[發明專利]一種基于云平臺的上下文感知實時推薦服務的方法

有效

• 申請號: 201911064443.6
• 申請日: 2019-10-31
• 公開（公告）號: CN110807051B
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 荀亞玲;李卓航;楊海峰;李俊吉
• 申請（專利權）人: 太原科技大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/29;G06F16/9535;H04L29/08
• 代理公司: 太原高欣科創專利代理事務所(普通合伙) 14109
• 代理人: 崔浩;冷錦超

本發明一種基于云平臺的上下文感知實時推薦服務的方法，屬于服務信息推薦方法技術領域；所要解決的技術問題為：提供一種基于云平臺的上下文感知實時推薦服務方法的改進；解決該技術問題采用的技術方案為：包括如下步驟：采用向量模型對上下文模型進行定義，對數據的關聯規則進行挖掘，采用基于滑動窗口的分布式關聯規則挖掘方法，挖掘關聯規則與匹配服務推薦：本發明應用于服務信息推薦。

技術領域

本發明一種基于云平臺的上下文感知實時推薦服務的方法，屬于服務信息推薦方法技術領域。

背景技術

信息網絡技術的迅猛發展和移動智能終端的廣泛普及，使得移動互聯網的應用備受人們的青睞，信息服務產生了海量數據，面對動態網絡環境下的海量移動服務資源，用戶對移動服務質量提出了更高的個性化要求。

目前的移動應用服務不能根據用戶實際需要增刪服務，進行靈活調整，且在用戶實際體驗時，往往依賴用戶的主觀經驗，由用戶主動選擇并觸發使用服務，而移動用戶在使用互聯網時，其預期行為往往與上下文環境如時間、位置、周圍人員、活動狀態、網絡條件等信息密切相關，例如有的用戶喜歡“早上起床”而不是“晚上睡覺”時瀏覽新聞，有的用戶喜歡在“辦公室”而不是“下班回家”進行網上購物，因此將用戶自身的上下文信息充分融入移動服務推薦過程，才能更好地適應用戶的當前實際需求，提升用戶體驗，而這些自適應調整服務的功能是目前的網絡運營提供商所不具備的。

發明內容

本發明為了克服現有技術中存在的不足，所要解決的技術問題為：提供一種基于云平臺的上下文感知實時推薦服務方法的改進。

為了解決上述技術問題，本發明采用的技術方案為：一種基于云平臺的上下文感知實時推薦服務的方法，包括如下步驟：

步驟一：采用向量模型對上下文模型進行如下定義：

上下文模型：C＝(C₁，C₂，…，C_n)；

上式中C是由n個上下文屬性組成的上下文，C_i表示一個特定類型的上下文，其中，c_i為上下文屬性C_i的一個具體屬性值，i＝1，2，…，n，則每一組屬性的具體取值為上下文C的一個實例，表示為：c＝(c₁,c₂,...,c_n)；

步驟二：定義上下文后，對數據的關聯規則進行挖掘，采用基于滑動窗口的分布式關聯規則挖掘方法：

將用戶的上下文C和所選擇的服務S記為一條事物，關聯規則需要挖掘出C和S之間具有較強聯系的規則，記做C→S；

當用戶處于上下文環境C′時，構造符合C′的可組合候選服務集，將所有規則中的C與C′進行匹配，為用戶在C′環境下提供可選的服務；

關聯規則的挖掘與服務推薦的匹配過程步驟如下：

步驟2.1：對云端的歷史數據庫進行遍歷，將數據進行水平分割存儲在Spark RDD中，由各個節點對各自的數據片進行局部計數，待所有數據片計算完成后，由reduce匯總得出頻繁1-項集FList；

步驟2.2：對Flist進行分割，采用多項式時間度算法解決Fp-Growth算法負載均衡問題；

以頻繁項集的支持度作為負載衡量的指標，將所有節點運行的時間大致保持一致，將Flist分為k組，每一組的平均時間為上式中m為頻繁項目的個數，sup(i_(q))為第q個項目i_(q)的支持度，使每一個節點的處理負載大致為

將Flist中項目分組后，形成每個分組的投影數據庫，將數據庫廣播至各對應節點；

步驟2.3：對各節點將投影數據庫劃分成大小相等的k個數據塊，得到基本滑動窗口：