一種基於情境融合感知的推薦方法
2023-09-19 02:50:30 1
一種基於情境融合感知的推薦方法
【專利摘要】本發明公開了一種基於情境融合感知的推薦方法，包括如下步驟：步驟1：根據情境的定義和需求將情境分為物理情境和用戶偏好情境；步驟2：通過參數學習和結構學習構建貝葉斯網絡，推理計算某一環境中的物理情境匹配程度；步驟3：考慮到用戶興趣愛好隨時間變化的動態性，將時間函數融入基於內容的推薦算法中，計算用戶偏好情境的匹配程度；步驟4：綜合考慮情境匹配度，對所有候選信息資源進行評分，並將排名前Top-N的信息推薦給目標用戶。與現有技術相比，本發明考慮的推薦因素更全面，更能適應多變的環境，提高了推薦準確度，並且考慮用戶興趣隨時間變化而變化的情況，將時間函數和基於資源內容的推薦結合，提高了用戶滿意度。
【專利說明】一種基於情境融合感知的推薦方法
【技術領域】
[0001]本發明涉及網絡信息【技術領域】，尤其涉及一種基於情境融合感知的推薦方法。
【背景技術】
[0002]網際網路的飛速發展和不斷增長的信息資源使得信息指數激增，信息服務領域面臨著「信息資源豐富，但獲取有利用價值的信息困難」的問題，給人們帶來很大的信息負擔。一方面，網絡上出現大量數據資源導致了 「信息過載」現象(information overload);另一方面，用戶無法獲取自己需要的信息資源。推薦系統(recommendation systems)作為一種以「信息推送」模式服務的重要方法，是解決信息過載問題的主要手段，它能夠以用戶為中心在分析預測用戶需求的基礎上主動給用戶推送其可能需要但又難以獲取的信息，通過根據用戶的不同環境場合下的行為特徵為用戶推薦更具有利用價值的信息資源。
[0003]同時，隨著3G等無線網絡技術的飛速發展，面向泛在環境下的個性化信息推薦服務將成為新的研究熱點。智能行動裝置的日新月異使得「3W」(whoever、whenever、wherever)夢想逐漸成為現實。智能設備成為人們獲取信息的主要平臺之一(如使用手機或平板電腦搜索信息、瀏覽新聞、閱讀書籍、聽音樂、看視頻、收發微博等)。移動網際網路給用戶帶來了方便，但也為個性化推薦系統提供了豐富的情境信息。用戶的個性化情境信息具有敏感性，在不同的情況下相同的用戶也會偏好不同的信息資源，並且在搜索過程中選擇的策略也不同。因此，個性化推薦系統應考慮相關情境信息，將情境信息整合到推薦過程中以獲得推薦的準確性和用戶滿意的服務。情境感知推薦系統具有「普適計算」和「個性化」的雙重優勢，有重要的研究意義和實用價值。
[0004]本發明針對用戶個性化信息需求具有情境敏感性，將情境信息融入到信息推薦過程中，即將傳統二維的「用戶-項目」推薦服務模型擴展為包含情境信息的信息推薦模型，使得信息推薦系統在複雜的環境下，能夠感知、洞察各種情境信息，並根據特定的情境自適應的調整推送給目標用戶的信息。
[0005]目前，個性化推薦系統最典型的應用是在電子商務領域，但是這些推薦系統和相應算法僅僅關注用戶和信息之間的二維關聯關係，較少的考慮用戶所處的環境(如時間、地理位置、周圍的人、情緒、行為、網絡條件等)而導致低精度的推薦。
【發明內容】
[0006]為解決上述技術問題，本發明所採用的技術方案如下:
[0007]一種基於情境融合感知的推薦方法，包括如下步驟:
[0008]步驟1:根據情境的定義和需求將情境分為物理情境和用戶偏好情境；
[0009]步驟2:通過參數學習和結構學習構建貝葉斯網絡，推理計算某一環境中的物理情境匹配程度；
[0010]步驟3:考慮到用戶興趣愛好隨時間變化的動態性，將時間函數融入基於內容的推薦算法中，計算用戶偏好情境的匹配程度；[0011]步驟4:綜合考慮情境匹配度，對所有候選信息資源進行評分，並將排名前Top-N的信息推薦給目標用戶。
[0012]基於貝葉斯網絡的物理情境匹配模型為:設當前物理情境為C(單一類型情境或多種類型情境的組合)，目標信息資源為1(1 ( j ( N)，則在物理情境C給定條件下，用戶選擇訪問信息資源h的概率為:
【權利要求】
1.一種基於情境融合感知的推薦方法，包括如下步驟: 步驟1:根據情境的定義和需求將情境分為物理情境和用戶偏好情境； 步驟2:通過參數學習和結構學習構建貝葉斯網絡，推理計算某一環境中的物理情境匹配程度； 步驟3:考慮到用戶興趣愛好隨時間變化的動態性，將時間函數融入基於內容的推薦算法中，計算用戶偏好情境的匹配程度； 步驟4:綜合考慮情境匹配度，對所有候選信息資源進行評分，並將排名前Top-N的信息推薦給目標用戶。
2.根據權利要求1所述的一種基於情境融合感知的推薦方法，其特徵在於步驟2基於貝葉斯網絡的物理情境匹配模型為:設當前物理情境為C(單一類型情境或多種類型情境的組合)，目標信息資源為DJ(l ≤ j ≤N)，則在物理情境C給定條件下，用戶選擇訪問信息資源I的概率為:
3.根據權利要求1所述的一種基於情境融合感知的推薦方法，其特徵在於步驟3基於資源內容的用戶偏好情境匹配的方法如下: 步驟1:分析用戶瀏覽行為獲取用戶偏好信息； 步驟2:採用基於經典的向量空間模型對用戶偏好信息和信息資源進行建模，構建語義向量，並使用TF-1DF方法計算各特徵詞的權重值，最後計算目標資源Dj與目標用戶綜合偏好情境P之間的語義匹配程度:
4.根據權利要求1所述的一種基於情境融合感知的推薦方法，其特徵在於步驟4中的評分方法計算公式為:
Recomescorej = λ X sim(Dj, P) + (1-λ ) XP (Dj | C)； Recomescoi^代表推薦評分，λ為調節參數，sim(D?P)代表目標資源Dj與目標用戶綜合偏好情境P之間相似程度，P(DjIc)代表在物理情境C下用戶選擇訪問信息資源Dj的概率；公式中，λ e [O, 1]為調節參數，表示用戶偏好情境或物理情境在推薦服務模型中的重要性；當λ = I時，推薦算法僅考慮用戶的偏好情境，實現用戶偏好情境的智能感知；當λ = O時，推薦算法僅考慮物理情境，實現基於貝葉斯網絡的物理情境感知；算法對所有的候選信息資源進行評分，並將排名前Top-N的資源推薦給目標用戶。
【文檔編號】G06F17/30GK103955464SQ201410115414
【公開日】2014年7月30日 申請日期:2014年3月25日 優先權日:2014年3月25日
【發明者】徐小龍, 曹嘉倫, 王慧健, 劉建俠, 蘇展, 李玲娟, 陳丹偉 申請人:南京郵電大學