薦系統(tǒng)會繼續(xù)到候選空間信息服務(wù)中去搜索服務(wù)，直至搜索到用戶滿意的服務(wù)，或者當(dāng)所有發(fā)布出來的候選空間信息服務(wù)都搜索過以后，將以匹配失敗而結(jié)束整個匹配過程。圖4是圖2中的上下文敏感的用戶偏好生成模塊的示意圖。在本實(shí)施例中，上下文信息和用戶偏好的采集步驟如下在本實(shí)施例中，所涉及的上下文信息主要包括典型的四種，它們分別是時間、位置、人物以及事件，之所以這樣做事處于實(shí)現(xiàn)簡單的考慮。在用戶環(huán)境中的部署了信息采集模塊，具體包括傳感器模塊，移動設(shè)備模塊以及人際交互模塊，用于動態(tài)地采集各種上下文信息，以實(shí)現(xiàn)物理空間和信息空間的綁定。通過RFID能夠?qū)Σ煌挠脩暨M(jìn)行標(biāo)識，并且在RFID的標(biāo)簽中可以儲存了一些簡單的用戶相關(guān)信息；通過在用戶環(huán)境中分散地布置閱讀器，能夠檢測用戶的位置；后臺服務(wù)器也能方便的記錄用戶與系統(tǒng)交互的時間；對于事件上下文，就需要綜合考慮積累上下文信息，來推斷用戶正在進(jìn)行的活動，如王先生的日程安排上記錄著周二下午兩點(diǎn)半到三點(diǎn)半要在公司開會，如果推薦系統(tǒng)采集到的各種上下文信息中，時間是周二下午三點(diǎn)，王先生的位置信息恰好是公司，并且所記錄的日程信息并沒有發(fā)生變化，那么可以推斷出王先生可能正在開會。在本實(shí)施例中，如圖4所示，上下文敏感的用戶偏好的具體產(chǎn)生步驟如下針對現(xiàn)有的匹配方法中出現(xiàn)的或是不考慮用戶的偏好，或是考慮用戶的靜態(tài)偏好的情況。造成了空間信息服務(wù)推薦系統(tǒng)提供給用戶的空間信息服務(wù)通常不能得到很好的滿意度。本發(fā)明所述的上下文敏感的用戶偏好，是從靜態(tài)和動態(tài)兩個方面來考慮用戶偏好。其中靜態(tài)偏好主要來自于用戶以往同系統(tǒng)交互過程中，所記錄下來的一些信息。而動態(tài)偏好來源于用戶當(dāng)前與系統(tǒng)的交互過程，主要通過物理層的信息采集模塊，如傳感器模塊、移動設(shè)備模塊或者人機(jī)交互模塊等來采集用戶的上下文信息，然后從中提取出用戶偏好信息， 通過靜態(tài)和動態(tài)信息的互補(bǔ)，對一些與上下文無關(guān)的用戶偏好進(jìn)行刪減，對一些必要的隱含用戶偏好要進(jìn)行補(bǔ)充。本發(fā)明所述的上下文敏感的用戶偏好主要是從上下文的角度對用戶偏好的有效性進(jìn)行評價。在本實(shí)施例中，考慮四種具有代表性同時也是比較常見的上下文信息，他們分別是時間、位置、人物以及事件。當(dāng)然用戶環(huán)境中的上下文信息遠(yuǎn)不止這四類，之所以這樣選取是出于簡化實(shí)現(xiàn)步驟的考慮。在靜態(tài)用戶偏好的信息庫中已經(jīng)儲存了一些用戶偏好信息，但是針對于具體的交互過程，如果直接考慮這些用戶偏好，勢必造成信息的冗余度太大，并且準(zhǔn)確性也不高，只有結(jié)合交互過程中的知識上下文信息才能提高這種準(zhǔn)確性。比如，通過人物信息，能夠直接鎖定正在與環(huán)境進(jìn)行交互的用戶身份信息；通過時間信息和位置信息，就可以刪減掉用戶在其他時間段或者其他位置的服務(wù)偏好；通過當(dāng)前的事件上下文，能夠知道用戶正在進(jìn)行的活動，這又大大提高了用戶偏好的精確性。上下文信息不僅僅能夠幫助刪減無效的用戶偏好，還能夠補(bǔ)充在特定條件下額外的用戶偏好信息。如圖4所示，在本實(shí)施例中，上下文敏感的用戶偏好的生成需要上下文信息和用戶偏好這兩部分信息，并且是通過上下文信息對用戶偏好進(jìn)行適當(dāng)?shù)膭h減和補(bǔ)充。如圖4所示，上下文敏感的用戶偏好生成模塊10 —方面通過信息采集模塊1001， 包括移動設(shè)備模塊、傳感器模塊以及人機(jī)交互模塊對用戶相關(guān)信息進(jìn)行采集，上下文信息采集模塊1002負(fù)責(zé)對采集的用戶相關(guān)信息中的上下文信息進(jìn)行采集，然后上下文信息處理模塊1003會根據(jù)上下文處理規(guī)則庫1004中的規(guī)則對上下文信息進(jìn)行處理，同時也會適當(dāng)對上下文處理規(guī)則庫1004里的規(guī)則進(jìn)行更新。另一方面，通過動態(tài)用戶偏好搜集模塊1005對信息采集模塊1001中采集到的用戶相關(guān)信息的分析，得到動態(tài)用戶偏好，再通過靜態(tài)用戶偏好搜集模塊1006，在靜態(tài)用戶偏好信息庫1007中的搜集到靜態(tài)用戶偏好，在用戶偏好集成模塊1008中將動態(tài)用戶偏好和靜態(tài)用戶偏好進(jìn)行集成，得到較為全面的用戶偏好。在本實(shí)施例中，上下文信息選取了四類有代表性的上下文信息，它們分別是時間、位置、人物以及事件，在上下文敏感的用戶偏好模塊1009中通過這四個方面對全面的用戶偏好的相關(guān)性進(jìn)行評價，把與上下文信息無關(guān)的用戶偏好刪減掉，同時推理出額外的用戶偏好，最終得到所述的上下文敏感的用戶偏好。圖5是圖2中空間信息服務(wù)匹配模塊的流程圖。本發(fā)明所述的空間信息服務(wù)匹配方法從功能性和非功能性兩個方面進(jìn)行匹配，同時還要滿足上下文敏感的用戶偏好的條件。通過匹配度DoMtotal的大小，對候選的空間信息服務(wù)進(jìn)行排序，推薦給用戶匹配度較大的服務(wù)。并且匹配度DoMtotal的計算公式為
權(quán)利要求
1.一種基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法，其特征在于，包括以下步驟(1)、對用戶環(huán)境智能空間的候選空間信息服務(wù)進(jìn)行語義描述；(2)、獲取用戶的服務(wù)請求，同時對其進(jìn)行語義描述；(3)、對與用戶相關(guān)的上下文信息以及用戶偏好進(jìn)行采集，并根據(jù)上下文信息對無效的用戶偏好進(jìn)行剔除，生成上下文敏感的用戶偏好；(4)、從功能性和非功能性兩個方面將用戶服務(wù)需求，即服務(wù)請求與智能空間中的各候選空間信息服務(wù)進(jìn)行語義匹配計算，得到各候選空間信息服務(wù)的匹配度；在匹配計算過程中，同時考慮步驟(3)中得到的上下文敏感的用戶偏好；(5)、空間信息服務(wù)推薦系統(tǒng)依據(jù)匹配度，將候選空間信息服務(wù)推薦給用戶。
2.根據(jù)權(quán)利要求I所述的基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法，其特征在于，匹配度的計算公式為D°M total = (W fun . D°M fun + ^non _ fun . D°M non _ fun ) . ^ 纖咖式中的《fun和W_—fun分別表示功能性匹配度和非功能性匹配度的權(quán)重，并且Wfun+W_—fun =I，DoMfun表示功能性匹配度,DoMnon fun表示非功能性匹配度,DoMcontext pre表示上下文敏感用戶偏好的匹配度。
3.根據(jù)權(quán)利要求2所述的基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法，其特征在于，步驟(3)通過上下文敏感的用戶偏好生成模塊來實(shí)現(xiàn)，其包括有信息采集模塊、上下文信息采集模塊、上下文信息處理模塊、上下文處理規(guī)則庫、動態(tài)用戶偏好搜集模塊、靜態(tài)用戶偏好搜集模塊、靜態(tài)用戶偏好信息庫、用戶偏好集成模塊以及上下文敏感的用戶偏好模塊一方面通過信息采集模塊，包括移動設(shè)備模塊、傳感器模塊以及人機(jī)交互模塊對用戶相關(guān)信息進(jìn)行采集；上下文信息采集模塊負(fù)責(zé)對采集的用戶相關(guān)信息中的上下文信息進(jìn)行采集，然后上下文信息處理模塊會根據(jù)上下文處理規(guī)則庫中的規(guī)則對上下文信息進(jìn)行處理，同時也會適當(dāng)對上下文處理規(guī)則庫里的規(guī)則進(jìn)行更新；另一方面，通過動態(tài)用戶偏好搜集模塊信息采集模塊中采集到的用戶相關(guān)信息的分析，得到動態(tài)用戶偏好，再通過靜態(tài)用戶偏好搜集模塊，在靜態(tài)用戶偏好信息庫中的搜集到靜態(tài)用戶偏好，在用戶偏好集成模塊中將動態(tài)用戶偏好和靜態(tài)用戶偏好進(jìn)行集成，得到較為全面的用戶偏好；在上下文敏感的用戶偏好模塊中對全面的用戶偏好的相關(guān)性進(jìn)行評價，把與上下文信息無關(guān)的用戶偏好刪減掉，同時推理出額外的用戶偏好，最終得到所述的上下文敏感的用戶偏好。
全文摘要
本發(fā)明公開了一種基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法，在用戶的服務(wù)請求和候選空間信息服務(wù)的功能性匹配和非功能性匹配的基礎(chǔ)上，考慮上下文敏感的用戶偏好，計算出用戶服務(wù)需求與智能空間中的各候選空間信息服務(wù)的匹配度，然后依據(jù)匹配度將候選空間信息服務(wù)推薦給用戶。雖然用戶可能具有固定的或者重復(fù)的偏好，但這些偏好不是在任何時候都相關(guān)，本發(fā)明基于上下文感知和用戶偏好的空間信息服務(wù)匹配方法從上下文的角度對用戶偏好進(jìn)行精簡，剔除與用戶無關(guān)的用戶偏好。同時，本發(fā)明由于從功能性匹配和非功能匹配兩個方面進(jìn)行匹配度計算，提高空間信息服務(wù)匹配的準(zhǔn)確率，給客戶最貼合其真實(shí)需求的空間信息服務(wù)。
文檔編號G06F17/30GK102609468SQ20121001423
公開日2012年7月25日 申請日期2012年1月17日 優(yōu)先權(quán)日2012年1月17日
發(fā)明者馮彥清, 劉珊, 李曉璐, 楊易超, 鄭文鋒, 銀力融 申請人:電子科技大學(xué)