基于用户交互信息的结果推送方法技术

本发明专利技术提供了一种基于用户交互信息的结果推送方法，该方法包括：通过用户的交互行为获取用户兴趣特征，检索与当前用户兴趣相似的近邻用户以及与当前上下文相似的历史上下文集合；基于所述上下文集合进行协同过滤推送，为目标用户生成推送结果。本发明专利技术提出了一种基于用户交互信息的结果推送方法，通过分析用户兴趣获得用户的需求，提高用户获取所需信息和信息推送的效率。

【技术实现步骤摘要】

本专利技术涉及大数据，特别涉及一种基于用户交互信息的结果推送方法。
技术介绍
随着互联网的发展及普及，信息爆炸性增长使用户难以及时准确地发现有用的数据源，导致人们在获取丰富的数据源过程中受到信息过载的困扰。如何帮助用户从激增的海量信息中获取有效的数据源，主动地为用户提供更丰富、全面并符合其潜在需求的数据源，给电子商务领域技术带来了极大的挑战。然而，当前技术中忽略了具体环境对用户兴趣的影响。另一方面，面对众多资源，现有的方案根据用户对资源的评价信息产生的推送，这种基于项目记分的推送只能体现用户对项目整体的兴趣情况。然而实际上用户对项目资源的评价往往是根据它所具有的属性特征产生的，因此根据仅仅根据用户对资源的整体记分而产生的推送结果往往具有片面性。
技术实现思路
为解决上述现有技术所存在的问题，本专利技术提出了一种基于用户交互信息的结果推送方法，包括：通过用户的交互行为获取用户兴趣特征，检索与当前用户兴趣相似的近邻用户以及与当前上下文相似的历史上下文集合；基于所述上下文集合进行协同过滤推送，为目标用户生成推送结果。优选地，所述推送系统包括数据层、计算层和应用层，数据层提供数据组织模块，通过对相关数据源的整合，采用语义化的方式构建相应的模型；计算层根据数据层所提供的信息，为推送的实现提供计算服务，包括兴趣采集模块、上下文计算模块、语义匹配模块以及推送生成模块，所述兴趣采集模块根据数据层提供的上下文知识和用户知识，提供深度信念网络概率计算获取用户兴趣信息，所述上下文计算模块用于根据用户当前的上下文信息，在数据层的模型中采用预定义的计算规则来获取扩展的上下文信息以及用户兴趣的相关信息，所述语义匹配模块用于对各种数据源之间的进行语义相似匹配，进而获取各种资源之间的相似度情况；所述推送生成模块用于根据上下文计算模块和语义匹配模块所提供的知识，生成与用户上下文及需求相似的最终推送结果；应用层提供用户与推送服务的交互，通过用户对推送结果的反馈信息，更新数据层的用户相关模型。优选地，所述基于所述上下文集合进行协同过滤推送，为目标用户生成推送结果，进一步包括：提取己获取的用户兴趣数据信息，以及对用户兴趣相关联的上下文；对当前上下文数据、历史上下文数据相关的用户行为记录进行预处理；从用户对项目属性的兴趣和用户对项目的记分来计算用户之间的相似性，进而找到邻居集合，将上下文的相似度匹配及上下文关键度值加入推送生成过程中；根据用户当前的上下文，采用基于上下文的关键词过滤方法产生对项目资源的推送结果；根据协同过滤和关键词过滤所产生的推送结果，生成最终推送结果的访问序列，将该推送结果通过界面反馈给用户。本专利技术相比现有技术，具有以下优点：本专利技术提出了一种基于用户交互信息的结果推送方法，通过分析用户兴趣获得用户的需求，提高用户获取所需信息和信息推送的效率。附图说明图1是根据本专利技术实施例的基于用户交互信息的结果推送方法的流程图。具体实施方式下文与图示本专利技术原理的附图一起提供对本专利技术一个或者多个实施例的详细描述。结合这样的实施例描述本专利技术，但是本专利技术不限于任何实施例。本发明的范围仅由权利要求书限定，并且本专利技术涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本专利技术的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本专利技术。本专利技术的一方面提供了一种基于用户交互信息的结果推送方法。图1是根据本专利技术实施例的基于用户交互信息的结果推送方法流程图。本专利技术建立包含上下文实体、用户实体和项目实体的推送方法。针对上下文与用户兴趣之间的关系，根据推送方法中各个实体要素之间的联系建立用户兴趣模型，表述用户上下文及其兴趣之间的关联关系，并分析用户在某个特定上下文中的兴趣；计算上下文信息熵和上下文关键度值的概念，并计算上下文信息熵值以及上下文要素的关键度值，根据这些上下文的关键度值来计算用户兴趣。基于上下文的结合协同过滤和关键词过滤的进行合并推送。首先结合用户对项目的记分和用户对项目属性的兴趣两个方面搜寻目标用户的邻居，并将上下文相似度匹配和上下文关键度值加入基于用户的协同过滤推送的生成过程中，利用协同过滤推送方法；根据当前上下文信息以及用户对项目属性的兴趣，采用基于知识推送的方法生成推送结果；最后通过基于上下文的计算优化方法对两种推送方法产生的结果进行整合而形成最终结果。在上述所建立的推送方法的基础上，本专利技术从结构要素和实现过程的角度，建立基于上下文的项目推送逻辑框架。推送框架由输入、推送过程、输出三个阶段组成；该框架包含了知识建模、用户兴趣挖掘、推送生成和用户反馈四个层次。首先，推送实现的首要任务就是建立关于用户、上下文和项目的推送方法，然后从该模型中提取用于推送过程的有效数据，该部分对应于推送的输入阶段；其次，挖掘用户兴趣，这一过程是推送生成的关键前提；在推送生成部分，将提取的用户兴趣与和当前上下文相似的用户历史行为数据相结合，同时利用领域知识进行语义匹配，进而产生推送结果；最后，将推送结果以排序推送、预测值或其它形式呈现给用户，并根据用户的反馈结果更新推送方法中的用户模型，即为推送的输出阶段。本专利技术所建立的推送架构获取用户兴趣，然后结合与当前上下文相似的用户行为记录，基于该领域推送知识的特点采用某种技术生成推送结果。基于推送方法，采用深度信念网络来分析用户在不同上下文中对项目属性类型的兴趣；然后考虑不同上下文对用户兴趣产生影响的差异，计算各种上下文对用户兴趣产生影响的差异。基于实体概念间丰富的语义关系和逻辑计算功能，根据该模型能够实现对用户兴趣的深层次计算。对己建立的推送方法中的用户实体和上下文实体及其之间的关系进行概率上的扩展，采用概率模型的思想建立基于实体的用户兴趣深度信念网络模型，实现对用户兴趣的计算，进而获取潜在的用户兴趣来过滤不相关的资源项目，并结合基于知识推送的方法进行推送，从而为用户提供满足其需求的结果。本专利技术针对上下文、用户和项目资源之间的关系建立用户兴趣的深度信念网络模型。构建用户兴趣深度信念网络模型的步骤如下：步骤1：将用户上下文和环境上下文插入深度信念网络作为两个不同的上下文根节点，分别将对应的用户上下文和环境上下文本体的概念按照它们在实体中的结构依次插入深度信念网络树中；步骤2：根据上下文实体中的关系属性，连接步骤1中的节点，使得上述本文档来自技高网...

【技术保护点】
一种基于用户交互信息的结果推送方法，该方法利用推送系统将感兴趣的内容推送给相关用户，其特征在于，包括：通过用户的交互行为获取用户兴趣特征，检索与当前用户兴趣相似的近邻用户以及与当前上下文相似的历史上下文集合；基于所述上下文集合进行协同过滤推送，为目标用户生成推送结果。

【技术特征摘要】
1.一种基于用户交互信息的结果推送方法，该方法利用推送系统将感兴趣
的内容推送给相关用户，其特征在于，包括：
通过用户的交互行为获取用户兴趣特征，检索与当前用户兴趣相似的近邻
用户以及与当前上下文相似的历史上下文集合；基于所述上下文集合进行协同
过滤推送，为目标用户生成推送结果。
2.根据权利要求1所述的方法，其特征在于，所述推送系统包括数据层、
计算层和应用层，数据层提供数据组织模块，通过对相关数据源的整合，采用
语义化的方式构建相应的模型；计算层根据数据层所提供的信息，为推送的实
现提供计算服务，包括兴趣采集模块、上下文计算模块、语义匹配模块以及推
送生成模块，所述兴趣采集模块根据数据层提供的上下文知识和用户知识，提
供深度信念网络概率计算获取用户兴趣信息，所述上下文计算模块用于根据用
户当前的上下文信息，在数据层的模型中采用预定义的计算规则来获取扩展的
上下文信息以及用户兴趣的相关信息，所述语义匹配模块用于对各种数据源之
间的...

【专利技术属性】
技术研发人员：董政，吴文杰，陈露，李学生，
申请(专利权)人：成都陌云科技有限公司，
类型：发明
国别省市：四川;51