基于特征模型的个性化信息推荐方法技术

本发明专利技术公开一种基于特征模型的个性化信息推荐方法。方法包括：用户个性特征模型的优化构建：基于层次分析法构建用户个性特征成对比较矩阵；对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较，其他值则采用自动推理计算的方法进行优化；建立目标对象的特征信息库；通过获取用户终端的定位信息，计算出目标距离，基于构建的用户个性特征模型对建立的目标对象的特征信息库进行检索，完成与位置相关的个性信息的检索与推荐。本发明专利技术的技术方案，综合了用户的个性化需求特征和用户与目标信息点的距离，能够及时、准确的向用户提供个性化推荐信息，满足不同类型的用户的个性化信息要求。

Personalized information recommendation method based on feature model

【技术实现步骤摘要】
基于特征模型的个性化信息推荐方法
本专利技术属于数据分析多目标决策/信息推荐领域，具体地说，涉及一种基于特征模型的个性化信息推荐方法。
技术介绍
通常在信息推荐中，针对实时位置的信息推送，一般采用预先建立周边位置相关的信息点信息库，然后通过实时位置获取，将内容信息和位置建立关联搜索，来完成位置相关信息推荐的方法。之后，随着移动互联网和LBS应用的快速发展，需求和应用随着技术的进步逐渐趋于多样化，从过去的简单将信息内容和地理位置建立关联，逐步开始向精准化、多样性方向发展。但是，这些方式往往注重信息推送，而忽略了个性化的信息要求。在个性化的特征模型构建和信息推荐方面，对新用户或新对象建立个性特征模型，并完成个性化推荐是需要解决的首要问题。层次分析法作为多指标综合评价被广泛应用，在构建特征模型时能较准确地反应各项指标的影响，但困难是成对矩阵必须满足一致性检验，且当一致性出现问题，存在修正复杂的问题。
技术实现思路
本专利技术所要解决的技术问题是提供一种位置相关的基于特征模型的个性化信息推荐方法，用以满足不同类型的用户的个性化信息要求。本专利技术公开的基于特征模型的个性化信息推荐方法，包括以下步骤：S1、用户个性特征模型的优化构建：基于层次分析法构建用户个性特征成对比较矩阵；对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较，其他值则采用自动推理计算的方法进行优化；S2、建立目标对象的特征信息库；S3、通过获取用户终端的定位信息，计算出目标距离，基于构建的用户个性特征模型对建立的目标对象的特征信息库进行检索，完成与位置相关的个性信息的检索与推荐。如上所述的方法，其中，S1步骤中所述的基于层次分析法构建用户个性特征成对比较矩阵，具体为：设分类为T的信息点X,有A有A1,A2…An个属性，其权重分别为w1,w2…wn,对于个体P的观点来说，其信息点X的个性特征成对比较矩阵为：其中，重要性权重w1/w2按照程度采用数值1-9逐渐增强描述，按相同、稍强、强、较强、最强，分别取值为1、3、5、7、9，处于中间级别取值2、4、6、8；权重向量W按如下公式计算：且在保证一致性的前提下，对特征矩阵X计算出最大特征值n′和对应的特征向量W′,即可以将该w′作为个体P的的个性特征向量，代表了个体P对于各个属性的重要性排序观点。如上所述的方法，其中，S1步骤中所述的对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较，其他值则采用自动推理计算的方法进行优化，包括：对属性a1，i生成两两成对比较列表；对每个比较列表赋予选项和取值；用户选择确定取值；用以下实现公式计算得到完整比较矩阵：实现公式是：即：在已知a1，1a1，2…a1，n的情况下,可求出a2，1到an，n的值；ki，j的计算方法是：[1]计算出当i＜j情况下的全部a″i，j，a″i，j＝a′1，j-a′1，i其中，[2]对所有a″i，j取其值进行归一化计算，预先保留其正负值符号：归一化计算公式为：a″i，j＝(|a″i，j|-min|a″i，j|)/(max|a″i，j|-min|a″i，j|)；[3]将归一化后的值进行区间映射，将a″i，j对应到区间1-9，求出ki，j，映射公式为：ki，j＝round(1+a″i，j*(9-1)，0)；[4]根据[2]中保留的正负符号按公式(3)计算出ai，j；按照以上步骤，即可在已知a1，i的情况下，求出矩阵(1)个性特征成对比较矩阵的完整值。如上所述的方法，其中，S2步骤中所述的建立目标对象的特征信息库，具体步骤如下：确定多级分类，即针对每一类进一步确定下级分类，以及各对象的属性；计算各目标对象点的属性特征值时，将属性的取值范围界定为1-9，当地平均水平值设定为5，将其属性与当地平均情况作比较，值越大，表示比平均水平好，值越小，表示越差。本专利技术提供的基于特征模型的个性化信息推荐方法具有以下优点：1、解决在构建成对比较矩阵出现不一致时，排查和修正困难的问题。2、解决在构建成对比较矩阵时，主观判断输入过多的问题。3、综合了用户的个性化需求特征和用户与目标信息点的距离，能够及时、准确的向用户提供个性化推荐信息，满足不同类型用户的个性化信息要求。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术基于特征模型的个性化信息推荐方法实施例的流程图；图2为本专利技术实施例中成对比较矩阵和特征向量的优化构建和计算流程图。具体实施方式以下将配合实施例及附图来详细说明本专利技术的实施方式，藉此对本专利技术如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。在个性化特征模型的建立中，需要对归属于同一类型的信息点信息，进一步设定个性化的兴趣权重。例如：对于“美食”来说，其下属属性是味道、价格和卫生，对于个人来说，分别按自己的主观判断确定权重因素。为了准确描述个性模型，采用层次分析法计算特征矩阵和特征向量进行描述。图1为本专利技术基于特征模型的个性化信息推荐方法实施例的流程图。参考图1所示，本专利技术的基于特征模型的个性化信息推荐方法可以包括以下步骤(S1～S3)：S1、用户个性特征模型的优化构建：基于层次分析法构建用户个性特征成对比较矩阵；对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较，其他值则采用自动推理计算的方法进行优化。S2、建立目标对象的特征信息库。S3、通过获取用户终端的定位信息，计算出目标距离，基于构建的用户个性特征模型对建立的目标对象的特征信息库进行检索，完成与位置相关的个性信息的检索与推荐。如上所述的方法，其中，S1步骤中所述的基于层次分析法构建用户个性特征成对比较矩阵，具体为：设分类为T的信息点X,有A有A1,A2…An个属性，其权重分别为w1,w2…wn,对于个体P的观点来说，其信息点X的个性特征成对比较矩阵为：其中，重要性权重w1/w2按照程度采用数值1-9逐渐增强描述，按相同、稍强、强、较强、最强，分别取值为1、3、5、7、9，处于中间级别取值2、4、6、8；权重向量W按如下公式计算：且在保证一致性的前提下，对特征矩阵X计算出最大特征值n′和对应的特征向量W′,即可以将该W′作为个体P的的个性特征向量，代表了个体P对于各个属性的重要性排序观点。例如：对于小王，除了距离a1外，对于美食的三个属性：味道a2、价格a3、卫生a4来说，其主观认为的重要性个性特征比较矩阵为:计算得到最大特征值n′＝4.1707,对应特征向量W′＝(0.1980，0.4179，0.0623，0.8845)T为检验其一致性，根据一致性比率CR计算公式：CR＝[(n′-n)/(n-1)]/RI则CR＝0.059<1。因此，X满足一致性，则该W′即是小王的个性特征向量，代表了其个人对于距离、味道、价格和卫生不同影响因素之间的个性化权重选择是:卫生>味道>距离>价格。如上所述的方法，其中，S1步骤中所述的对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较，其他值则采用自动推理计算的方法进行优化，包括：对属性a1，i生成两两成对比较列表；对每个比较列表赋予选项和取值本文档来自技高网...

【技术保护点】
1.一种基于特征模型的个性化信息推荐方法，其特征在于，包括以下步骤：S1、用户个性特征模型的优化构建：基于层次分析法构建用户个性特征成对比较矩阵；对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较，其他值则采用自动推理计算的方法进行优化；S2、建立目标对象的特征信息库；S3、通过获取用户终端的定位信息，计算出目标距离，基于构建的用户个性特征模型对建立的目标对象的特征信息库进行检索，完成与位置相关的个性信息的检索与推荐。

【技术特征摘要】
1.一种基于特征模型的个性化信息推荐方法，其特征在于，包括以下步骤：S1、用户个性特征模型的优化构建：基于层次分析法构建用户个性特征成对比较矩阵；对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较，其他值则采用自动推理计算的方法进行优化；S2、建立目标对象的特征信息库；S3、通过获取用户终端的定位信息，计算出目标距离，基于构建的用户个性特征模型对建立的目标对象的特征信息库进行检索，完成与位置相关的个性信息的检索与推荐。2.如权利要求1所述的方法，其特征在于，S1步骤中所述的基于层次分析法构建用户个性特征成对比较矩阵，具体为：设分类为T的信息点X,有A有A1,A2…An个属性，其权重分别为w1,w2…wn,对于个体P的观点来说，其信息点X的个性特征成对比较矩阵为：其中，重要性权重w1/w2按照程度采用数值1-9逐渐增强描述，按相同、稍强、强、较强、最强，分别取值为1、3、5、7、9，处于中间级别取值2、4、6、8；权重向量W按如下公式计算：且在保证一致性的前提下，对特征矩阵X计算出最大特征值n′和对应的特征向量w′,即可以将该w′作为个体P的的个性特征向量，代表了个体P对于各个属性的重要性排序观点。3.如权利要求2所述的方法，其特征在于，S1步骤中所述的对构建的用户个性特征成对比较矩阵采用只做第一个属性和其余属性的比较，其他值则...

【专利技术属性】
技术研发人员：王丽清，徐永跃，
申请(专利权)人：云南大学，
类型：发明
国别省市：云南,53