[发明专利]一种基于情境融合感知的推荐方法

摘要

本发明公开了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。与现有技术相比，本发明考虑的推荐因素更全面，更能适应多变的环境，提高了推荐准确度，并且考虑用户兴趣随时间变化而变化的情况，将时间函数和基于资源内容的推荐结合，提高了用户满意度。

主权项

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；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Dj与目标用户综合偏好情境P之间的语义匹配程度：sim(Dj,P)=Dj×P|Dj|×|P|=Σi=1kdij×piΣi=1kdij2×Σi=1kpi2;]]>sim(Dj,P)代表目标资源Dj与目标用户综合偏好情境P之间相似程度，dij代表特征词相应的权重值，k代表特征词数量，pi表示某时间段内用户的偏好情境，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P=Σi=0n-1(pi×f(ti))(1≤i≤n);]]>综合偏好情境设置用logistic时间函数来构建：f(ti)=11+e-ti;]]>其中，f(ti)为时间函数，ti表示距离当前时间的某一时间段，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。