[發明專利]一種基于情境的用戶興趣信息查詢方法

有效

• 申請號: 201410222754.1
• 申請日: 2014-05-23
• 公開（公告）號: CN103970891B
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 鄧曉濤;鄭昊;何祥
• 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;G06F17/27
• 代理公司: 北京德琦知識產權代理有限公司11018
• 代理人: 王雙,王琦

技術領域

本申請涉及人工智能領域，特別涉及一種基于情境的用戶興趣信息查詢方法。

背景技術

當前工業界越來越重視情境計算和感知計算技術的發展，例如：2013年蘋果公司提出的M7運動協處理器技術和iBeacon技術、諾基亞的HAIP技術、谷歌的Sensor Hub和谷歌地圖的Floor計劃、摩托羅拉公司的監聽麥克風技術(always-listening mircophone)技術等。結合傳統的情境傳感器(context sensor)，現有智能設備和可穿戴設備可以精確收集和分析出用戶的情境；而現有的文本聚類、分類、潛在語意和精確語意算法可以從用戶的瀏覽日志和第三方服務日志中分析出用戶的興趣，并可以基于該興趣進行用戶信息的搜索或推薦排序。

現有的情境傳感/感知技術主要有：GPS、電子陀螺儀、加速計、溫濕度、氣壓、低功耗藍牙等傳感器技術，這些技術在獨立應用對服務提供了良好的支持，用戶在使用這些傳感器的同時也反映了用戶的興趣。

現有的用戶興趣提取技術主要有：分類/模糊分類、聚類/模糊聚類、潛在語義分析等。以下分別進行簡單介紹。

分類/模糊分類：這類技術主要是利用事先定義好的類別或者標簽對現有的用戶數據進行分析分類，當用戶數據趨向于某一個或者幾種分類后，就將該類類別或者標簽定義為用戶興趣。這種預定義的分類方式對于動態變化的用戶興趣來說，很難準確地分析用戶興趣。另一方面，雖然分類方法具有一定的學習能力，這種方法對用戶的長期興趣有一定幫助，但是，個性化服務需要體現出實時和即時興趣來進行服務，因此，按照該分類/模糊分類進行興趣分析，并利用興趣分析結果進行用戶信息搜索和推薦的處理時，在智能設備上難以體現出該興趣分析的優越性。

聚類/模糊聚類：這類技術主要是通過分析大量的用戶歷史記錄，然后將具有相同偏好的用戶進行歸類，在進行個性化服務中，會依據同類別的興趣分析結果進行用戶信息的搜索和推薦處理。該技術在智能設備的應用中需要依賴用戶數據，涉及到用戶隱私。而基于同組其他用戶偏好進行“個性化服務”，就失去了個性化的特點。

潛在語義分析：語義分析廣泛用于自然語言處理技術中，該技術在分析用戶興趣特征中有很好的應用。在基于語義模型的應用場景中，一般采用的是以本體(Ontology)技術為載體，通過本體進行推理(Reasoning)獲得用戶興趣，再依據獲得的用戶興趣進行用戶信息搜索和推薦的處理。但在智能設備中，支持本體技術的框架以及知識庫還不夠成熟，在個性化服務領域沒有通用的解決方案。

綜上所述，利用現有的這些興趣分析方式進行用戶興趣信息的查詢、進而進行搜索和推薦的處理時，雖然互有利弊，但是目前普遍存在如下技術問題：

1.智能設備端的解決方案不成熟：由于智能設備在數據容量、計算能力上的局限性，無法進行大規模的數據處理，并且對于用戶興趣抽取方面的框架和解決方案不成熟，主要表現在實施的算法和技術在智能設備上的優勢不明顯，無法提供基于用戶興趣的最佳實踐。而基于服務器端的解決方案存在用戶隱私安全的問題，用戶需要將私有數據上傳到服務器進行分析，暴露安全問題。

2.Context信息利用不充分：現有智能設備配備有很多智能傳感器，這些傳感器有利于反應當前用戶偏好，并能提供更準確的個性化服務，而通常各個設備提供接口不統一，數據標準不統一，導致無法充分利用現有的Context信息，也無法提供精準的個性化服務。

3.缺乏個性化興趣模型：智能設備為個性化服務提供了入口，但由于內容服務商在進行個性化服務時，沒有建立統一的用戶偏好模型，導致無法有效的、準確的為用戶提供服務。主要體現在：數據不完整，信息不充分，模型不統一。

可見，利用目前的興趣分析方式進行用戶興趣信息查詢時，無法提供準確的個性化查詢結果，利用該查詢的興趣進行搜索和推薦的處理時，無法提供準確的個性化搜索和推薦結果，檢索和推薦效率較低。

發明內容

本申請提供一種基于情境的用戶興趣信息查詢方法，能夠提高個性化查詢的準確性。

為實現上述目的，本申請采用如下的技術方案：

一種基于情境的用戶興趣信息查詢方法，包括：

a、獲取用戶的日志及其對應的情境信息；所述情境信息為傳感器采集的數據信息組合；

b、對獲取的用戶日志進行特征分析和提取，確定每條日志對應的興趣特征，并對所有日志對應的興趣特征進行語義分析，生成興趣模型；所述興趣模型包括任一興趣在各條日志中的統計信息和任一興趣特征在各個興趣中的統計信息，所述興趣為若干興趣特征構成的集合；