根據本公開的各個方面，提供系統和方法，用于通過在考慮到上下文的顆粒結構及其上下文信息的同時，將與用戶相關的上下文的上下文信息整合到推薦模型中，響應于與用戶相關的查詢向用戶提供推薦，來管理上下文感知推薦。

技術領域

本描述涉及用于上下文感知推薦管理（context aware recommendationmanagement）的各種基于計算機的技術。

背景技術

近年來已經見證了在移動設備的使用方面的快速增長和在線信息需求的爆發，諸如尋找最好的餐館、搜索旅游景點、和/或尋找公寓。為了便利于用戶對更準確的信息的需求，需要改進的推薦技術。而且，由于移動設備與桌面顯示器相比相對較小的顯示屏幕尺寸，需要更加準確的推薦，以便示出用于顯示的一些候選項。

發明內容

根據公開的各個方面，可以提供包括記錄在非瞬時計算機可讀介質上且至少一個處理器可運行的指令的計算機系統。計算機系統可以包括上下文感知推薦管理器，其被配置為使得至少一個處理器，通過在考慮到上下文的顆粒結構（granular structure）及其上下文信息的同時，將與用戶相關的上下文的上下文信息整合到推薦模型中，響應于與用戶相關的查詢而向用戶提供一個或多個推薦。上下文感知推薦管理器可以包括多顆粒（multi-granular）上下文模塊，其被配置為檢測與用戶相關的上下文，并且基于表現與用戶相關的信息的特征的上下文信息，確定包括顆粒結構的一個或多個結構元素（structural elements）的上下文的顆粒結構。上下文感知推薦管理器可以包括預過濾推薦范例(paradigm)模塊，其被配置為根據顆粒結構的每個結構元素之間的關系路徑（relational path）的一個或多個上下文組合對上下文信息進行預過濾，并選擇用于與每個上下文組合進行比較的與用戶相關的歷史網絡導航數據。上下文感知推薦管理器可以包括推薦構建器（recommendation builder），其被配置為通過在考慮到上下文的顆粒結構及其上下文信息的同時，計算每條不同的關系路徑與所選擇的歷史網絡導航數據相比較的推薦性能（recommendation performance），在推薦模型中對用于查詢的每個上下文組合進行建模（model），并且確定具有最佳推薦性能的一個或多個上下文組合中的至少一個，由此選擇一個或多個最佳的上下文組合，用于響應于查詢向用戶提供一個或多個推薦。

在一種實施方式中，上下文可以包括多個上下文，而多個上下文中的每一個包括具有多顆粒組織（multi-granular organization）的層級結構。與上下文相關聯的上下文信息可以揭示用戶查詢的意圖。上下文信息可以包括用戶發出的查詢的時間和位置。推薦構建器可以被配置為對于<查詢，位置，時間>選擇最佳的上下文組合。與上下文相關聯的上下文信息可以包括用戶簡檔，用戶簡檔包括以下各項中的一個或多個：用戶性別、用戶年齡、用戶個人愛好、用戶薪水、用戶喜歡的和/或反感的、以及與用戶相關聯的一個或多個社交網絡。

在一種實施方式中，上下文的顆粒結構的結構元素和與用戶相關的上下文信息可以包括一個或多個顆粒級別（granular level）和在每個顆粒級別內的一個或多個顆粒組件（granular component）。多顆粒上下文模塊可以被配置為基于與用戶相關的歷史網絡導航數據自動地檢測與用戶相關的上下文。多顆粒上下文模塊可以被配置為自動地檢測上下文的結構元素和與用戶相關的上下文信息之間的依賴關系（dependency），所述依賴關系包括在一個或多個顆粒級別和在每個顆粒級別內的一個或多個顆粒組件之間的依賴關系。

在一種實施方式中，推薦構建器可以包括訓練器模塊（trainer module），其被配置為自動地發現一個或多個潛在預測關系（potentially predictive relationship）以及上下文的顆粒結構的結構元素和與用戶相關的上下文信息之間的依賴關系。推薦器模塊（recommender module）可以被配置為自動地檢測對于查詢的一個或多個最佳的上下文組合，作為提供給用戶的上下文感知推薦。