[发明专利]上下文感知推荐

说明书

根据本公开的各个方面，提供系统和方法，用于通过在考虑到上下文的颗粒结构及其上下文信息的同时，将与用户相关的上下文的上下文信息整合到推荐模型中，响应于与用户相关的查询向用户提供推荐，来管理上下文感知推荐。

技术领域

本描述涉及用于上下文感知推荐管理（context aware recommendationmanagement）的各种基于计算机的技术。

背景技术

近年来已经见证了在移动设备的使用方面的快速增长和在线信息需求的爆发，诸如寻找最好的餐馆、搜索旅游景点、和/或寻找公寓。为了便利于用户对更准确的信息的需求，需要改进的推荐技术。而且，由于移动设备与桌面显示器相比相对较小的显示屏幕尺寸，需要更加准确的推荐，以便示出用于显示的一些候选项。

发明内容

根据公开的各个方面，可以提供包括记录在非瞬时计算机可读介质上且至少一个处理器可运行的指令的计算机系统。计算机系统可以包括上下文感知推荐管理器，其被配置为使得至少一个处理器，通过在考虑到上下文的颗粒结构（granular structure）及其上下文信息的同时，将与用户相关的上下文的上下文信息整合到推荐模型中，响应于与用户相关的查询而向用户提供一个或多个推荐。上下文感知推荐管理器可以包括多颗粒（multi-granular）上下文模块，其被配置为检测与用户相关的上下文，并且基于表现与用户相关的信息的特征的上下文信息，确定包括颗粒结构的一个或多个结构元素（structural elements）的上下文的颗粒结构。上下文感知推荐管理器可以包括预过滤推荐范例(paradigm)模块，其被配置为根据颗粒结构的每个结构元素之间的关系路径（relational path）的一个或多个上下文组合对上下文信息进行预过滤，并选择用于与每个上下文组合进行比较的与用户相关的历史网络导航数据。上下文感知推荐管理器可以包括推荐构建器（recommendation builder），其被配置为通过在考虑到上下文的颗粒结构及其上下文信息的同时，计算每条不同的关系路径与所选择的历史网络导航数据相比较的推荐性能（recommendation performance），在推荐模型中对用于查询的每个上下文组合进行建模（model），并且确定具有最佳推荐性能的一个或多个上下文组合中的至少一个，由此选择一个或多个最佳的上下文组合，用于响应于查询向用户提供一个或多个推荐。

在一种实施方式中，上下文可以包括多个上下文，而多个上下文中的每一个包括具有多颗粒组织（multi-granular organization）的层级结构。与上下文相关联的上下文信息可以揭示用户查询的意图。上下文信息可以包括用户发出的查询的时间和位置。推荐构建器可以被配置为对于<查询，位置，时间>选择最佳的上下文组合。与上下文相关联的上下文信息可以包括用户简档，用户简档包括以下各项中的一个或多个：用户性别、用户年龄、用户个人爱好、用户薪水、用户喜欢的和/或反感的、以及与用户相关联的一个或多个社交网络。

在一种实施方式中，上下文的颗粒结构的结构元素和与用户相关的上下文信息可以包括一个或多个颗粒级别（granular level）和在每个颗粒级别内的一个或多个颗粒组件（granular component）。多颗粒上下文模块可以被配置为基于与用户相关的历史网络导航数据自动地检测与用户相关的上下文。多颗粒上下文模块可以被配置为自动地检测上下文的结构元素和与用户相关的上下文信息之间的依赖关系（dependency），所述依赖关系包括在一个或多个颗粒级别和在每个颗粒级别内的一个或多个颗粒组件之间的依赖关系。

在一种实施方式中，推荐构建器可以包括训练器模块（trainer module），其被配置为自动地发现一个或多个潜在预测关系（potentially predictive relationship）以及上下文的颗粒结构的结构元素和与用户相关的上下文信息之间的依赖关系。推荐器模块（recommender module）可以被配置为自动地检测对于查询的一个或多个最佳的上下文组合，作为提供给用户的上下文感知推荐。