[發明專利]給游客推薦其很可能會瀏覽的景點的方法

在審

• 申請號: 201310533179.2
• 申請日: 2013-11-01
• 公開（公告）號: CN103559252A
• 公開（公告）日: 2014-02-05
• 發明（設計）人: 史一帆;文益民;繆裕青;李芳
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q10/04;G06Q50/14
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 巢雄輝

技術領域

本發明屬于智能信息處理技術，具體涉及一種基于聚類與馬爾科夫（Markov）的預測方法，可用于解決游客偏好預測、旅游產品信息預取、旅游產品推薦等問題，特別是給游客推薦其很可能會瀏覽的景點。

背景技術

隨著互聯網與旅游業的不斷發展，人們可以隨時隨地從旅游網站上了解各種旅游信息，但是，旅游信息太多，嚴重的信息過載使得游客不容易從因特網上找到自己想要的旅游信息，同時導致游客基于因特網做出旅游決策的效率愈低。然而，個性化旅游推薦成為解決這一問題的有效工具。

現在，個性化推薦系統也已經成為人們的熱點。其中，獲取游客的偏好成為個性化旅游推薦的關鍵，在游客訪問旅游網站時候，游客的行為信息是獲取游客的需求與偏好的主要來源，通過分析游客的行為，可以預測游客的需求與偏好，從而為游客提供旅游信息的主動推送，同時，預測出的需求與偏好信息還可以進一步用于個性化旅游推薦。在本發明中主要通過分析游客的瀏覽行為信息來給游客主動推送旅游信息。

游客的行為包括顯示反饋行為和隱式反饋行為，利用顯示反饋行為可以很明顯地知道游客的偏好，比如對瀏覽景點的打分，標記喜歡或者不喜歡，想去、不想去或者是去過，以及游客直接輸入的偏好信息等；而隱式反饋行為卻不能很明顯的看出游客的偏好。根據游客普遍的行為習慣，當游客訪問網站時，若想了解某些信息，一般都會在搜索框中搜索，或者點擊某個喜歡的鏈接繼續瀏覽，而在瀏覽頁面時，若游客比較關注某處內容，一般都會做出一些標記行為，比如鼠標拖選，或者就是瀏覽時在某處停留一段時間，因為游客的瀏覽行為往往要受到其內在興趣的驅動，如：游客只有對相關的頁面信息感興趣，才會打開相應的鏈接并主動瀏覽相關的內容。

本發明主要針對游客瀏覽旅游網站時的隱性反饋行為做出分析處理，預測游客的下一步要瀏覽的景點，其采集的游客瀏覽行為包括：鼠標點擊、鍵盤搜索、鼠標拖選、瀏覽截取。

由于游客瀏覽的景點內容依附于網頁，因此游客的瀏覽景點的行為的預測與網頁的智能預取之間存在著一定的相似性和相關性，網頁智能預取的算法也可以嘗試用來解決景點瀏覽的預測。

班志杰等人(班志杰,古志民,金瑜.Web預取技術綜述[J].計算機研究與發展.2009,46(2):202-210)對網頁智能預取的方法做了一個總結，指出共有五種典型的方法：1)基于DG(dependency?graph)的方法;2)基于數據挖掘的方法;3)基于成本函數的方法;4)基于語義預測模型的方法;5)基于馬爾可夫（Markov）預測模型的方法。許多學者采用馬爾可夫預測模型進行網頁預取。Dhyani等人(D.Dhyani,S.S?Bhowmick?and?W.K.Ng,“Modelling?and?Predicting?Web?Page?Accesses?Using?Markov?Processes,”Proc.International?Workshop?on?Database?and?Expert?Systems?Applications,2003,pp.332-336)將頁面瀏覽過程看做一個馬爾可夫鏈,并利用n步轉移矩陣來進行預測。在分析研究馬爾可夫模型和K步馬爾可夫模型后,Awad等人(M.A.Awad,I.Khalil,“Prediction?of?User's?Web?Browsing?Behavior:Application?of?Markov?Model,”Proc.IEEE?transactions?on?systems,man,and?cybernetics.Part?B,Cybernetics:a?publication?of?the?IEEE?Systems,Man,and?Cybernetics?Society,vol42,no.4,Aug.2012,pp.1131-1142)提出了利用修改后的馬爾可夫模型與關聯規則挖掘的方法來進行網頁預取。Faten和Chimphlee等人（K.Faten,J?Y?Li?and?H?Wang,“A?framework?of?combining?Markov?model?with?association?rules?for?predicting?web?page?accesses,”Proc.Australasian?Data?Mining?Conference,Nov.2006,pp.177-184；S.Chimphlee,N.Salim,M.S.B.Ngadiman?and?W.Chimphlee,“Using?Association?Rules?and?Markov?Model?for?Predit?Next?Access?on?Web?Usage?Mining,”Proc.Advances?in?Systems,Computing?Sciences?and?Software?Engineering,2006,pp.371-376)也利用了低階馬爾可夫模型和關聯規則來預測下一步將訪問的網頁，這不僅可以避免復雜的高階馬爾可夫模型,也可以減少關聯規則的數量，以便做出更準確的預測。Nanopoulos等人(A.Nanopoulos,D.Katsaros?and?Y.Manolopoulos,“A?Data?Mining?Algorithm?for?Generalized?Web?Prefetching,”IEEE?Transactions?on?Knowledge?and?Data?Engineering,vol.15,no.5,Sep.2003,pp.1155-1169)在研究馬爾可夫模型和DG后，提出了一個新的基于關聯規則的預測方法WMo。邢永康等人(邢永康,馬少平.類Markov鏈用戶瀏覽預測模型[J].計算機學報.2003,26(11):1510-1517)指出：受瀏覽目的、文化背景、愛好和其他因素的影響,不同的用戶其瀏覽過程不盡相同，假定每個用戶的瀏覽行為都可以用一條馬爾科夫鏈來表示。通過計算每個用戶的Markov狀態轉移概率矩陣之間的相似性，根據標準函數，通過聚類Markov鏈將用戶聚類為多個用戶群，并為每個用戶群建立一個新的馬爾可夫模型。當用戶訪問該網站時，根據其瀏覽行為，利用貝葉斯分類算法將該用戶歸入某個用戶群，并利用其所屬用戶群相應的馬爾可夫預測模型預測該用戶下一步想要訪問的頁面。