[发明专利]一种基于情境融合感知的推荐方法

说明书

技术领域

本发明涉及网络信息技术领域，尤其涉及一种基于情境融合感知的推荐方法。

背景技术

互联网的飞速发展和不断增长的信息资源使得信息指数激增，信息服务领域面临着“信息资源丰富，但获取有利用价值的信息困难”的问题，给人们带来很大的信息负担。一方面，网络上出现大量数据资源导致了“信息过载”现象（information overload）；另一方面，用户无法获取自己需要的信息资源。推荐系统（recommendation systems）作为一种以“信息推送”模式服务的重要方法，是解决信息过载问题的主要手段，它能够以用户为中心在分析预测用户需求的基础上主动给用户推送其可能需要但又难以获取的信息，通过根据用户的不同环境场合下的行为特征为用户推荐更具有利用价值的信息资源。

同时，随着3G等无线网络技术的飞速发展，面向泛在环境下的个性化信息推荐服务将成为新的研究热点。智能移动设备的日新月异使得“3W”（whoever、whenever、wherever）梦想逐渐成为现实。智能设备成为人们获取信息的主要平台之一（如使用手机或平板电脑搜索信息、浏览新闻、阅读书籍、听音乐、看视频、收发微博等）。移动互联网给用户带来了方便，但也为个性化推荐系统提供了丰富的情境信息。用户的个性化情境信息具有敏感性，在不同的情况下相同的用户也会偏好不同的信息资源，并且在搜索过程中选择的策略也不同。因此，个性化推荐系统应考虑相关情境信息，将情境信息整合到推荐过程中以获得推荐的准确性和用户满意的服务。情境感知推荐系统具有“普适计算”和“个性化”的双重优势，有重要的研究意义和实用价值。

本发明针对用户个性化信息需求具有情境敏感性，将情境信息融入到信息推荐过程中，即将传统二维的“用户-项目”推荐服务模型扩展为包含情境信息的信息推荐模型，使得信息推荐系统在复杂的环境下，能够感知、洞察各种情境信息，并根据特定的情境自适应的调整推送给目标用户的信息。

目前，个性化推荐系统最典型的应用是在电子商务领域，但是这些推荐系统和相应算法仅仅关注用户和信息之间的二维关联关系，较少的考虑用户所处的环境（如时间、地理位置、周围的人、情绪、行为、网络条件等）而导致低精度的推荐。

发明内容

为解决上述技术问题，本发明所采用的技术方案如下：

一种基于情境融合感知的推荐方法，包括如下步骤：

步骤1：根据情境的定义和需求将情境分为物理情境和用户偏好情境；

步骤2：通过参数学习和结构学习构建贝叶斯网络，推理计算某一环境中的物理情境匹配程度；

步骤3：考虑到用户兴趣爱好随时间变化的动态性，将时间函数融入基于内容的推荐算法中，计算用户偏好情境的匹配程度；

步骤4：综合考虑情境匹配度，对所有候选信息资源进行评分，并将排名前Top-N的信息推荐给目标用户。

基于贝叶斯网络的物理情境匹配模型为：设当前物理情境为C（单一类型情境或多种类型情境的组合），目标信息资源为D_j(1≤j≤N)，则在物理情境C给定条件下，用户选择访问信息资源D_j的概率为：

其中，N代表资源集D中的资源数量；P(C|D_j)为先验条件概率，代表用户过去在访问资源D_j条件下物理情境C所出现的概率，P(D_j)代表用户过去访问资源D_j的概率。

基于资源内容的用户偏好情境匹配的方法如下：

步骤1：分析用户浏览行为获取用户偏好信息；

步骤2：采用基于经典的向量空间模型对用户偏好信息和信息资源进行建模，构建语义向量，并使用TF-IDF方法计算各特征词的权重值，最后计算目标资源D_j与目标用户综合偏好情境P之间的语义匹配程度：

sim(D_j,P)代表目标资源D_j与目标用户综合偏好情境P之间相似程度，di_j代表特征词相应的权重值，k代表特征词数量，p_i表示某时间段内用户的偏好情境。

p_i表示在时间段为t_i时用户的偏好情境，当i＝0时为当前偏好情境，当i≥1时为历史偏好情境，目标用户的综合偏好情境P则可以通过下式进行计算，即

综合偏好情境设置用logistic时间函数来构建：