一种移动网络中用户偏好的获取方法及系统

摘要

本发明公开了一种移动网络中用户偏好的获取方法及系统，通过建立一个基于上下文计算的用户偏好获取模型，将可利用的上下文信息分为当前上下文和历史上下文，并因之将上下文的计算分为当前上下文感知计算和历史上下文计算，然后以用户历史行为及其上下文作为主要的数据源，通过协同过滤和历史上下文计算等方法逐步精确挖掘用户偏好及其变化；然后根据所述用户偏好获取模型，结合移动网络的实际情况，设计一个移动网络中用户偏好获取系统，以检验所述用户偏好提取模型对移动网络实际场景中的拟合效果，从而验证所述用户偏好提取模型的有效性和先进性。最终实现从海量信息中提取出针对不同对象的群组用户偏好和个体用户偏好的目的。

主权项

一种移动网络中用户偏好的获取系统，其特征在于，所述获取系统包括用户历史行为及上下文生成子系统（21）、数据存储与管理子系统（22）、数据挖掘子系统（23）、用户偏好提取子系统（24）和用户偏好自适应子系统（25）；其中：用户历史行为及上下文生成子系统（21），用以完成移动用户历史行为及用户历史行为上下文的数据生成；所述用户历史行为及上下文生成子系统（21）进一步包括：用户历史行为生成模块（211）和用户历史行为上下文生成模块（212）；其中，所述用户历史行为生成模块（211），用于实现用户历史行为的数据生成功能，其输出结果为群组用户偏好提取的数据源；所述用户历史行为上下文生成模块（212），用于实现用户历史行为上下文的数据生成功能，其输出结果为用户历史行为上下文计算的数据源；数据存储与管理子系统（22），用以完成用户历史行为数据、用户历史行为上下文信息、用户偏好信息的存储，及用于通过用户信息表、用户历史行为表、用户历史行为上下文信息表、群组用户偏好表、个体用户偏好表以及用户界面相关的数据表对各类数据信息进行管理；所述的上下文信息，包括用户位置、时间、环境参数、邻近的设备和人员、用户活动信息；数据挖掘子系统（23），用以完成用户聚类和用户历史行为上下文计算；所述数据挖掘子系统（23），进一步包括用户聚类模块（231）和用户历史行为上下文计算模块（232）；其中，所述用户聚类模块（231），基于用户对移动服务的使用量，通过运用K‑Means聚类算法，将所有用户划分到K个不同的聚类中,使得同一聚类中的用户相似度较高，不同聚类中的用户相似度较低，聚类分析结束后，每个用户拥有一个聚类号标记；所述用户历史行为上下文计算模块（232），用于对用户历史行为上下文进行计算，以求出个体用户对某一方面上下文的兴趣度；用户偏好提取子系统（24），用于根据所述数据挖掘子系统（23）的计算结果，提取群组用户偏好和个体用户偏好信息，并输出到所述数据存储与管理子系统（22）；以及用户偏好自适应子系统（25），用以完成用户偏好变化/冲突检测、用户偏好修正，并将检测结果或修正的结果保存在数据存储与管理子系统（22）中。