一種行為感知偏好獲取系統(tǒng)及其獲取方法
【專利摘要】一種行為感知偏好獲取系統(tǒng)及其獲取方法，通過建立一個(gè)融合上下文信息的行為感知偏好獲取算法模型，在傳統(tǒng)偏好獲取算法的基礎(chǔ)上，充分考慮用戶歷史數(shù)據(jù)所體現(xiàn)出的行為特性及行為規(guī)律，并將其與上下文環(huán)境信息相結(jié)合，通過用戶行為感知計(jì)算子系統(tǒng)構(gòu)建用戶標(biāo)準(zhǔn)偏好空間、計(jì)算行為波動(dòng)閾值、判斷偏好是否可預(yù)知，并據(jù)此對(duì)用戶行為進(jìn)行聚類分析。然后針對(duì)不同的用戶行為類，設(shè)計(jì)了羈束偏好獲取算法、可控偏離偏好獲取算法、不可控偏好獲取算法，然后通過相應(yīng)的自適應(yīng)修正策略逐步精確的提取用戶偏好，從而實(shí)現(xiàn)提高偏好獲取精確度、偏好算法適用性的目的。
【專利說明】一種行為感知偏好獲取系統(tǒng)及其獲取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信息推送【技術(shù)領(lǐng)域】，尤其涉及一種行為感知偏好獲取系統(tǒng)及其獲取方 法。

【背景技術(shù)】
[0002] 電子商務(wù)的急劇發(fā)展與擴(kuò)張將人們帶入了數(shù)字化信息的海洋，電子商務(wù)功能的迅 速發(fā)展也帶來了傳統(tǒng)服務(wù)模式的變革，網(wǎng)上購(gòu)物、在線業(yè)務(wù)辦理等新型服務(wù)模式為人們的 生活帶來了很大的便利。隨著"面向服務(wù)"、"普適計(jì)算"等新技術(shù)的廣泛應(yīng)用，使得各類電 子商務(wù)網(wǎng)站上的資源呈現(xiàn)爆炸性的增長(zhǎng)，并且這種增長(zhǎng)大大超過了人們能夠接受和有效利 用的范圍，這也就是我們熟知的"信息過載"問題。在這種背景下，如何從繁多的信息化商 品中為不同的用戶推薦出符合其偏好的商品，已經(jīng)成為制約電子商務(wù)平臺(tái)發(fā)展的關(guān)鍵性因 素。
[0003] 傳統(tǒng)的個(gè)性化推薦服務(wù)研究主要通過挖掘"用戶-項(xiàng)目"之間的二元關(guān)系來構(gòu)建 用戶偏好模型，而這種方法僅僅將"用戶-項(xiàng)目"間的二元關(guān)系數(shù)據(jù)作為單一數(shù)據(jù)源，并依 賴于基于內(nèi)容的過濾、協(xié)同過濾等技術(shù)來實(shí)現(xiàn)，而用戶偏好是在環(huán)境上下文、用戶行為狀態(tài) 等多種影響因素共同作用下的結(jié)果。因此采用這種方法所構(gòu)建的用戶偏好模型，不能客觀 的反應(yīng)出用戶的真實(shí)偏好，在實(shí)際的應(yīng)用中難以取得較好的推薦結(jié)果。
[0004] 近年來，各研究機(jī)構(gòu)及商業(yè)網(wǎng)站對(duì)于偏好獲取策略的研究取得了較多成果，許多 研究者開始將上下文信息融入偏好獲取過程，相比于傳統(tǒng)的推薦方法，取得了較好的推薦 效果。但是這些方法主要都是將上下文信息融入偏好獲取模型中，缺少對(duì)于用戶行為規(guī)律 性的研究分析，在推薦精確度、算法適用性等方面還有很大的不足。


【發(fā)明內(nèi)容】

[0005] 為克服上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種行為感知偏好獲取系統(tǒng) 及其獲取方法，依據(jù)用戶歷史記錄及上下文信息作為數(shù)據(jù)源，通過行為感知及偏好獲取算 法來獲取用戶偏好，能夠向用戶提供高質(zhì)量的個(gè)性化服務(wù)，提高了網(wǎng)絡(luò)資源利用率，有效的 解決了大數(shù)據(jù)時(shí)代日益嚴(yán)峻的"信息過載"問題。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明的采用的技術(shù)方案是：
[0007] -種行為感知偏好獲取系統(tǒng)，所述偏好獲取系統(tǒng)包括用戶行為數(shù)據(jù)獲取子系統(tǒng)、 數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)、用戶行為感知計(jì)算子系統(tǒng)、用戶偏好獲取子系統(tǒng)，其中：
[0008] 用戶行為數(shù)據(jù)獲取子系統(tǒng)，用以完成獲取用戶的歷史行為數(shù)據(jù)，并據(jù)此生成融入 上下文信息的用戶行為數(shù)據(jù)；
[0009] 數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)，用以完成用戶歷史行為數(shù)據(jù)、上下文信息、用戶行為類 集、偏好算法集、用戶偏好等數(shù)據(jù)信息的存儲(chǔ)與管理；
[0010] 用戶行為感知計(jì)算子系統(tǒng)，用以完成依據(jù)用戶行為數(shù)據(jù)的分類預(yù)處理，通過構(gòu)建 標(biāo)準(zhǔn)偏好空間、計(jì)算行為波動(dòng)閾值、判斷偏好是否可預(yù)知等為用戶行為進(jìn)行分類；
[0011] 用戶偏好獲取子系統(tǒng)，用以依據(jù)用戶行為感知分類結(jié)果及用戶行為數(shù)據(jù)提取用戶 偏好信息，并根據(jù)用戶反饋、具體應(yīng)用環(huán)境等對(duì)獲取的用戶偏好進(jìn)行自適應(yīng)修正。
[0012] 所述用戶行為數(shù)據(jù)獲取子系統(tǒng)包括：用戶歷史行為生成模塊、上下文信息生成模 塊；
[0013] 所述用戶歷史行為生成模塊，用以根據(jù)用戶歷史行為記錄生成符合偏好獲取算法 需求的數(shù)據(jù)源；
[0014] 所述用戶上下文信息生成模塊，用以實(shí)現(xiàn)與用戶歷史行為對(duì)應(yīng)的上下文信息的生 成，包括地理上下文、情緒上下文、環(huán)境上下文。
[0015] 所述用戶行為感知計(jì)算子系統(tǒng)包括：標(biāo)準(zhǔn)偏好空間構(gòu)建模塊、行為波動(dòng)閾值計(jì)算 模塊、可預(yù)知偏好判定模塊、行為分類模塊；其中，
[0016] 所述標(biāo)準(zhǔn)偏好空間構(gòu)建模塊，針對(duì)當(dāng)前用戶群組，采用k-中心點(diǎn)方法對(duì)用戶偏好 行為進(jìn)行聚類，得出的k個(gè)用戶行為簇的并集即表示標(biāo)準(zhǔn)偏好空間，用以分離用戶行為孤 點(diǎn)及判斷用戶偏好是否可預(yù)測(cè)；
[0017] 所述行為波動(dòng)閾值計(jì)算模塊，用以針對(duì)當(dāng)前用戶群組，采用量化的偏好均值來表 示用戶偏好的變化，即用戶行為波動(dòng)，并根據(jù)其量化值分布特征計(jì)算波動(dòng)閾值以分離用戶 行為孤點(diǎn)；
[0018] 所述可預(yù)知偏好判定模塊，依據(jù)標(biāo)準(zhǔn)偏好空間分離出的行為孤點(diǎn)，以判斷相應(yīng)用 戶偏好行為是否具有可預(yù)測(cè)性；
[0019] 所述行為分類模塊，用以依據(jù)標(biāo)準(zhǔn)偏好空間及行為波動(dòng)閾值將用戶行為分類，輸 出用戶與不同行為類的對(duì)應(yīng)關(guān)系。
[0020] 所述用戶偏好獲取子系統(tǒng)包括：偏好計(jì)算模塊、偏好自適應(yīng)修正模塊，其中：
[0021] 所述偏好計(jì)算模塊，根據(jù)用戶行為感知計(jì)算子系統(tǒng)所獲取的用戶行為分類數(shù)據(jù)， 修正基礎(chǔ)偏好獲取算法，獲取用戶偏好并輸出結(jié)果至數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)；
[0022] 所述偏好自適應(yīng)修正模塊，用以依據(jù)用戶反饋、客觀應(yīng)用環(huán)境等對(duì)用戶偏好進(jìn)行 懲罰性/增強(qiáng)性修正，并輸出結(jié)果至數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)。
[0023] -種行為感知偏好獲取方法，包括以下步驟：
[0024] 1)獲取觸發(fā)推薦算法運(yùn)行指令；
[0025] 2)用戶行為數(shù)據(jù)獲取子系統(tǒng)生成用戶歷史行為及地理上下文、情緒上下文、環(huán)境 上下文信息數(shù)據(jù)，并將其存儲(chǔ)至數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)；
[0026] 3)用戶行為感知計(jì)算子系統(tǒng)由數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)獲取用戶行為數(shù)據(jù)，標(biāo)準(zhǔn)偏 好空間構(gòu)建模塊以其為數(shù)據(jù)源對(duì)用戶聚類，并構(gòu)建標(biāo)準(zhǔn)偏好空間；行為波動(dòng)閾值計(jì)算模塊 計(jì)算針對(duì)當(dāng)前用戶群組的行為波動(dòng)閾值；可預(yù)知偏好判斷模塊依據(jù)上述兩模塊結(jié)果計(jì)算用 戶偏好的可預(yù)知性；行為分類模塊利用上述三模塊結(jié)果對(duì)用戶行為進(jìn)行分類，并將結(jié)果數(shù) 據(jù)保存至數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)；
[0027] 4)用戶偏好獲取子系統(tǒng)獲取用戶行為分類，偏好計(jì)算模塊采用偏好算法計(jì)算融合 上下文信息與行為信息的用戶偏好，偏好自適應(yīng)修正模塊根據(jù)用戶反饋與具體應(yīng)用環(huán)境對(duì) 用戶偏好進(jìn)行自適應(yīng)修正，并將最終的用戶偏好信息存儲(chǔ)至數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)，然后 依據(jù)用戶偏好信息通過網(wǎng)絡(luò)服務(wù)為用戶推薦出符合其偏好的信息資源。
[0028] 所述的標(biāo)準(zhǔn)偏好空間構(gòu)建模塊在融合上下文信息的用戶行為數(shù)據(jù)上，選取聚類中 心點(diǎn)，依據(jù)相異度度量方法分配用戶聚類歸屬，并通過優(yōu)化特征權(quán)重及距離權(quán)重，對(duì)其進(jìn)行 重復(fù)聚類直至中心點(diǎn)穩(wěn)定，由穩(wěn)定中心點(diǎn)所構(gòu)成的用戶簇并集即標(biāo)準(zhǔn)偏好空間，
[0029] 其中，所述相異度度量方法如下：

【權(quán)利要求】
1. 一種行為感知偏好獲取系統(tǒng)，其特征在于，所述偏好獲取系統(tǒng)包括用戶行為數(shù)據(jù)獲 取子系統(tǒng)（11)、數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)（12)、用戶行為感知計(jì)算子系統(tǒng)（13)、用戶偏好獲 取子系統(tǒng)（14)，其中： 用戶行為數(shù)據(jù)獲取子系統(tǒng)（11)，用以完成獲取用戶的歷史行為數(shù)據(jù)，并據(jù)此生成融入 上下文信息的用戶行為數(shù)據(jù)； 數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)（12)，用以完成用戶歷史行為數(shù)據(jù)、上下文信息、用戶行為類 集、偏好算法集、用戶偏好等數(shù)據(jù)信息的存儲(chǔ)與管理； 用戶行為感知計(jì)算子系統(tǒng)（13)，用以完成依據(jù)用戶行為數(shù)據(jù)的分類預(yù)處理，通過構(gòu)建 標(biāo)準(zhǔn)偏好空間、計(jì)算行為波動(dòng)閾值、判斷偏好是否可預(yù)知等為用戶行為進(jìn)行分類； 用戶偏好獲取子系統(tǒng)（14)，用以依據(jù)用戶行為感知分類結(jié)果及用戶行為數(shù)據(jù)提取用戶 偏好信息，并根據(jù)用戶反饋、具體應(yīng)用環(huán)境等對(duì)獲取的用戶偏好進(jìn)行自適應(yīng)修正。
2. 根據(jù)權(quán)利要求書1所述的一種行為感知偏好獲取系統(tǒng)，其特征在于，所述用戶行為 數(shù)據(jù)獲取子系統(tǒng)（11)包括：用戶歷史行為生成模塊（111)、上下文信息生成模塊（112); 所述用戶歷史行為生成模塊（111)，用以根據(jù)用戶歷史行為記錄生成符合偏好獲取算 法需求的數(shù)據(jù)源； 所述用戶上下文信息生成模塊（112)，用以實(shí)現(xiàn)與用戶歷史行為對(duì)應(yīng)的上下文信息的 生成，包括地理上下文、情緒上下文、環(huán)境上下文。
3. 根據(jù)權(quán)利要求書1所述的一種行為感知偏好獲取系統(tǒng)，其特征在于，所述用戶行為 感知計(jì)算子系統(tǒng)（13)包括：標(biāo)準(zhǔn)偏好空間構(gòu)建模塊（131)、行為波動(dòng)閾值計(jì)算模塊（132)、 可預(yù)知偏好判定模塊（133)、行為分類模塊（134);其中， 所述標(biāo)準(zhǔn)偏好空間構(gòu)建模塊（131)，針對(duì)當(dāng)前用戶群組，采用k-中心點(diǎn)方法對(duì)用戶偏 好行為進(jìn)行聚類，得出的k個(gè)用戶行為簇的并集即表示標(biāo)準(zhǔn)偏好空間，用以分離用戶行為 孤點(diǎn)及判斷用戶偏好是否可預(yù)測(cè)； 所述行為波動(dòng)閾值計(jì)算模塊（132)，用以針對(duì)當(dāng)前用戶群組，采用量化的偏好均值來表 示用戶偏好的變化，即用戶行為波動(dòng)，并根據(jù)其量化值分布特征計(jì)算波動(dòng)閾值以分離用戶 行為孤點(diǎn)； 所述可預(yù)知偏好判定模塊（133)，依據(jù)標(biāo)準(zhǔn)偏好空間分離出的行為孤點(diǎn)，以判斷相應(yīng)用 戶偏好行為是否具有可預(yù)測(cè)性； 所述行為分類模塊（134)，用以依據(jù)標(biāo)準(zhǔn)偏好空間及行為波動(dòng)閾值將用戶行為分類，輸 出用戶與不同行為類的對(duì)應(yīng)關(guān)系。
4. 根據(jù)權(quán)利要求書1所述的一種行為感知偏好獲取系統(tǒng)，其特征在于，所述用戶偏好 獲取子系統(tǒng)（14)包括：偏好計(jì)算模塊（141)、偏好自適應(yīng)修正模塊（142)，其中： 所述偏好計(jì)算模塊（141)，根據(jù)用戶行為感知計(jì)算子系統(tǒng)（13)所獲取的用戶行為分類 數(shù)據(jù)，修正基礎(chǔ)偏好獲取算法，獲取用戶偏好并輸出結(jié)果至數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)（12); 所述偏好自適應(yīng)修正模塊（142)，用以依據(jù)用戶反饋、客觀應(yīng)用環(huán)境等對(duì)用戶偏好進(jìn)行 懲罰性/增強(qiáng)性修正，并輸出結(jié)果至數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)（12)。
5. -種行為感知偏好獲取方法，其特征在于，包括以下步驟： 1) 獲取觸發(fā)推薦算法運(yùn)行指令； 2) 用戶行為數(shù)據(jù)獲取子系統(tǒng)（11)生成用戶歷史行為及地理上下文、情緒上下文、環(huán)境 上下文數(shù)據(jù)，并將其存儲(chǔ)至數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)（12); 3) 用戶行為感知計(jì)算子系統(tǒng)（13)由數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)（12)獲取用戶行為數(shù)據(jù)， 標(biāo)準(zhǔn)偏好空間構(gòu)建模塊（131)以其為數(shù)據(jù)源對(duì)用戶聚類，并構(gòu)建標(biāo)準(zhǔn)偏好空間；行為波動(dòng) 閾值計(jì)算模塊（132)計(jì)算針對(duì)當(dāng)前用戶群組的行為波動(dòng)閾值；可預(yù)知偏好判斷模塊（133) 依據(jù)上述兩模塊結(jié)果計(jì)算用戶偏好的可預(yù)知性；行為分類模塊（134)利用上述三模塊結(jié)果 對(duì)用戶行為進(jìn)行分類，并將結(jié)果數(shù)據(jù)保存至數(shù)據(jù)存儲(chǔ)與管理子系統(tǒng)（12); 4) 用戶偏好獲取子系統(tǒng)（14)獲取用戶行為分類，偏好計(jì)算模塊（141)采用偏好算法計(jì) 算融合上下文信息與行為信息的用戶偏好，偏好自適應(yīng)修正模塊（142)根據(jù)用戶反饋與具 體應(yīng)用環(huán)境對(duì)用戶偏好進(jìn)行自適應(yīng)修正，并將最終的用戶偏好信息存儲(chǔ)至數(shù)據(jù)存儲(chǔ)與管理 子系統(tǒng)（12)，然后依據(jù)用戶偏好信息通過網(wǎng)絡(luò)服務(wù)為用戶推薦出符合其偏好的信息資源。
6. 根據(jù)權(quán)利要求書5所述一種行為感知偏好獲取方法，其特征在于，所述的標(biāo)準(zhǔn)偏好 空間構(gòu)建模塊（131)在融合上下文信息的用戶行為數(shù)據(jù)上，選取聚類中心點(diǎn)，依據(jù)相異度 度量方法分配用戶聚類歸屬，并通過優(yōu)化特征權(quán)重及距離權(quán)重，對(duì)其進(jìn)行重復(fù)聚類直至中 心點(diǎn)穩(wěn)定，由穩(wěn)定中心點(diǎn)所構(gòu)成的用戶簇并集即標(biāo)準(zhǔn)偏好空間， 其中，所述相異度度量方法如下：
式中，I= (xn,xi2,. . .，xim)與X」=(Xpxj2,. . .，xjm)分別表示第i與j個(gè)用戶在m種上下文環(huán)境下的量化行為數(shù)據(jù)值，其中x為距離權(quán)重，C為上下文環(huán)境集合，ds。表示同 種上下文環(huán)境下Ck的用戶行為距離，dd。表示不同上下文環(huán)境Cm，Cn下用戶行為距離，特征 如下：
式中，sim(Cm，Cn)表示上下文環(huán)境Cm，Cn的相似度，具體計(jì)算方法如下：
其中，Pre_與Pre_分別表示用戶％在單維上下文環(huán)境Cm與Cn下對(duì)項(xiàng)目Ss的偏好 值，^；表示用戶％在不同上下文環(huán)境下的平均偏好值。
7. 根據(jù)權(quán)利要求書5所述一種行為感知偏好獲取方法，其特征在于，所述的行為波動(dòng) 閾值計(jì)算模塊（132)，通過計(jì)算量化的偏好均值來獲取用戶偏好的偏離程度，依據(jù)預(yù)設(shè)的舍 棄比率最終獲取行為波動(dòng)閾值， 其中，所述量化的偏好均值獲取方法如下：
式中，Uk表示簇k內(nèi)用戶集，Item表示簇內(nèi)用戶有行為記錄的項(xiàng)目集，Card(Item)表 示集合Item內(nèi)項(xiàng)目數(shù)量，Prejms表示在上下文環(huán)境Cm下用戶Uj對(duì)于項(xiàng)目Ss的歷史偏好值， 所述用戶偏好偏離程度，其獲取方法為：
8. 根據(jù)權(quán)利要求書5所述的一種行為感知偏好獲取方法，其特征在于，所述可預(yù)知偏 好判定模塊（133)，首先獲取預(yù)設(shè)基準(zhǔn)孤點(diǎn)比率，再計(jì)算用戶行為孤點(diǎn)比率，最后獲取用戶 偏好的可預(yù)知性。其中，所述用戶行為孤點(diǎn)比率計(jì)算方法如下：
式中，〇81(1%>。(16)表示每個(gè)用戶11]_行為孤點(diǎn)的數(shù)量，〇31(1辦6』）表示用戶11 ]_歷史偏 好行為數(shù)目， 所述可預(yù)知性獲取方法如下：
式中，Apre」表示用戶j的偏好可預(yù)知性，Aprej，able表示其偏好可預(yù)知，Aprej，mable;表示 其偏好不可預(yù)知。
9. 根據(jù)權(quán)利要求書5所述的一種行為感知偏好獲取方法，其特征在于，所述的行為分 類模塊（134)，用戶行為分為： 1) 羈束行為：在可預(yù)知偏好的范圍內(nèi)，允許有小于行為波動(dòng)閾值的行為類； 2) 可控偏離羈束行為：在可預(yù)知偏好的范圍內(nèi)大于行為波動(dòng)閾值的用戶行為； 3) 不可控行為：不可預(yù)知偏好行為，其偏好不屬于標(biāo)準(zhǔn)偏好空間。
10. 根據(jù)權(quán)利要求書5所述的一種行為感知偏好獲取方法，其特征在于，所述的偏好計(jì) 算模塊（141)，依據(jù)行為分類模塊（134)所獲取用戶行為類，分別采用羈束偏好獲取算法、 可控偏離偏好獲取算法、不可控偏好獲取算法來提取用戶偏好， 其中，所述羈束偏好獲取方法如下：
式中，與/V%分別表不用戶Ua與用戶Ub對(duì)于其他所有項(xiàng)目的平均評(píng)分，Preams表 示在上下文環(huán)境Cm下用戶Ua對(duì)于項(xiàng)目Ss的評(píng)分值，kNN(b)為用戶Ub的前k個(gè)最近鄰，獲 取方法為選取與用戶Ub相似度最大的k個(gè)用戶，sim(b，a)表示用戶Ub與用戶Ua的相似 度，CSba表示用戶Ub與用戶Ua間有共同行為記錄項(xiàng)目的數(shù)目，@表示用戶Ub與其他用戶 有共同行為記錄項(xiàng)目的平均數(shù)目； 所述可控偏離偏好獲取算法，具體為：
式中，a為防止分母為〇的修正因子，prebms為在上下文環(huán)境Cm下用戶Ub對(duì)于項(xiàng)目Ss 通過基礎(chǔ)偏好算法所獲取的預(yù)測(cè)偏好值， 所述不可控偏好獲取算法，具體為：
式中S為權(quán)重因子，其取值依具體應(yīng)用環(huán)境而定。
【文檔編號(hào)】G06Q30/02GK104408643SQ201410604018
【公開日】2015年3月11日 申請(qǐng)日期:2014年10月30日 優(yōu)先權(quán)日:2014年10月30日
【發(fā)明者】高嶺, 高全力, 楊建鋒, 曹瑞, 張洋 申請(qǐng)人:西北大學(xué)