[發明專利]基于用戶模型演進的推薦裝置和方法

有效

• 申請號: 201410007167.0
• 申請日: 2014-01-07
• 公開（公告）號: CN104765752B
• 公開（公告）日: 2018-10-16
• 發明（設計）人: 方芳;謝瑀;何亮
• 申請（專利權）人: 三星電子（中國）研發中心;三星電子株式會社
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 張川緒;張云珠

公開了一種基于用戶模型演進的推薦裝置和方法。所述裝置推薦包括：用戶模型建模單元，被配置為從一個或多個客戶端裝置接收用戶日志信息，并基于每個客戶端裝置的用戶的用戶日志信息，為每個用戶建立用戶模型；演進模式分析單元，被配置為對每個用戶的用戶模型隨時間的演進模式進行分析；推薦內容生成單元，被配置基于演進模式分析單元的分析結果來預測目標用戶的用戶模型演進趨勢，產生與預測結果相應的推薦內容并將與預測結果相應的推薦內容發送給目標用戶的客戶端裝置，其中，所述用戶日志信息包括用戶使用互聯網時關于用戶瀏覽行為的數據，其中，所述演進模式表示用戶在不同時間段的興趣偏好的變化。

技術領域

本申請涉及一種推薦裝置和方法，更具體地講，涉及一種基于用戶模型演進的個性化推薦裝置和方法。

背景技術

隨著互聯網技術的迅速發展，互聯網上能夠使用的服務數量急劇增加，人們在海量數據中尋找感興趣的信息變得越發困難。因此，需要一種可根據每個用戶的不同興趣偏好，在用戶進行搜索或網絡瀏覽時為該用戶推薦相應內容（例如，網頁）的方法，從而為用戶提供有針對性的個性化推薦服務。

現有的個性化推薦方法主要包括兩種：內容推薦方法和協同過濾方法。基于內容的推薦方法適用于內容類別便于分辨和標注的情況。協同過濾方法通常基于用戶歷史數據，以用戶對產品和/或服務的評價為基礎向目標用戶推薦其潛在感興趣的產品和/或服務。

然而，現有的方法均是針對歷史數據進行用戶建模，并根據用戶的歷史和/或現有的興趣偏好或行為進行推薦，這樣只能反映出用戶過去或已經存在的興趣或行為模式，而沒有考慮到用戶的興趣或行為的未來發展趨勢。此外，現有的個性化推薦方法對于時間因素的考慮均是針對用戶建模過程進行的，而并未將其擴展到對用戶未來的興趣或行為趨勢的預測上。

發明內容

根據本發明的一方面，提供了一種基于用戶模型演進的推薦裝置，所述裝置包括：用戶模型建模單元，被配置為從一個或多個客戶端裝置接收用戶日志信息，并基于每個客戶端裝置的用戶的用戶日志信息，為每個用戶建立用戶模型；演進模式分析單元，被配置為對每個用戶的用戶模型隨時間的演進模式進行分析；推薦內容生成單元，被配置基于演進模式分析單元的分析結果來預測目標用戶的用戶模型演進趨勢，產生與預測結果相應的推薦內容并將與預測結果相應的推薦內容發送給目標用戶的客戶端裝置。所述用戶日志信息可包括用戶使用互聯網時關于用戶瀏覽行為的數據。所述演進模式可表示用戶在不同時間段的興趣偏好的變化。

所述用戶模型建模單元可包括：日志信息存儲模塊，被配置為存儲從客戶端裝置接收的用戶日志信息；建模模塊，被配置為從日志信息存儲模塊獲取由日志信息存儲模塊在特定時間段內存儲的每個用戶的用戶日志信息，并基于獲取的每個用戶的用戶日志信息，為每個用戶建立針對所述特定時間段的用戶模型；用戶模型存儲模塊，被配置為存儲為每個用戶建立的用戶模型。

所述演進模式分析單元可包括：演進模式分析模塊，被配置為使用所有用戶的針對最近時間段建立的用戶模型以及上一次的用戶模型演進模式的分析結果，對每個用戶的用戶模型演進模式進行分析；演進分析結果存儲模塊，被配置為存儲演進模式分析模塊的分析結果。

所述推薦內容生成單元可包括：預測模塊，被配置為在演進分析結果存儲模塊中搜索與目標用戶具有最相似的用戶模型演進模式的用戶，使用搜索到的用戶的用戶模型演進模式來預測目標用戶的用戶模型演進趨勢，并產生與預測結果相應的推薦內容；推薦內容存儲模塊，被配置為存儲與預測結果相應的推薦內容；推薦內容同步模塊，將存儲的與預測結果相應的推薦內容發送給目標用戶的客戶端裝置。

如果客戶端裝置收集的原始格式的用戶日志信息被所述客戶端裝置轉換為可傳輸格式之后發送到推薦裝置，則所述用戶模型建模單元還可包括：日志同步模塊，被配置為將從客戶端裝置接收的可傳輸格式的用戶日志信息轉換回原始格式的用戶日志信息，并將原始格式的用戶日志信息存儲在日志信息存儲模塊中。