【技术实现步骤摘要】
本专利技术涉及信息推送
,尤其涉及一种行为感知偏好获取系统及其获取方 法。
技术介绍
电子商务的急剧发展与扩张将人们带入了数字化信息的海洋,电子商务功能的迅 速发展也带来了传统服务模式的变革,网上购物、在线业务办理等新型服务模式为人们的 生活带来了很大的便利。随着面向服务、普适计算等新技术的广泛应用,使得各类电 子商务网站上的资源呈现爆炸性的增长,并且这种增长大大超过了人们能够接受和有效利 用的范围,这也就是我们熟知的信息过载问题。在这种背景下,如何从繁多的信息化商 品中为不同的用户推荐出符合其偏好的商品,已经成为制约电子商务平台发展的关键性因 素。 传统的个性化推荐服务研究主要通过挖掘用户-项目之间的二元关系来构建 用户偏好模型,而这种方法仅仅将用户-项目间的二元关系数据作为单一数据源,并依 赖于基于内容的过滤、协同过滤等技术来实现,而用户偏好是在环境上下文、用户行为状态 等多种影响因素共同作用下的结果。因此采用这种方法所构建的用户偏好模型,不能客观 的反应出用户的真实偏好,在实际的应用中难以取得较好的推荐结果。 近年来,各研究机构及商业网站对于偏好获取策略的研究取得了较多成果,许多 研究者开始将上下文信息融入偏好获取过程,相比于传统的推荐方法,取得了较好的推荐 效果。但是这些方法主要都是将上下文信息融入偏好获取模型中,缺少对于用户行为规律 性的研究分析,在推荐精确度、算法适用性等方面还有很大的不足。
技术实现思路
为克服上述现有技术的不足,本专利技术的目的在于提供一种行为感知偏好获取系统 及其获 ...
【技术保护点】
一种行为感知偏好获取系统,其特征在于,所述偏好获取系统包括用户行为数据获取子系统(11)、数据存储与管理子系统(12)、用户行为感知计算子系统(13)、用户偏好获取子系统(14),其中:用户行为数据获取子系统(11),用以完成获取用户的历史行为数据,并据此生成融入上下文信息的用户行为数据;数据存储与管理子系统(12),用以完成用户历史行为数据、上下文信息、用户行为类集、偏好算法集、用户偏好等数据信息的存储与管理;用户行为感知计算子系统(13),用以完成依据用户行为数据的分类预处理,通过构建标准偏好空间、计算行为波动阈值、判断偏好是否可预知等为用户行为进行分类;用户偏好获取子系统(14),用以依据用户行为感知分类结果及用户行为数据提取用户偏好信息,并根据用户反馈、具体应用环境等对获取的用户偏好进行自适应修正。
【技术特征摘要】
1. 一种行为感知偏好获取系统,其特征在于,所述偏好获取系统包括用户行为数据获 取子系统(11)、数据存储与管理子系统(12)、用户行为感知计算子系统(13)、用户偏好获 取子系统(14),其中: 用户行为数据获取子系统(11),用以完成获取用户的历史行为数据,并据此生成融入 上下文信息的用户行为数据; 数据存储与管理子系统(12),用以完成用户历史行为数据、上下文信息、用户行为类 集、偏好算法集、用户偏好等数据信息的存储与管理; 用户行为感知计算子系统(13),用以完成依据用户行为数据的分类预处理,通过构建 标准偏好空间、计算行为波动阈值、判断偏好是否可预知等为用户行为进行分类; 用户偏好获取子系统(14),用以依据用户行为感知分类结果及用户行为数据提取用户 偏好信息,并根据用户反馈、具体应用环境等对获取的用户偏好进行自适应修正。2. 根据权利要求书1所述的一种行为感知偏好获取系统,其特征在于,所述用户行为 数据获取子系统(11)包括:用户历史行为生成模块(111)、上下文信息生成模块(112); 所述用户历史行为生成模块(111),用以根据用户历史行为记录生成符合偏好获取算 法需求的数据源; 所述用户上下文信息生成模块(112),用以实现与用户历史行为对应的上下文信息的 生成,包括地理上下文、情绪上下文、环境上下文。3. 根据权利要求书1所述的一种行为感知偏好获取系统,其特征在于,所述用户行为 感知计算子系统(13)包括:标准偏好空间构建模块(131)、行为波动阈值计算模块(132)、 可预知偏好判定模块(133)、行为分类模块(134);其中, 所述标准偏好空间构建模块(131),针对当前用户群组,采用k-中心点方法对用户偏 好行为进行聚类,得出的k个用户行为簇的并集即表示标准偏好空间,用以分离用户行为 孤点及判断用户偏好是否可预测; 所述行为波动阈值计算模块(132),用以针对当前用户群组,采用量化的偏好均值来表 示用户偏好的变化,即用户行为波动,并根据其量化值分布特征计算波动阈值以分离用户 行为孤点; 所述可预知偏好判定模块(133),依据标准偏好空间分离出的行为孤点,以判断相应用 户偏好行为是否具有可预测性; 所述行为分类模块(134),用以依据标准偏好空间及行为波动阈值将用户行为分类,输 出用户与不同行为类的对应关系。4. 根据权利要求书1所述的一种行为感知偏好获取系统,其特征在于,所述用户偏好 获取子系统(14)包括:偏好计算模块(141)、偏好自适应修正模块(142),其中: 所述偏好计算模块(141),根据用户行为感知计算子系统(13)所获取的用户行为分类 数据,修正基础偏好获取算法,获取用户偏好并输出结果至数据存储与管理子系统(12); 所述偏好自适应修正模块(142),用以依据用户反馈、客观应用环境等对用户偏好进行 惩罚性/增强性修正,并输出结果至数据存储与管理子系统(12)。5. -种行为感知偏好获取方法,其特征在于,包括以下步骤: 1) 获取触发推荐算法运行指令; 2) 用户行为数据获取子系统(11)生成用户历史行为及地理上下文、情绪上下文、环境 上下文数据,并将其存储至数据存储与管理子系统(12); 3) 用户行为感知计算子系统(13)由数据存储与管理子系统(12)获取用户行为数据, 标准偏好空间构建模块(131)以其为数据源对用户聚类,并构建标准偏好空间;行为波动 阈值计算模块(132)计算针对当前用户群组的行为波动阈值;可预知偏好判断模块(133) 依据上述两模块结果计算用户偏好的可预知性;行为分类模块(134)利用上述三模块结果 对用户行为进行分类,并将结果数据保存至数据存储与管理子系统(12); 4) 用户偏好获取子系统(14)获取用户行为分类,偏好计算模块(141)采用偏好算法计 算融合上下文信息与行为信息的用户偏...
【专利技术属性】
技术研发人员:高岭,高全力,杨建锋,曹瑞,张洋,
申请(专利权)人:西北大学,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。