[发明专利]一种行为感知偏好获取系统及其获取方法

说明书

技术领域

本发明涉及信息推送技术领域，尤其涉及一种行为感知偏好获取系统及其获取方法。

背景技术

电子商务的急剧发展与扩张将人们带入了数字化信息的海洋，电子商务功能的迅速发展也带来了传统服务模式的变革，网上购物、在线业务办理等新型服务模式为人们的生活带来了很大的便利。随着“面向服务”、“普适计算”等新技术的广泛应用，使得各类电子商务网站上的资源呈现爆炸性的增长，并且这种增长大大超过了人们能够接受和有效利用的范围，这也就是我们熟知的“信息过载”问题。在这种背景下，如何从繁多的信息化商品中为不同的用户推荐出符合其偏好的商品，已经成为制约电子商务平台发展的关键性因素。

传统的个性化推荐服务研究主要通过挖掘“用户-项目”之间的二元关系来构建用户偏好模型，而这种方法仅仅将“用户-项目”间的二元关系数据作为单一数据源，并依赖于基于内容的过滤、协同过滤等技术来实现，而用户偏好是在环境上下文、用户行为状态等多种影响因素共同作用下的结果。因此采用这种方法所构建的用户偏好模型，不能客观的反应出用户的真实偏好，在实际的应用中难以取得较好的推荐结果。

近年来，各研究机构及商业网站对于偏好获取策略的研究取得了较多成果，许多研究者开始将上下文信息融入偏好获取过程，相比于传统的推荐方法，取得了较好的推荐效果。但是这些方法主要都是将上下文信息融入偏好获取模型中，缺少对于用户行为规律性的研究分析，在推荐精确度、算法适用性等方面还有很大的不足。

发明内容

为克服上述现有技术的不足，本发明的目的在于提供一种行为感知偏好获取系统及其获取方法，依据用户历史记录及上下文信息作为数据源，通过行为感知及偏好获取算法来获取用户偏好，能够向用户提供高质量的个性化服务，提高了网络资源利用率，有效的解决了大数据时代日益严峻的“信息过载”问题。

为实现上述目的，本发明的采用的技术方案是：

一种行为感知偏好获取系统，所述偏好获取系统包括用户行为数据获取子系统、数据存储与管理子系统、用户行为感知计算子系统、用户偏好获取子系统，其中：

用户行为数据获取子系统，用以完成获取用户的历史行为数据，并据此生成融入上下文信息的用户行为数据；

数据存储与管理子系统，用以完成用户历史行为数据、上下文信息、用户行为类集、偏好算法集、用户偏好等数据信息的存储与管理；

用户行为感知计算子系统，用以完成依据用户行为数据的分类预处理，通过构建标准偏好空间、计算行为波动阈值、判断偏好是否可预知等为用户行为进行分类；

用户偏好获取子系统，用以依据用户行为感知分类结果及用户行为数据提取用户偏好信息，并根据用户反馈、具体应用环境等对获取的用户偏好进行自适应修正。

所述用户行为数据获取子系统包括：用户历史行为生成模块、上下文信息生成模块；

所述用户历史行为生成模块，用以根据用户历史行为记录生成符合偏好获取算法需求的数据源；

所述用户上下文信息生成模块，用以实现与用户历史行为对应的上下文信息的生成，包括地理上下文、情绪上下文、环境上下文。

所述用户行为感知计算子系统包括：标准偏好空间构建模块、行为波动阈值计算模块、可预知偏好判定模块、行为分类模块；其中，

所述标准偏好空间构建模块，针对当前用户群组，采用k-中心点方法对用户偏好行为进行聚类，得出的k个用户行为簇的并集即表示标准偏好空间，用以分离用户行为孤点及判断用户偏好是否可预测；

所述行为波动阈值计算模块，用以针对当前用户群组，采用量化的偏好均值来表示用户偏好的变化，即用户行为波动，并根据其量化值分布特征计算波动阈值以分离用户行为孤点；

所述可预知偏好判定模块，依据标准偏好空间分离出的行为孤点，以判断相应用户偏好行为是否具有可预测性；

所述行为分类模块，用以依据标准偏好空间及行为波动阈值将用户行为分类，输出用户与不同行为类的对应关系。

所述用户偏好获取子系统包括：偏好计算模块、偏好自适应修正模块，其中：

所述偏好计算模块，根据用户行为感知计算子系统所获取的用户行为分类数据，修正基础偏好获取算法，获取用户偏好并输出结果至数据存储与管理子系统；

所述偏好自适应修正模块，用以依据用户反馈、客观应用环境等对用户偏好进行惩罚性/增强性修正，并输出结果至数据存储与管理子系统。

一种行为感知偏好获取方法，包括以下步骤：

1)获取触发推荐算法运行指令；