[發明專利]基于情境感知的聯系人個性化推薦服務器、客戶端及方法

有效

• 申請號: 201310205255.7
• 申請日: 2013-05-29
• 公開（公告）號: CN103294801A
• 公開（公告）日: 2013-09-11
• 發明（設計）人: 陳恩紅;懷寶興;祝恒書;張磊;向彪;楊禹
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 王立民

1.一種基于情境感知的聯系人個性化推薦服務器（100）：其特征在于，包括：

用戶歷史日志分析模塊（102），用于根據用戶的歷史日志分析得到用戶的行為模式；

用戶模型生成模塊（104），用于利用所述行為模式和用戶的歷史日志建立用戶模型，所述用戶模型用來表示用戶在某種行為模式下以何種概率去聯系哪些聯系人，從而得到在該種行為模式下的推薦候選人列表；

存儲裝置（106），用于存儲所述用戶的歷史日志、用戶的行為模式以及用戶模型。

2.根據權利要求1所述的服務器，其中所述用戶歷史日志分析模塊包括：

用戶日志預處理模塊（202），用于選取該用戶聯系最頻繁的k個聯系人的歷史日志作為訓練數據，按照預定的方式對所述k個聯系人的歷史日志中的某些特征所對應的原始值進行映射得到特征所對應的映射值，形成k個以“特征-映射值”為元素的數據集，每個數據集包含n_i組“特征-映射值”，i=1,2，…k；

聚類模塊（204），用于針對k個數據集的每一個，利用DBScan聚類算法進行聚類，得到對應每個聯系人的一個或多個簇；以及

行為模式生成模塊（206），對k個聯系人的所有簇進行比較，將相似度Sim大于預定的閾值的簇取并集得到合并后的簇，將相似度Sim小于預定的閾值的簇保留，相似度比較后的全部簇即形成用戶的行為模式集合，每個簇代表一個行為模式c_i。

3.根據權利要求2所述的服務器，其中：

所述用戶模型生成模塊（104）針對每個聯系人user_j，計算用戶歷史日志中每條與該聯系人之間的歷史日志的“特征-映射值”組與每個行為模式c_i的“特征-映射值”組之間的相似度Sim，而后將該行為模式c_i下計算獲得的該聯系人user_j的歷史日志的相似度Sim累加而后作歸一化處理，從而獲得行為模式c_i下與聯系人user_j聯系的概率。

4.根據權利要求1所述的服務器，還包括：

數據接收裝置（103），用于從外界接收用戶歷史日志信息；

數據發送裝置（105），用于發送用戶模型。

觸發裝置（107），根據預定的規則，觸發用戶歷史日志分析模塊和用戶模型生成模塊對用戶模型進行重新計算。

5.根據權利要求2所述的服務器，其中：

所述歷史日志中的特征包括：日期、時間、地點、手機模式、電量；

所述歷史日志中的某些特征包括：日期、時間、地點；

所述時間特征所對應的值映射為早晨、中午、晚上；

日期特征所對應的值映射為星期、工作日、周末、月末、月初、節日；

電量特征所對應的值映射為高、中、低。

6.根據權利要求2所述的服務器：其中：

所述聚類模塊204根據下述DBScan聚類算法進行聚類：對于每個聯系人的數據集：

輸入:n_i組“特征-值”，設置半徑e，最少數目MinPts;

輸出:所有生成的簇，達到密度要求；

步驟：

（1）重復

（2）從數據集中抽出一個未處理的點（“特征-值”）；

（3）找出所有從該點觸發半徑e之內的所有附近點，如果附近點數量≥MinPts則當前點與其附近點形成一個簇，并且出發點被標記為已訪問，然后遞歸，以相同的方法處理該簇內所有未被標記為已訪問的點，從而對簇進行擴展；

（4）如果附近點的數量<MinPts，則該點暫時被標記作為噪聲點；

（5）直到所有的點都被處理。

7.根據權利要求2或3所述的服務器：其中：

所述行為模式生成模塊（102）和用戶模型生成模塊（104）根據如下方法計算相似度Sim：

輸入：兩個相同類別的特征所對應的映射值a、b，閾值beta；

輸出：相似度Sim；

步驟：

（1）計算a、b之間的距離distance，

（2）如果distance大于beta，則認為不相似，

（3）如果distance小于beta，則采用如下公式計算二者的相似度Sim：Sim=(1-sigma)*(1-(distance/beta))+sigma，

（4）返回Sim；

其中所述sigma為0-1之間的小數。