[發(fā)明專利]面向LBS的基于馬爾可夫預(yù)測算法的個性化推薦方法

有效

• 申請?zhí)枺?/td>: 201510925927.0
• 申請日: 2015-12-11
• 公開（公告）號: CN105488213B
• 公開（公告）日: 2019-05-24
• 發(fā)明（設(shè)計）人: 王岢;徐曉飛;葉允明
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)深圳研究生院
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 深圳市科吉華烽知識產(chǎn)權(quán)事務(wù)所(普通合伙) 44248
• 代理人: 孫偉

本發(fā)明提出了一種面向LBS的基于馬爾可夫預(yù)測算法的個性化推薦方法，使用Slope One算法進行數(shù)據(jù)填充，解決稀疏性問題，將Markov預(yù)測法與協(xié)同過濾推薦相結(jié)合利用對用戶興趣點的評分對情境進行分類，記錄用戶情境轉(zhuǎn)移情況，并根據(jù)用戶的情境轉(zhuǎn)移情況形成一個時間觀察序列，進而使用Markov預(yù)測法預(yù)測用戶下一個時刻的用戶的情境信息，在實際生活中，情境的地理位置對用戶興趣點的轉(zhuǎn)移有著重要的影響，因此在使用協(xié)同過濾推薦相關(guān)技術(shù)計算用戶情境的相似度的過程中，也充分結(jié)合地理位置對相似度的影響，從而大幅度提高了向用戶推薦情景的質(zhì)量，由此可見本發(fā)明改進的推薦算法相對于傳統(tǒng)的推薦算法有著很大的優(yōu)勢，有助于提高推薦的質(zhì)量。

技術(shù)領(lǐng)域

本發(fā)明屬于互聯(lián)網(wǎng)通信技術(shù)領(lǐng)域，具體涉及一種基于馬爾可夫預(yù)測算法的個性化推薦方法。

背景技術(shù)

許多學(xué)科都涉及到對情境(Context)的研究，每個學(xué)科在對情境感知系統(tǒng)研究的時候，都會有自己對情境的定義。目前，情境并沒有給出統(tǒng)一的定義。Schilit和Theimer定義情境為位置、用戶和周圍的人和物體，把情境看作是用戶周圍的人的身份、溫度、位置、時間的組合。Bazire和Brézillon對各個領(lǐng)域的情境給出定義并進行了檢驗。Ryan把情境定義為用戶的注意力集中點、方向、情緒狀況、位置、日期、周圍環(huán)境的人和物體。目前對情境的定義得到普遍認(rèn)同的是Schilit等人在1994年提出的認(rèn)為情境包含了所有可以使興趣發(fā)生改變的實體，是對實體狀態(tài)的反應(yīng)，具有動態(tài)改變的特征。

在計算機科學(xué)領(lǐng)域也有自己對情境的定義，根據(jù)研究的內(nèi)容給出了情境的七個要素：時間、地點、輸入、需求、習(xí)慣、背景。隨著移動互聯(lián)網(wǎng)的發(fā)展，對于情境信息的研究顯得至關(guān)重要，通過獲取移動用戶的興趣點即所處的情境，通過研究分析，可以更好的向移動用戶提供服務(wù)。Palmisano等人為顧客構(gòu)建在不同購買情境下的獨立配置文件，用于在不同購買情境下建立獨立模型，方便預(yù)測特定情境下用戶群的用戶行為。

早在2002，Lai等人提出的資源管理系統(tǒng)就是位置情景信息在個性化推薦系統(tǒng)中的，該系統(tǒng)通過得到用戶有效的位置信息，向用戶提供個性化的服務(wù)。隨后，推薦系統(tǒng)又將商場的位置的位置信息作為推薦的重要因素，結(jié)合用戶消費的信息，包括購物的時間和日期、購物籃中的商品組合等，設(shè)計出一個向消費者實時推薦服務(wù)和物品的智能購物車系統(tǒng)。

近年來，隨著社交網(wǎng)絡(luò)、電子商務(wù)網(wǎng)站的興起，人們的消費習(xí)慣正在慢慢地發(fā)生變化，為了滿足用戶日益增長個性化消費的需求，越來越多的人開始通過互聯(lián)網(wǎng)獲取推薦的服務(wù)信息并線下消費體驗服務(wù)。

古凌嵐在非專利文獻(xiàn)1(古凌嵐.基于情境的Web服務(wù)推薦方法[J].計算機工程與設(shè)計,2014,35(3):1115-1120)中提出了一解決Web服務(wù)組合過程的問題的方法。該基于情境的服務(wù)推薦算法，首先構(gòu)建情境模型描述服務(wù)、用戶評價信息、用戶特征，之后收集必要的信息，建立并且更相信相應(yīng)的服務(wù)緩存，采用聚類的方法處理相似情境的用戶和服務(wù)，得到符合服務(wù)質(zhì)量和滿足功能的最初結(jié)果，最終將符合用戶興趣偏好的候選項目使用基于情境的推薦方法處理，推薦給用戶，其中使用的服務(wù)推薦框架如附圖1所示。

隨著對協(xié)同過濾推薦系統(tǒng)研究的深入，Annie將位置情境信息綜合到協(xié)同過濾推薦系統(tǒng)之中，而且又給出了計算兩個不同情境a和情境b之間相似度的公式：

式中r_u,i,ai——用戶u在情境a對Itemi的評價；——用戶u對全部Item評價的平均分；σ_ai——代表情境a的方差值。因此該推薦系統(tǒng)首先要計算當(dāng)前的位置情境a信息與待推薦的位置情境之間的相似度，之后根據(jù)相似度的計算結(jié)果將相關(guān)的推薦項目推送給用戶。位置情境的相似度可以衡量一用戶ua是否為目標(biāo)用戶ub的鄰居用戶，結(jié)合目前已有的理論知識和實際情況，真正對系統(tǒng)有參考價值的是鄰居用戶對項目的評分。