專利名稱：一種個性化信息推薦的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及無線互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種個性化信息推薦的方法。
背景技術(shù)：
隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，使得海量的信息涌現(xiàn)在大家面前，我們已然進(jìn)入了 一個信息爆炸的時代。在此背景下，一方面用戶越來越不容易從中發(fā)現(xiàn)自己感興趣的內(nèi)容， 另一方面也使得大量的信息無人問津，無法被普通用戶所獲取。同樣，在通過手機(jī)終端訪問 的無線互聯(lián)網(wǎng)，已經(jīng)實(shí)現(xiàn)了和互聯(lián)網(wǎng)的互通，自然也面臨著相同的問題。搜索引擎技術(shù)是目前解決信息過剩的常用方法，搜索引擎技術(shù)通過網(wǎng)絡(luò)爬蟲遍歷 收錄互聯(lián)網(wǎng)上的海量數(shù)據(jù)，建立索引并進(jìn)行序列化存儲，然后利用前端搜索頁面，對用戶輸 入的關(guān)鍵詞進(jìn)行中英文分詞處理和匹配檢索，而后將符合條件的信息內(nèi)容按照一定的排序 算法進(jìn)行展現(xiàn)。該技術(shù)方案存在以下缺點(diǎn)1、需要用戶主動輸入搜索關(guān)鍵詞，普通用戶不會使用復(fù)雜的檢索條件；2、很多情況下檢索出來的信息內(nèi)容依然是大量的，需要用戶進(jìn)行二次或多次的重 復(fù)檢索；3、無法定位和分析用戶的歷史行為，也不能分析用戶的使用偏好；4、同樣的搜索關(guān)鍵詞只能呈現(xiàn)給所有用戶一樣的排序結(jié)果，無法針對不同用戶的 興趣愛好提供相應(yīng)的服務(wù)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種個性化信息推薦的方法，能夠自動記錄分析用戶行 為，挖掘用戶屬性及偏好，實(shí)現(xiàn)了用戶屬性和信息內(nèi)容的匹配，并主動推薦給用戶。為達(dá)此目的，本發(fā)明采用以下技術(shù)方案一種個性化信息推薦的方法，適用于無線互聯(lián)網(wǎng)，包括以下步驟A、手機(jī)上的行為記錄模塊記錄用戶訪問無線互聯(lián)網(wǎng)的行為，并發(fā)送給服務(wù)器；B、對用戶訪問的頁面的內(nèi)容進(jìn)行分析，得到用戶感興趣的頁面集；C、對用戶訪問頁面的行為進(jìn)行分析，得到用戶對頁面的興趣度；D、將所述感興趣的頁面集與頁面的興趣度進(jìn)行結(jié)合，建立用戶興趣模型；E、對用戶項矩陣進(jìn)行維數(shù)簡化，并計算項集相似性，產(chǎn)生推薦的個性化信息。步驟B進(jìn)一步包括以下步驟根據(jù)用戶的瀏覽日志記錄，得到用戶的瀏覽歷史頁面的地址；從服務(wù)器中獲取地址對應(yīng)的頁面，作為瀏覽內(nèi)容興趣描述的數(shù)據(jù)源；從頁面內(nèi)容抽取元數(shù)據(jù)，對頁面文檔進(jìn)行文本特征表示，建立用戶興趣矩陣。建立文檔集合D= W1, d2，…，dn}，其中文檔Cli采用向量空間模型表示為Cli = KT1, W1)，(T2, W2)，…，(Tn, ffn)},n為文檔Cli特征向量的個數(shù)，Ti為文檔Cli的第i個特征
3向量，Wi為文檔Cli中Ti的權(quán)值。還包括以下步驟將文本分詞，由特征詞作為向量的維數(shù)來表示文本，相對詞頻采用以下公式 還包括以下步驟采用以下公式計算兩個特征向量之間相似性的相似度 其中，C (X，Y)表示頁面X與Y的相似度，Xi與Yi表示X與Y對應(yīng)的特征詞的權(quán)值。步驟C中，用戶訪問頁面的行為包括用戶對頁面的瀏覽時間和翻頁/拉動滾動條 的次數(shù)。步驟E中，采用單值分解方法對用戶項矩陣進(jìn)行維數(shù)簡化。步驟E中，通過產(chǎn)生最近鄰居集和相應(yīng)的top-N推薦集，產(chǎn)生推薦的個性化信息。步驟E中，采用以下公式計算用戶的興趣度，predu, t = U，+TS1/2(u) · S172D' (t)，其中 U，是用戶 u 的平均評估值。采用了本發(fā)明的技術(shù)方案，通過手機(jī)終端軟件記錄、分析用戶行為，深度挖掘用戶 屬性，總結(jié)用戶使用偏好，建立用戶屬性與信息內(nèi)容之間的關(guān)聯(lián)關(guān)系，綜合使用多種推薦算 法，從而可以進(jìn)行個性化推薦，即向不同的用戶推薦不同的各自感興趣的信息內(nèi)容，實(shí)現(xiàn)了 依據(jù)用戶屬性自動進(jìn)行滿足用戶偏好的個性化信息過濾和內(nèi)容推薦，極大的節(jié)省了用戶的 信息檢索時間，是一個解決目前信息過剩的有效方法，具有重要的社會應(yīng)用價值。


圖1是本發(fā)明具體實(shí)施方式
中個性化信息推薦的流程圖。
具體實(shí)施例方式下面結(jié)合附圖并通過具體實(shí)施方式
來進(jìn)一步說明本發(fā)明的技術(shù)方案。個性化推薦引擎由三個部分組成收集用戶信息的行為記錄模塊，分析用戶喜好 的模型分析模塊和推薦算法模塊。行為記錄模塊負(fù)責(zé)記錄用戶的喜好行為，例如瀏覽、下 載、訂閱、問答、評分、購買等，其中的問答和評分的信息相對容易采集，然而很多用戶不愿 意向系統(tǒng)提供這些信息，那么就需要通過其他方式對用戶的行為進(jìn)行分析，例如瀏覽、下 載、購買、訂閱等行為。通過這些用戶的行為記錄分析用戶的潛在偏好產(chǎn)品和喜好程度，這 就是模型分析模塊所要實(shí)現(xiàn)的工作。模型分析模塊的功能能夠?qū)τ脩舻男袨橛涗涍M(jìn)行分 析，建立合適的模型來描述用戶的喜好信息。最后是推薦算法模塊，利用后臺的推薦算法， 實(shí)時的從內(nèi)容庫中篩選出用戶感興趣的信息和產(chǎn)品進(jìn)行推薦。其中，推薦算法模塊是推薦 系統(tǒng)中最為核心的部分。圖1是本發(fā)明具體實(shí)施方式
中個性化信息推薦的流程圖。如圖1所示，該個性化信息推薦的流程包括以下步驟步驟101、手機(jī)上的行為記錄模塊記錄用戶訪問無線互聯(lián)網(wǎng)的行為，并發(fā)送給服務(wù)行為記錄模塊實(shí)現(xiàn)相對簡單，它通過安裝在手機(jī)上的終端軟件記錄用戶的瀏覽、 訂閱等行為，并直接傳輸至服務(wù)器進(jìn)行存儲。通過手機(jī)終端軟件采集用戶行為有著先天的 優(yōu)勢，在這里，可以實(shí)現(xiàn)用戶的自動登錄和身份認(rèn)證，也就是說我們很容易知道來的用戶是 誰。而在PC的瀏覽器上大多數(shù)用戶放棄了輸入用戶名和密碼登錄，這樣顯然服務(wù)器不知道 來的是誰，自然也就無法進(jìn)行行為記錄和分析。步驟102、根據(jù)用戶的瀏覽日志記錄，得到用戶的瀏覽歷史頁面的地址；從服務(wù)器 中獲取地址對應(yīng)的頁面，作為瀏覽內(nèi)容興趣描述的數(shù)據(jù)源。用戶興趣模型描述所基于的web瀏覽內(nèi)容是指用戶瀏覽頁面的內(nèi)容信息，它被用 于基于內(nèi)容的聚類分析。這些頁面的內(nèi)容信息主要來源于web服務(wù)器端，首先根據(jù)用戶的 瀏覽日志記錄，得到單一用戶的瀏覽歷史頁面URL，然后從數(shù)據(jù)庫服務(wù)器中取出這些URL對 應(yīng)的web頁面，作為對瀏覽內(nèi)容興趣描述的數(shù)據(jù)源。步驟103、從頁面內(nèi)容抽取元數(shù)據(jù)，對頁面文檔進(jìn)行文本特征表示，建立用戶興趣 矩陣。與數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)相比，web文檔具有有限的結(jié)構(gòu)，即使具有一些結(jié)構(gòu)，也 是著重于格式而非文檔內(nèi)容。此外，文檔的內(nèi)容是人類所使用的自然語言，計算機(jī)很難處理 其語義。Web文本信息源的這些特殊性使得現(xiàn)有的數(shù)據(jù)挖掘技術(shù)無法直接應(yīng)用于其上。這 就需要對文本進(jìn)行預(yù)處理，抽取代表其特征的元數(shù)據(jù)，作為文檔的中間表示形式。我們采用 近年來應(yīng)用較多且效果較好的特征表示法向量空間模型(Vector Space ModelVSM)法。 在VSM中，將文本文檔看成由一組詞條(T1, T2,…，Tn)構(gòu)成，對于每一詞條Ti,根據(jù)其在文 章中的重要程度賦予一定的權(quán)重W”因此，所有用于挖掘的頁面文檔都可以用詞條特征矢 M ((TijW1), (T2, W2),…，(Tn，Wn)}表示。要將文本表示為向量空間中的一個向量，就先要 將文本分詞，由這些特征詞作為向量的維數(shù)來表示文本，最初的向量表示完全是0、1形式， 即，如果文本中出現(xiàn)了該詞，那么文本向量的該維為1，否則為0。這類方法無法體現(xiàn)這個詞 在文本中的作用程度，所以0、1逐漸被更精確的詞頻代替，詞頻分為絕對詞頻和相對詞頻。 絕對詞頻，即使用詞在文本中的出現(xiàn)頻率表示文本；相對詞頻為規(guī)一化的詞頻，其計算方法 主要運(yùn)用TF-IDF公式，目前存在多種TF-IDF公式，我們可采用一種比較普遍的TF-IDF公 式 我們把用于挖掘的頁面文檔作為一個文檔集合。這樣對于文檔集合D= {di; d2，···，(! }中的任一文檔屯，采用向量空間模型表示為Cli = ((TijW1), (T2, W2),…，(Tn, WnM。其中η為文檔Cli特征向量的個數(shù)，Ti為文檔Cli的第i個特征向量，Wi為文檔Cli中Ti 的權(quán)值。采用向量空間模型表示的數(shù)據(jù)，必須選擇計算兩個特征矢量之間相似性的相似度 函數(shù)?，F(xiàn)在常用的方法有歐幾里德距離、曼哈坦距離和夾角余弦函數(shù)。我們在這里采用夾 角余弦函數(shù)。但是在計算時可能會遇到用于比較的兩個特征矢量長度不一樣，我們可以采
5用添零補(bǔ)齊的方法使兩者長度一致。夾角余弦函數(shù)如下 其中，C (X，Y)表示頁面X與Y的相似度，Xi與Yi表示X與Y對應(yīng)的特征詞的權(quán)值。 頁面X與Y值越相似，C(x，Y)值越大；反之則越小。步驟104、對用戶訪問頁面的行為進(jìn)行分析，得到用戶對頁面的興趣度。研究表明，用戶很多瀏覽行為都能很好地反映用戶的興趣。用戶的很多動作都能 暗示用戶的喜好，如查詢、瀏覽頁面和文章、標(biāo)記書簽、反饋信息、點(diǎn)擊鼠標(biāo)、拖動滾動條、前 進(jìn)、后退等。另外用戶訪問時的停留時問、訪問次數(shù)、保存、編輯、修改等動作也能夠揭示用 戶興趣。這些行為究竟怎樣反映用戶的興趣，我們需要對其進(jìn)行量化估算。從表面上看能揭示用戶對網(wǎng)頁P(yáng)興趣度d(P)的瀏覽行為很多，但我們分析發(fā)現(xiàn)， 起關(guān)鍵作用的是兩種行為在網(wǎng)頁P(yáng)上的瀏覽時間t(p)(簡稱T行為)和翻頁/拉動滾動 條的次數(shù)V(P)(簡稱V行為)。原因有三1)查詢、編輯、修改等行為必定增加網(wǎng)頁瀏覽時 間和翻頁次數(shù)，因此能夠通過后者間接的得到反映。2)執(zhí)行了保存、標(biāo)記書簽等動作的頁 面，若真為用戶關(guān)心，通常以后會被多次調(diào)出來重新瀏覽，故可體現(xiàn)為訪問次數(shù)。3)點(diǎn)擊鼠 標(biāo)動作不被考慮，因為簡單動作不能有效揭示用戶興趣。為了找到T，V與網(wǎng)頁興趣度的定量關(guān)系，通過分析和實(shí)驗，我們采用一元線性回 歸方法作為網(wǎng)頁興趣建模分析的工具。線性回歸分析方法是在分析研究對象變化趨勢的基 礎(chǔ)上建立函數(shù)模型，從而研究對象之間存在的相互依存關(guān)系。步驟105、將感興趣的頁面集與頁面的興趣度進(jìn)行結(jié)合，建立用戶興趣模型。Web瀏覽內(nèi)容分析，就是采用Web聚類分析方法對用戶已瀏覽的Web頁面集進(jìn)行內(nèi) 容聚類，得到用戶感興趣的頁面集；Web瀏覽行為分析是對用戶瀏覽頁面時的行為信息進(jìn) 行分析，得到用戶對單一頁面的興趣濃度。將二者相結(jié)合，就得到了用戶感興趣的主題類別 及對每類主題的興趣度，即用興趣分類樹表示的用戶興趣模型。步驟106、采用單值分解方法對用戶項矩陣進(jìn)行維數(shù)簡化。通常所用的協(xié)同過濾技術(shù)的用戶項矩陣的數(shù)據(jù)表述方法所帶來的稀疏性嚴(yán)重 制約了推薦效果，在系統(tǒng)較大的情況，它既不能精確地產(chǎn)生推薦集，又忽視了數(shù)據(jù)之間 潛在的關(guān)系，有必要對這種矩陣表示方式做優(yōu)化，我們采用單值分解(singular value decomposition, SVD)技術(shù)對用戶項矩陣進(jìn)行維數(shù)簡化。單值分解是一種矩陣分解技術(shù)，它可將一個mXn的矩陣分解為3個矩陣R = T0S0D' 0，S0 = diag( σ ” · · ·，σ r)其中，σ i彡…彡彡0，Ttl和Dtl分別是mXr和nXr的正交矩陣(TJQ，= I， DQDQ’= I)，r是矩陣R的秩(r彡min(m，n))。Stl是一個rXr的對角矩陣，所有的σ r大于 0并按照大小順序排列，稱為單值(singularvalue)。通常對于矩陣R = TtlStlD'『??；力和 Dtl必須是滿秩的。但單值分解有一個優(yōu)點(diǎn)，它允許存在一個簡化的近似矩陣。對于Stl，保留 k個最大的單值，將其余的用0來替代，這樣，我們就可以將Stl簡化為僅有k個單值的矩陣 (k < r)。因為引入了 0，可以將Stl中的值為0的行和列刪除，得到一個新的對角矩陣S，如 果矩陣Ttl和Dtl據(jù)此簡化得到矩陣T和，那么有重構(gòu)的矩陣Rk = TSD', Rk ^ R0單值分解能夠生成初始矩陣R的所有秩等于k的矩陣中與矩陣足最近似的一個。本方案將單值分解應(yīng)用到推薦系統(tǒng)中，首先將矩陣R中評估值為0的稀疏項用相 關(guān)列的平均值代替，即項的平均評估值。接著將矩陣每行規(guī)范化為相同長度，用— ’代 替原來的(r/是相關(guān)列的項的平均評估值).進(jìn)行規(guī)范化的目的是因為選擇不同數(shù)量項 的用戶對相似度計算結(jié)果的影響不同，容易造成偏差，規(guī)范化為相同長度后，選擇項數(shù)目較 多的用戶對相似度計算結(jié)果的影響降低了。經(jīng)過這樣的處理，我們得到矩陣R’，這是算法的 輸入矩陣，由此，得到我們的推薦算法輸人矩陣R’、用戶U、與之對應(yīng)的已選項集Iu。輸出相關(guān)矩陣T，S，D0過程①用單值分解方法分解矩陣R’得到矩陣I；、S0和隊。②將Stl簡化為維數(shù)為k的矩陣，得到S (k < r，r是矩陣R的秩)。③相應(yīng)簡化矩陣Ttl和Dtl得到T，D0④計算S的平方根得到S172。⑤計算兩個相關(guān)矩陣TS1/2，S172D'。TS172是mXk的矩陣，它描述的是用戶在k維空間中的關(guān)系，即用戶對k個元一項 的評估值。可以理解為用戶矩陣，矩陣S"2D’大小為nXk，可以理解為相應(yīng)的項矩陣。步驟107、通過產(chǎn)生最近鄰居集和相應(yīng)的top-N推薦集，產(chǎn)生推薦的個性化信息。采用向量空間方法計算相似性，這里分析的對象是經(jīng)過SVD分解后的mXk矩陣 TS"2，前面我們提到它描述的是用戶在k維空間中的關(guān)系，因為經(jīng)過單值分解，大大降低了 它的數(shù)據(jù)稀疏性，可以產(chǎn)生更精確的最近鄰居集和相應(yīng)的top-N推薦集。步驟108、除了 top-N推薦集外，還可以計算用戶u對任意項t的興趣度，因為兩個 矩陣TS"2，S172D'的乘積就是規(guī)范化后的評估值，則對矩陣TS"2的第u行和矩陣S"2D’的第 t列的內(nèi)積反規(guī)范化，就得到實(shí)際的評估值，如下所示predu,t = U，+TS"2(U) · S172D' (t)U’是用戶u的平均評估值。基于維數(shù)簡化的推薦算法較好地解決了數(shù)據(jù)稀疏性的問題，同時，因為k《n，計算 消耗有相應(yīng)的降低，也有利于解決擴(kuò)展性問題。與協(xié)同過濾技術(shù)一樣，基于維數(shù)簡化的算法 也是面向用戶的算法，可以提供真正的帶有個性化色彩的推薦結(jié)果。本具體實(shí)施方式
可以使用手機(jī)終端的先天優(yōu)勢，自動記錄分析用戶行為，挖掘用 戶屬性及偏好，實(shí)現(xiàn)了用戶屬性和信息內(nèi)容的匹配，并主動推薦給用戶。用戶不再需要輸入 關(guān)鍵詞，也不再需要在海量的信息里大海撈針一般的尋找自己想要的內(nèi)容。以上所述，僅為本發(fā)明較佳的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋 在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
一種個性化信息推薦的方法，適用于無線互聯(lián)網(wǎng)，其特征在于，包括以下步驟A、手機(jī)上的行為記錄模塊記錄用戶訪問無線互聯(lián)網(wǎng)的行為，并發(fā)送給服務(wù)器；B、對用戶訪問的頁面的內(nèi)容進(jìn)行分析，得到用戶感興趣的頁面集；C、對用戶訪問頁面的行為進(jìn)行分析，得到用戶對頁面的興趣度；D、將所述感興趣的頁面集與頁面的興趣度進(jìn)行結(jié)合，建立用戶興趣模型；E、對用戶項矩陣進(jìn)行維數(shù)簡化，并計算項集相似性，產(chǎn)生推薦的個性化信息。
2.根據(jù)權(quán)利要求1所述的一種個性化信息推薦的方法，其特征在于，步驟B進(jìn)一步包括 以下步驟根據(jù)用戶的瀏覽日志記錄，得到用戶的瀏覽歷史頁面的地址；從服務(wù)器中獲取地址對應(yīng)的頁面，作為瀏覽內(nèi)容興趣描述的數(shù)據(jù)源；從頁面內(nèi)容抽取元數(shù)據(jù)，對頁面文檔進(jìn)行文本特征表示，建立用戶興趣矩陣。
3.根據(jù)權(quán)利要求2所述的一種個性化信息推薦的方法，其特征在于，建立文檔集合D= Id1, d2,…，dn}，其中文檔屯采用向量空間模型表示為Cli = ((TijW1), (T2, W2),…，(Tn, WnM，η為文檔Cli特征向量的個數(shù)，Ti為文檔Cli的第i個特征向量，Wi為文檔Cli中Ti的權(quán) 值。
4.根據(jù)權(quán)利要求3所述的一種個性化信息推薦的方法，其特征在于，還包括以下步驟將文本分詞，由特征詞作為向量的維數(shù)來表示文本，相對詞頻采用以下公式
5.根據(jù)權(quán)利要求3所述的一種個性化信息推薦的方法，其特征在于，還包括以下步驟采用以下公式計算兩個特征向量之間相似性的相似度 ，其中，c(x，Y)表示頁面X與Y的相似度，Xi與Yi表示X與Y對應(yīng)的特征詞的權(quán)值。
6.根據(jù)權(quán)利要求1所述的一種個性化信息推薦的方法，其特征在于，步驟C中，用戶訪 問頁面的行為包括用戶對頁面的瀏覽時間和翻頁/拉動滾動條的次數(shù)。
7.根據(jù)權(quán)利要求1所述的一種個性化信息推薦的方法，其特征在于，步驟E中，采用單 值分解方法對用戶項矩陣進(jìn)行維數(shù)簡化。
8.根據(jù)權(quán)利要求7所述的一種個性化信息推薦的方法，其特征在于，步驟E中，通過產(chǎn) 生最近鄰居集和相應(yīng)的top-N推薦集，產(chǎn)生推薦的個性化信息。
9.根據(jù)權(quán)利要求8所述的一種個性化信息推薦的方法，其特征在于，步驟E中，采用以 下公式計算用戶的興趣度，predu, t = u’ +TS1/2(u) · S172D' (t)，其中 U’ 是用戶 u 的平均評估值。
全文摘要
本發(fā)明公開了一種個性化信息推薦的方法，適用于無線互聯(lián)網(wǎng)，手機(jī)上的行為記錄模塊記錄用戶訪問無線互聯(lián)網(wǎng)的行為，并發(fā)送給服務(wù)器；對用戶訪問的頁面的內(nèi)容進(jìn)行分析，得到用戶感興趣的頁面集；對用戶訪問頁面的行為進(jìn)行分析，得到用戶對頁面的興趣度；將所述感興趣的頁面集與頁面的興趣度進(jìn)行結(jié)合，建立用戶興趣模型；對用戶項矩陣進(jìn)行維數(shù)簡化，并計算項集相似性，產(chǎn)生推薦的個性化信息。采用了本發(fā)明的技術(shù)方案，能夠自動記錄分析用戶行為，挖掘用戶屬性及偏好，實(shí)現(xiàn)了用戶屬性和信息內(nèi)容的匹配，并主動推薦給用戶。
文檔編號H04L29/08GK101923545SQ20091008647
公開日2010年12月22日 申請日期2009年6月15日 優(yōu)先權(quán)日2009年6月15日
發(fā)明者陳豪 申請人:北京百分通聯(lián)傳媒技術(shù)有限公司