[发明专利]一种基于情境的用户兴趣信息查询方法

说明书

技术领域

本申请涉及人工智能领域，特别涉及一种基于情境的用户兴趣信息查询方法。

背景技术

当前工业界越来越重视情境计算和感知计算技术的发展，例如：2013年苹果公司提出的M7运动协处理器技术和iBeacon技术、诺基亚的HAIP技术、谷歌的Sensor Hub和谷歌地图的Floor计划、摩托罗拉公司的监听麦克风技术(always-listening mircophone)技术等。结合传统的情境传感器(context sensor)，现有智能设备和可穿戴设备可以精确收集和分析出用户的情境；而现有的文本聚类、分类、潜在语意和精确语意算法可以从用户的浏览日志和第三方服务日志中分析出用户的兴趣，并可以基于该兴趣进行用户信息的搜索或推荐排序。

现有的情境传感/感知技术主要有：GPS、电子陀螺仪、加速计、温湿度、气压、低功耗蓝牙等传感器技术，这些技术在独立应用对服务提供了良好的支持，用户在使用这些传感器的同时也反映了用户的兴趣。

现有的用户兴趣提取技术主要有：分类/模糊分类、聚类/模糊聚类、潜在语义分析等。以下分别进行简单介绍。

分类/模糊分类：这类技术主要是利用事先定义好的类别或者标签对现有的用户数据进行分析分类，当用户数据趋向于某一个或者几种分类后，就将该类类别或者标签定义为用户兴趣。这种预定义的分类方式对于动态变化的用户兴趣来说，很难准确地分析用户兴趣。另一方面，虽然分类方法具有一定的学习能力，这种方法对用户的长期兴趣有一定帮助，但是，个性化服务需要体现出实时和即时兴趣来进行服务，因此，按照该分类/模糊分类进行兴趣分析，并利用兴趣分析结果进行用户信息搜索和推荐的处理时，在智能设备上难以体现出该兴趣分析的优越性。

聚类/模糊聚类：这类技术主要是通过分析大量的用户历史记录，然后将具有相同偏好的用户进行归类，在进行个性化服务中，会依据同类别的兴趣分析结果进行用户信息的搜索和推荐处理。该技术在智能设备的应用中需要依赖用户数据，涉及到用户隐私。而基于同组其他用户偏好进行“个性化服务”，就失去了个性化的特点。

潜在语义分析：语义分析广泛用于自然语言处理技术中，该技术在分析用户兴趣特征中有很好的应用。在基于语义模型的应用场景中，一般采用的是以本体(Ontology)技术为载体，通过本体进行推理(Reasoning)获得用户兴趣，再依据获得的用户兴趣进行用户信息搜索和推荐的处理。但在智能设备中，支持本体技术的框架以及知识库还不够成熟，在个性化服务领域没有通用的解决方案。

综上所述，利用现有的这些兴趣分析方式进行用户兴趣信息的查询、进而进行搜索和推荐的处理时，虽然互有利弊，但是目前普遍存在如下技术问题：

1.智能设备端的解决方案不成熟：由于智能设备在数据容量、计算能力上的局限性，无法进行大规模的数据处理，并且对于用户兴趣抽取方面的框架和解决方案不成熟，主要表现在实施的算法和技术在智能设备上的优势不明显，无法提供基于用户兴趣的最佳实践。而基于服务器端的解决方案存在用户隐私安全的问题，用户需要将私有数据上传到服务器进行分析，暴露安全问题。

2.Context信息利用不充分：现有智能设备配备有很多智能传感器，这些传感器有利于反应当前用户偏好，并能提供更准确的个性化服务，而通常各个设备提供接口不统一，数据标准不统一，导致无法充分利用现有的Context信息，也无法提供精准的个性化服务。

3.缺乏个性化兴趣模型：智能设备为个性化服务提供了入口，但由于内容服务商在进行个性化服务时，没有建立统一的用户偏好模型，导致无法有效的、准确的为用户提供服务。主要体现在：数据不完整，信息不充分，模型不统一。

可见，利用目前的兴趣分析方式进行用户兴趣信息查询时，无法提供准确的个性化查询结果，利用该查询的兴趣进行搜索和推荐的处理时，无法提供准确的个性化搜索和推荐结果，检索和推荐效率较低。

发明内容

本申请提供一种基于情境的用户兴趣信息查询方法，能够提高个性化查询的准确性。

为实现上述目的，本申请采用如下的技术方案：

一种基于情境的用户兴趣信息查询方法，包括：

a、获取用户的日志及其对应的情境信息；所述情境信息为传感器采集的数据信息组合；

b、对获取的用户日志进行特征分析和提取，确定每条日志对应的兴趣特征，并对所有日志对应的兴趣特征进行语义分析，生成兴趣模型；所述兴趣模型包括任一兴趣在各条日志中的统计信息和任一兴趣特征在各个兴趣中的统计信息，所述兴趣为若干兴趣特征构成的集合；