[发明专利]基于滑动式交互操作的推荐系统及方法

说明书

一种基于滑动式交互操作的推荐系统及方法，包括以下步骤：1)监测用户本次浏览过程中的滑动信息，从中提取浏览速度稳定度stabtest和浏览速度序列；2)将浏览速度稳定度stabtest分别与正稳定性边界Bp和负稳定性边界Bn比较，如stabtest>Bp则推荐与本次浏览同类的内容，如stabtest<Bn则屏蔽与本次浏览同类的内容，如果Bn≤stabtest≤Bp，则进行下一步骤；3)对浏览速度序列进行切分降维，利用评分分类器预测用户兴趣，根据用户兴趣向用户推荐内容，本发明对用户浏览速度的隐藏特征进一步提取，有效的提高推荐的准确性，能够有效判断用户在浏览过程中的兴趣变化，从而更加准确及时地判断用户最终对内容的兴趣程度。

技术领域

本发明涉及的是一种智能交互领域的技术，具体是一种基于滑动式交互操作的推荐系统及方法。

背景技术

基于智能终端上人机交互操作的推荐方法主要作用是可以从各类人机交互操作中提取隐式的用户对内容的喜好程度，从而弥补大多数用户在浏览过程结束后不评分带来的数据稀疏问题，其中较为广泛被应用的就是访问频率和阅读停留时间。访问频率是利用用户对内容的访问次数来进行推荐的，即越多的访问次数就表示用户对内容的兴趣越大。阅读停留时间则是利用了用户在浏览过程中的平均速度，即越低的浏览平均速度表示用户对内容的兴趣大。

发明内容

本发明针对现有技术多通过页面停留时间或点击次数作为隐式反馈，其推荐准确性较低等缺陷，提出一种基于滑动式交互操作的推荐系统及方法。

本发明是通过以下技术方案实现的：

本发明涉及一种基于滑动式交互操作的推荐系统，包括：特征提取模块、模型训练模块、评分预测模块和推荐模块，其中：模型训练模块根据已有的数据确定正稳定性边界Bp和负稳定性边界Bn，并训练评分分类器，特征提取模块从用户本次浏览过程中的滑动信息提取浏览速度稳定度和浏览速度序列，评分预测模块接收本次浏览的浏览速度稳定度和浏览速度序列并根据从模型训练模块接收的正稳定性边界Bp、负稳定性边界Bn和评分分类器以获得用户兴趣，推荐模块接收用户兴趣并生成推荐列表。

本发明涉及上述系统的实现方法，包括以下步骤：

1)监测用户本次浏览过程中的滑动信息，从中提取浏览速度稳定度stabtest和浏览速度序列；

2)将浏览速度稳定度stabtest分别与正稳定性边界Bp和负稳定性边界Bn比较，如stabtest&gt;Bp则推荐与本次浏览同类的内容，如stabtest&lt;Bn则屏蔽与本次浏览同类的内容，如果Bn≤stabtest≤Bp，则进行下一步骤；

3)对浏览速度序列进行切分降维，利用评分分类器预测用户兴趣，根据用户兴趣向用户推荐内容。