本发明专利技术公开了一种面向领域的个性化智能推荐系统及实现方法，针对传统推荐方式通用性差的不足，通过合理的数据组织方式，使推荐服务具有跨领域的特性，只需根据不同领域的特点对领域信息进行配置，能够实现领域转换；针对传统推荐方式用户信息获取来源单一和数量较少带来的数据稀疏性问题，通过引入上下文感知技术主动获取用户与系统交互行为的上下文信息，不仅使获取的用户信息数大幅增加，而且使获取的用户信息时间分布更合理；用户信息的获取和用户与系统的交互行为直接相关，系统可以实时获取用户的当前情况，使推荐服务能够动态反映用户需求的变化情况，通过推荐学习模型，不断利用用户对推荐结果的反映，改善推荐服务质量。
【技术实现步骤摘要】
本专利技术涉及计算机信息处理与网络通信技术，尤其涉及一种。
技术介绍
随着信息技术特别是网络技术的发展，信息系统的规模越来越大，信息数量也越来越多，获取信息的工具和方式也越来越丰富，通过网络为用户提供越来越多信息和服务的同时，信息系统的结构和内容也日益复杂。而在海量信息中，为用户及时、准确地提供当前所需要的信息内容也变得更加困难。其原因主要有其一，由于很难准确描述出需要的信息的特征，用户常常会面对大量的信息而束手无策，迷失在大量的信息空间中；其二，信息系统提供的检索方式，常常不能满足用户描述检索条件的需求，找不到合适的描述所要检索信息的方式。另外，由于用户每次获取信息，都要输入大量、繁琐的检索条件，而信息系统不能通过服务的历史记录和服务过程掌握用户需求，也容易导致信息系统不能对用户产生持久吸引力。随着下一代网络(NGN)技术的发展和应用，汇聚了有线通信、移动通信以及宽带互联网等多种网络的下一代网络，能够为用户提供种类更丰富、通信质量更好的数字音像内容服务。该技术的应用，将能使人们以更灵活、更快捷的方式获取数字音像内容，然而，在海量并不断增加的信息中及时、准确地选取所需要的信息内容，又将成为亟需解决的问题。 因此，在此背景下，个性化智能推荐服务(PRS，Personalized Recommender Services)技术应运而生，并迅速得到发展，应用该技术，能够通过与用户交互过程中获取的信息推测用户的兴趣偏好，并能根据用户的兴趣偏好推荐符合用户兴趣偏好的信息。非但如此，通过个性化智能推荐服务，还可有效维护客户关系，提高信息系统的吸引力和培养用户忠诚度。基于PRS技术的独特优势，从其诞生至今的十多年间，PRS系统已被广泛应用于电子商务、网上交易等方面。由于其具有巨大的应用需求，PRS得到业界广泛关注，许多国内外学者也纷纷将PRS作为研究专题。现有的PRS技术归纳起来主要分为三类，即协同过滤推荐(CFR，Collaborative Filtering Recommendation)方式、基于内容过滤的推荐(CBF, Content-based Filtering Recommendation)方式和前述两种方式相结合的混合推荐(Hybrid Recommendation)方式。其中，协同过滤推荐(CFR)方式是研究最为深入且应用最为广泛的方式，这种推荐方式是通过分析用户之间兴趣偏好的相似性来提供推荐服务的。很多网站应用了该技术，如，亚马逊、eBay等都使用CFR技术为用户提供推荐服务。但是，CFR方式会随着系统规模的增大、出现数据稀疏性缺陷，导致推荐服务质量降低，特别是忠诚用户的服务质量将得不到保证。基于内容过滤的推荐(CBF)，是通过用户个人背景资料信息和商品或服务内容的特性消息相匹配，通过分析商品内容的结构来推测用户个性偏好，从而产生推荐结果。但，CBF 方式，一般是针对特定领域的，更换其他领域后将会导致系统不能使用，因此，其通用性较差。作为上述两种推荐方式的结合，混合推荐方式能有效利用前述推荐方式的优点，而尽量弥补前二者的缺点。在应用方面，采用混合过滤方式的，如，美国Manford大学数字图书馆。现有的混合推荐方式虽然在一定范围内提高了推荐服务质量，但仍然不能解决跨领域问题，也无法改善忠诚用户的推荐服务质量。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种，通过合理的数据组织和推荐服务的过程优化处理，使该智能推荐系统具有跨领域应用的能力，以增强该推荐系统的通用性；并且根据用户需求的变化特征，使其具有主动学习能力，即具有智能推荐服务功能，能够根据用户对推荐服务的反映进行自我调整，以改善整体推荐服务质量和提高用户忠诚度。为达到上述目的，本专利技术的技术方案是这样实现的一种面向领域的个性化智能推荐系统，领域处理模块、系统管理模块、用户接口模块、推荐服务模块和推荐结果处理模块；其中，领域处理模块，用于通过数据组织方式的设计，使数据输入及系统实现与领域无关；用于确定领域信息的配置方法和系统的初始化，按一定规则和方法进行领域信息的配置，系统根据配置的领域信息初始化推荐系统；系统管理模块，用于接收和处理各模块的信息或资源调配，算法选择、算法运行及参数设置；用户接口模块，用于根据用户交互行为获取用户行为信息或上下文信息，并将其传送给推荐服务模块；推荐服务模块，用于根据所获取用户行为信息或上下文信息，运用多种推理方法， 从中获取用户所需的用户偏好信息或向用户推荐的推荐信息；推荐结果处理模块，用于根据已获取的用户偏好和需求信息结合用户环境信息进行推荐服务，并获取用户对推荐服务的反映，同时结合对推荐服务的把握，进行学习和推理，生成推荐结果并输出。其中，所述用户接口模块进一步包括用户交互行为处理子模块和上下文信息获取子模块；其中，所述用户交互行为处理子模块，用于根据配置的领域信息进行搜集用户行为信息；所述上下文信息获取子模块，用于根据输入的数据进行搜集上下文信息。所述推荐服务模块进一步包括协同过滤推理子模块、领域相关性上下文推理子模块、本体推理子模块和推荐学习子模块；其中，所述协同过滤推理子模块，用于根据所运行的协同过滤推荐算法分析用户对项目的评分，并以评分为基础分析用户相似性和项目相似性以及用户和项目相关性；所述领域相关性上下文推理子模块，用于根据其所运行的上下文推理算法，从低层上下文信息到高层上下文信息进行推理，将低层上下文信息转换成可用性强的高层上下文信息；所述本体推理子模块，用于根据所运行的本体推理算法，将用户和项目领域本体抽象成相关的词类和词类之间的关系，通过词类和词类之间的关系分析和推理不同类别的用户和项目之间的关联关系；所述推荐学习子模块，用于根据所运行的推荐学习推理算法，通过分析用户对推荐结果的反映，结合协同过滤以及本体推理改善对用户偏好和需求的把握，进而提高推荐质量。所述推荐结果处理模块进一步包括用户环境信息获取子模块和推荐结果输出子模块；其中，用户环境信息获取子模块，用于获取与用户终端以及用户行为习惯相关的信息， 并将这些信息传送给推荐结果产生模块，使产生的推荐结果按照用户终端要求和用户行为习惯发送给用户；推荐结果输出子模块，用于检查用户可利用的信息，它们主要来自上下文推理、协同过滤推理、本体推理和推荐学习模块，包括本体相似性数据、协同过滤相似性数据、可直接利用的高层上下文数据以及推荐学习数据，根据实时情况产生推荐结果，并根据获取的用户环境信息将推荐结果以友好的方式呈现给用户。一种面向领域的个性化智能推荐系统的实现方法，该方法包括A、通过数据组织方式设计，使数据输入及系统实现与该领域无关，确定领域信息的配置方法和系统初始化，并按一定规则和方法进行领域信息的配置，系统根据配置的领域信息初始化推荐系统；B、根据用户交互行为搜集用户行为信息或上下文信息，然后将其传送给推荐服务模块，并运用各种推荐算法进行综合推理，从中获取用户所需的用户偏好信息或向用户推荐的推荐服务信息；C、然后，根据已获取的用户偏好和需求信息结合用户环境信息进行推荐服务，并获取用户对推荐服务的反映，同时结合对推荐服务的把握，进行学习和推理，最终生成推荐结果并输出。其中，步骤B所述根据用户交互行为搜集用户行为信息或上下文信息具体包括本文档来自技高网...
【技术保护点】
１．一种面向领域的个性化智能推荐系统，其特征在于，领域处理模块、系统管理模块、用户接口模块、推荐服务模块和推荐结果处理模块；其中，领域处理模块，用于通过数据组织方式的设计，使数据输入及系统实现与领域无关；用于确定领域信息的配置方法和系统的初始化，按一定规则和方法进行领域信息的配置，系统根据配置的领域信息初始化推荐系统；系统管理模块，用于接收和处理各模块的信息或资源调配，算法选择、算法运行及参数设置；用户接口模块，用于根据用户交互行为获取用户行为信息或上下文信息，并将其传送给推荐服务模块；推荐服务模块，用于根据所获取用户行为信息或上下文信息，运用多种推理方法，从中获取用户偏好信息或向用户推荐的推荐信息；推荐结果处理模块，用于根据已获取的用户偏好和需求信息结合用户环境信息进行推荐服务，并获取用户对推荐服务的反映，同时结合对推荐服务的把握，进行学习和推理，生成推荐结果并输出。
【技术特征摘要】
...
【专利技术属性】
技术研发人员：孟祥武，张玉洁，黄永生，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：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。