【技术实现步骤摘要】
本专利技术涉及个性化信息领域，特别涉及用户偏好建模方法、系统及用户偏好评估方法、系统。
技术介绍
经典的个性化模型中通常考虑基于用户和物品两个维度建立，考虑用户使用物品的行为历史，推测用户的个性化需求。基于内容和基于协同的方法是两类基本方法，现有的任何方法都基于至少包含用户和物品两个维度的模型。然而大量研究表明上下文环境影响着用户兴趣，不同上下文环境下用户的个性化需求不同，这导致传统的未考虑上下文环境的个性化系统效果有限。上下文感知计算作为普适计算的重要内容，一直是研究的热点。普适环境中用户手持移动设备可随时随地访问需求的信息。当前，上下文感知计算主要关注于用户在不同环境中的上下文，推导用户的需求并适时提供服务。上下文感知的个性化系统必须在用户和物品的基础上，再考虑上下文这一维度，成为三个抽象维度的模型。常见的上下文信息有：时间、位置、温湿度、光照、场景等环境信息；屏幕大小、处理能力等设备信息；工作状态、身体状态、情绪状态等用户信息。纳入上下文信息维数高，且每一个维度取值通常可以在较大范围内变化，这给上下文感知的兴趣建模带来了很大的挑战。用户的兴趣偏好随着上下文改变，然而那些上下文特征对用户兴趣影响较大，不同上下文特征结合在一起对用户兴趣的影响如何，都是不确定的。现有的纳入上下文的偏好建模记忆行为分析方法通常仅纳入一个维度的上下文来修正原有的“用户-物品”二维模型；或者是这种简单修正在多个维度上的...
【技术保护点】
一种结合上下文的用户偏好建模方法，所述方法包含：步骤101)对多维上下文信息进行挖掘，找出用户行为发生的若干主场景；其中，所述主场景指用户行为发生相对集中的场景；步骤102)将每一个主场景下的用户行为数据作为一个子集，并对子集进行用户偏好信息提取和建模；其中，建模的方法包含：基于“用户‑物品”的二元模型。
【技术特征摘要】
1.一种结合上下文的用户偏好建模方法，所述方法包含：
步骤101)对多维上下文信息进行挖掘，找出用户行为发生的若干主场景；其中，
所述主场景指用户行为发生相对集中的场景；
步骤102)将每一个主场景下的用户行为数据作为一个子集，并对子集进行用户
偏好信息提取和建模；其中，建模的方法包含：基于“用户-物品”的二元模型。
2.根据权利要求1所述的结合上下文的用户偏好建模方法，其特征在于，所述
步骤101)具体为：
对多维上下文数据空间进行挖掘，找出若干主场景；其中，所述上下文数据空
间为用户行为数据中描述行为发生上下文环境的所有特征维组成的数据空间；所述
主场景由若干上下文特征维上确定的取值或取值范围限定。
3.根据权利要求1所述的结合上下文的用户偏好建模方法，其特征在于，所述
步骤102)进一步包含：
步骤102-1)从完整的用户行为数据集中取出选定的任意一个主场景下的用户的
所有行为数据；
步骤102-2)从用户的所有行为数据中提取描述用户的数据空间和描述对象的数
据空间，并基于提取的数据空间信息构成该主场景的数据子集；
其中，任意两个不同主场景的数据子集能够存在重叠部分；
步骤102-3)对每个主场景对应的数据子集进行挖掘、建模，作为该主场景下的
用户偏好模型；
其中，每个主场景下的用户偏好建模能够直接采用使用“用户-物品”二维场景
的建模方法，针对“用户-物品”的二维建模方法包含：向量空间模型。
4.一种用户对未知对象喜好程度的获取方法，该方法基于权利要求1-3任意一
条权利要求获得的模型进行用户对未知对象的喜好程度，其特征在于，所述方法为：
步骤201)根据当前上下文数据找出匹配主场景，匹配主场景指根据当前上下文
场景的完整数据，与全部主场景进行相似度匹配，找出最相似或最匹配场景；
步骤202)将当前用户行为与找出的匹配主场景对应的用户模型匹配，进而完成
用户对对象的喜好程度；其中，主场景对应的用户模型即提取用户偏好信息建立的
用户模型。
5.根据权利要求4所述的用户对未知对象喜好程度的获取方法，其特征在于，
所述步骤102)还包含如下步骤：当匹配主场景不止一个时：
利用每个主场景下对应的用户偏好模型评估结果结合场景的匹配度综合评估未
\t知对象；或
先融合各最匹配主场景的偏...
【专利技术属性】
技术研发人员：韩锐，李长路，郭志川，王旭，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：北京;11
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。