[發明專利]一種基于反饋的自適應主客觀權重上下文感知系統及其工作方法

有效

• 申請號: 201611252003.X
• 申請日: 2016-12-30
• 公開（公告）號: CN106650937B
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 許宏吉;周英明;房海騰;潘玲玲;孫君鳳;許征征;杜保臻
• 申請（專利權）人: 山東大學
• 主分類號: G06N5/00
• 分類號: G06N5/00;G06N5/04
• 代理公司: 濟南金迪知識產權代理有限公司 37219
• 代理人: 楊樹云

1.一種基于反饋的自適應主客觀權重上下文感知系統，其特征在于，包括原始上下文信息采集模塊、上下文融合模塊、上下文推理模塊、上下文應用模塊以及用戶模塊；

所述原始上下文信息采集模塊與所述上下文融合模塊相連，所述上下文融合模塊、所述上下文推理模塊、所述上下文應用模塊以及所述用戶模塊依次循環連接；

所述原始上下文信息采集模塊用于采取不同的方式從不同的信息源采集原始上下文信息，所述原始上下文信息是指從不同傳感器采集到的原始數據；所述上下文融合模塊用于對原始上下文信息進行融合處理，提取出可供所述上下文推理模塊使用的初級上下文信息；所述上下文推理模塊用于對各種不同的初級上下文信息進行推理，得出可供所述上下文應用模塊直接使用的高級上下文信息；所述上下文應用模塊利用所述高級上下文信息，調整相應應用程序或設備，為用戶提供恰當的服務；所述用戶模塊提取用戶顯式或隱式反饋，經過量化評估后轉化為對每類上下文信息準確性的判斷信息，發送至主客觀權重管理單元，用于對各類上下文信息進行主觀權重和客觀權重各自貢獻率的優化；所述顯式反饋是指用戶主動做出的反饋行為，所述隱式反饋是指上下文感知系統通過用戶表情識別，用戶行為分析間接推斷出來的用戶數據；

所述上下文融合模塊包括依次連接的上下文信息預處理單元、主客觀權重管理單元、上下文信息融合單元；

所述上下文信息預處理單元對原始上下文信息進行數據建模，建模模式為“感知類型+感知信息”，并對原始上下文信息分類，通過均值方法、最小二乘方法、最大似然估計方法或卡爾曼濾波方法對同類上下文信息間進行缺失值處理和融合操作；

所述主客觀權重管理單元用于：根據系統感知事件類型，確認需要分配權重的上下文信息種類，并用主觀賦權算法計算各類上下文信息的主觀權重，所述主觀賦權算法包括：Delphi算法、循環打分法、二項系數法和層次分析法；然后用客觀賦權法計算各類上下文信息的客觀權重，所述客觀賦權法包括主成分分析法、變異系數法、熵權法和多目標規劃法，根據用戶反饋的評估量化信息動態計算各類上下文信息的主觀權重和客觀權重的貢獻率，最后根據貢獻率得出各類上下文信息的主客觀權重；

所述上下文信息融合單元對所述主客觀權重管理單元給出的多類上下文信息和主客觀權重用多種信息融合算法進行融合，得到初級上下文信息，所述信息融合算法包括基于神經網絡的融合算法，基于卡爾曼濾波的融合算法、基于模糊理論的融合算法和基于D-S證據理論的融合算法。

2.根據權利要求1所述的一種基于反饋的自適應主客觀權重上下文感知系統，其特征在于，所述上下文推理模塊包括依次連接的決策管理單元和上下文信息推理單元；

所述決策管理單元根據初級上下文信息的種類和感知事件類型選擇合適的推理方法，并為多種信息融合算法的結果分配不同的權重以提高推理準確度；

所述上下文信息推理單元根據所述決策管理單元給出的推理方法，對所述上下文信息融合單元的不同融合算法產生的初級上下文信息進行推理處理，得到可供所述上下文應用模塊直接使用的高級上下文信息，所述推理方法包括本體推理方法、基于規則的推理方法、基于證據論的推理方法和基于貝葉斯網絡的推理方法。

3.權利要求2所述的一種基于反饋的自適應主客觀權重上下文感知系統的工作方法，其特征在于，包括步驟如下：

S01：原始上下文信息采集

從各類傳感器獲取原始上下文信息；

S02：上下文信息建模

所述上下文信息預處理單元對原始上下文信息進行數據建模，建模模式為“感知類型+感知信息”；

S03：上下文信息分類融合

所述上下文信息預處理單元對原始上下文信息進行分類，即表示同種屬性的上下文信息歸為同類原始上下文信息，同類原始上下文信息間，通過均值方法、最小二乘方法、最大似然估計方法或卡爾曼濾波方法進行缺失值處理和融合操作；

S04：確認感知所需上下文信息類型

所述主客觀權重管理單元根據系統感知事件類型及各類上下文信息與該事件的相關性來確認需要分配權重的上下文信息種類，需要分配權重的上下文信息種類數量總數設為n；

S05：計算各類上下文信息主觀權重

所述主客觀權重管理單元運用主觀賦權算法，根據用戶偏好，為需要分配權重的n類上下文信息分配權重，權重向量表示為Ws_i表示第i類上下文信息的主觀權重值；

S06：計算各類上下文信息客觀權重

所述主客觀權重管理單元運用客觀賦權算法，為需要分配權重的n類上下文信息分配權重，權重向量表示為Wo_i表示第i類上下文信息的客觀權重值；

S07：判斷是否有反饋產生

所述主客觀權重管理單元判斷是否有來自所述用戶模塊的用戶反饋，若有，則執行步驟S08，若沒有，則執行步驟S09；

S08：計算貢獻率

所述主客觀權重管理單元根據用戶反饋的評估量化信息來計算主觀權重和客觀權重的貢獻率，主觀權重的貢獻率為α，客觀權重的貢獻率為1-α，計算公式如式(Ⅰ)所示：

式(Ⅰ)中，T_i為用戶產生的反饋總數；R_i為：在有用戶反饋的情況下，第i類上下文信息經融合推理后得到的結果與用戶反饋一致的數目；

S09：主客觀權重合成

所述主客觀權重管理單元根據貢獻率對各類上下文信息的主觀權重和客觀權重進行合成，得到每類上下文信息的主客觀權重值，合成公式如式(Ⅱ)所示：

式(Ⅱ)中，W_i為第i類上下文信息的主客觀權重值；

最終得到的主客觀權重為

S10：多算法上下文信息融合

所述上下文信息融合單元結合主客觀權重，用不同的上下文信息融合算法，分別對多類上下文信息進行融合，每種信息融合算法得出一個概率向量，用來表示系統所有感知結果的可能性，這幾個相同或者不同的概率向量作為初級上下文信息用來進行上下文信息推理；

S11：上下文信息推理

所述上下文推理模塊利用所述決策管理單元給出的推理算法，對步驟S10得到的初級上下文信息進行推理，幾個相同或者不同的概率向量經過相應的推理算法推理后得到最終的感知結果，即可供所述上下文應用模塊應用的高級上下文信息；

S12：上下文應用

所述上下文應用模塊接收到高級上下文信息后，調整相應應用程序或設備，為用戶提供恰當的服務；

S13：用戶反饋

所述用戶模塊記錄用戶在使用上下文應用過程中對系統進行的調整或用戶在使用系統過程中的行為，作為用戶的顯式反饋或者隱式反饋；

S14：評估量化

所述用戶模塊提取用戶顯式反饋或者隱式反饋，轉化為對每類上下文信息準確性的判斷信息，發送至所述主客觀權重管理單元進行主觀權重和客觀權重各自貢獻率的優化。