[發明專利]價值驅動的多因素維度空間多介尺度融合的動態推薦系統

有效

• 申請號: 202010032685.3
• 申請日: 2020-01-13
• 公開（公告）號: CN111177571B
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 段玉聰;樊珂;湛樓高;宋蒙蒙;雷羽瀟;曹凱
• 申請（專利權）人: 海南大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9537
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于價值驅動的多因素維度空間多介尺度融合的動態推薦系統，其特征在于將多因素維度空間多介尺度進行融合，在價值驅動下優化推薦過程，實時進行動態調整，減少用戶的思考代價，最大化用戶舒適度體驗，具體為：

S1：設計面向多因素維度空間多介尺度的數據采集與處理模塊，采集用戶不同維度的信息數據，進行融合處理；

S2：設計統計學習模塊對采集到的數據進行統計學習，以不同維度劃分的不同關鍵字出現概率，通過目的分析邏輯判斷模塊依據概率推斷用戶目的，實現邏輯判斷；

S3：設計推薦管理模塊，根據用戶目的進行分析，基于用戶思考代價實現價值驅動的推薦，最后通過設置運行模塊進行推薦；

其特征在于步驟S1還包括使用數據采集與處理模塊；

其中系統的數據采集與處理模塊操作步驟如下：系統進行多維度數據采集，假設維度可區分，多維度數據包括時間維度上的數據、空間維度上的數據、事件維度上的數據、基本信息維度上的數據；經過用戶授權后，系統采集的數據以時間維度、空間維度作為標記，結合用戶基本信息數據，用戶基本信息數據包括用戶的職業、工作時間、工作地點、家庭地址的信息，此時用戶基本數據與時間維度、空間維度有交叉；事件維度上的數據是在時間維度、空間維度上進行采集，包括用戶每一次使用設備進行活動時，活動事件開始結束的時間、地理位置、具體事件活動過程包括用戶使用APP或小程序、搜索欄內容關鍵詞、點擊查看內容關鍵詞；根據用戶需要，系統進行已知信息數據的整合處理工作，包括先將用戶的活動按照時間、地理位置、用戶具體事件活動過程匯總成表，并按時間分類為工作時間和非工作時間，按地理位置分類為工作地址、家庭地址、其他地址，在表中進行標注，然后根據用戶具體時間活動過程確定活動目的關鍵詞，該關鍵詞由用戶根據自身情況進行設定；根據數據的重用特性，已采集到的用戶基本信息除非用戶選擇修改，則不再進行新的采集任務，每當使用到相關信息時進行數據重用；

其特征在于步驟S2還包括使用統計學習模塊、目的分析邏輯判斷模塊；

其中系統的統計學習模塊操作步驟如下：將從數據采集與處理模塊采集處理的數據輸入到統計學習模塊，按不同維度進行統計學習，如按時間維度，以30天為一個周期，現將活動事件數據分類為工作時間、非工作時間，再進行在工作時間、非工作時間內不同活動目的關鍵詞出現的次數的統計，得到不同關鍵詞活動在不同時間出現的概率，也可統計映射到更細分的時間段[t₁，t₂]內，不同關鍵字活動出現的概率p_i[t1,t2]，i代表不同關鍵字，將統計結果按概率從大到小排序并匯總成表;同理可映射到在不同地理環境內不同關鍵字活動出現的概率p_i(dj)，i代表不同關鍵字，dj代表不同地理環境，將統計結果匯總成表；統計結果作為目的分析邏輯判斷的重要參考因素；

其中系統的目的分析邏輯判斷模塊操作步驟如下：首先根據從統計學習模塊得到的以不同維度劃分的不同關鍵字出現概率匯總表，將此作為用戶目的判斷的重要條件之一，用以判斷用戶的可能目的，由時間維度映射出的用戶可能目的用pop₁表示，由空間維度映射出的用戶可能目的用pop₂表示，pop₁和pop₂的內容是統計表中最大概率表示的事件；進一步地，及時獲取用戶當前活動，即用戶使用的APP或小程序，進一步推斷用戶的可能目的，由pop₃表示；再進一步，獲取用戶使用APP或小程序進行的搜索關鍵字，用戶的可能目的由pop₄表示；用戶最終的可能目的由公式：pop_End=a*pop₁+b*pop₂+c*pop₃+d*pop₄+α決定，pop_End是最終可能目的，a、b、c、d是影響因子，也可作為權重，α是其他影響因素，用以決定經過不同步驟得到的用戶可能目的的影響程度，0≤a,b,c,d≤1，用戶輸入的內容越清晰，可推理得到的用戶最終目的也越清晰；

其特征在于步驟S3還包括使用推薦管理模塊、設置運行模塊；推薦管理的目的是給用戶推薦一系列服務以拉近用戶和用戶目的間距離，距離可通過手在屏幕上滑動的尺度、次數、點擊進去的層次進行衡量；

其中系統的推薦管理模塊操作步驟如下：根據從目的分析邏輯判斷模塊計算得出的用戶最終目的進行推薦管理，由用戶最終可能目的進行分析，分析出達到此目的需要經過何種步驟以及關聯的內容，將分析步驟依照邏輯按組織給出，一步步擴大組織范圍，將達成用戶目的所要完成的步驟列出，在此基礎上進行推薦管理，組成不同的推薦管理方案構成一個網絡；減少用戶的思考代價由推薦管理的前后順序決定，若系統推薦的內容符合用戶期望，則減少了用戶思考代價，用戶思考代價thought_value由公式：thought_value=e*x+f*y+g*z+α決定，x表示手在屏幕上滑動的尺度，y表示點擊屏幕次數，z表示點擊進去的層次，α是其他因素，e，f，g是影響因子，也可作為權重；經過計算，取思考代價最小的推薦管理方案作為最終結果；

其中系統的設置運行模塊操作步驟如下：根據系統的推薦管理方案按步驟推送給用戶。