CN103106259A - 一种基于情境的移动网页内容推荐方法 - Google Patents

Abstract

本发明涉及一种在移动终端设备上根据当前情境为用户提供个性化网页浏览的内容推荐方法：记录用户每次浏览移动网页时的情境信息以及所浏览内容的类型，对用户浏览历史记录中的相同网页浏览历史记录进行计数，计算当前情境与用户偏好表中情境的相似度，根据情境相似度的计算结果由高到低对用户偏好表进行重排序，根据排序结果则可为用户推荐相关网页内容。本发明将情境感知技术融入到移动网页个性化浏览应用中，能够为用户提供更加精准的个性化信息，进一步提高用户体验。

Description

一种基于情境的移动网页内容推荐方法

技术领域

本发明涉及一种在移动终端设备上根据当前情境为用户提供个性化网页浏览服务过程中内容推荐的具体方法。

背景技术

随着社会的发展和科技的进步，互联网技术正以不可预知的速度蓬勃发展，并逐渐步入千家万户，深入到人们的日常生活、学习和工作当中。互联网为人们提供了大量丰富多彩的信息，涉及到各种领域包括新闻、科学研究、教育、娱乐等等，同时这些网络资源数量也呈现着指数增长的趋势。由于互联网大小和规模的快速增长，其内容和类型也变得越来越复杂和多样化。用户浏览网页时，通常会被海量的网络信息所淹没，在寻找自己感兴趣的内容的过程中，通常要花费更多的精力和时间。个性化服务是一种具有针对性的服务方式，以用户为中心，通过分析用户的兴趣点或偏好，为用户提供和推荐相关的信息。个性化的网络浏览能够针对个体用户仅为用户推送其感兴趣的内容，忽略其他信息，进而减轻用户浏览网页时信息泛滥的情况，改善用户体验。

近几年来，随着移动智能终端设备的普及，通过移动终端设备特别是智能手机接入互联网获取信息变得越来越普遍。由于移动智能终端设备具有屏幕小、网络连接带宽受限等特点，因此移动网页的个性化浏览更成为研究的热点，一方面，方便用户阅读其感兴趣的内容，减少用户分心；另一方面，通过服务器仅加载用户感兴趣的内容，可以加快网页内容的显示，也能够节省流量，节省上网费用。

情境感知技术能够为个性化的网页浏览体验提供技术支持。情境是用来描述实体特征的信息，实体包括人、物以及各种与用户或应用交互的对象。情境感知就是感知实体或用户身份，所处地点，当前时间，做什么，怎么做的过程。而这些信息，通常需要通过多种手段来获得，移动智能终端设备为情境感知提供了硬件支持。现今的移动智能终端大多嵌入了多种传感器包括加速度传感器、GPS等。智能终端可以感知用户情境，进而分析当前用户及其个性化特征，包括用户位置、当前时间、行为动作等。通过对用户及其情境进行分析，能够获取用户个性化信息，最终为用户提供个性化服务。将情境感知技术融入到移动网页的个性化浏览中，一方面能够充分利用移动终端的移动性获取多种用户情境，另一方面能够为用户提供更加精准的个性化信息，进一步提高用户体验。

网页个性化浏览多通过推荐技术实现，传统的推荐技术包括协同过滤推荐、基于内容的推荐和知识型推荐等，而现代的推荐技术则包括了基于情景感知的推荐、语义推荐、跨域推荐等。目前已经出现了一些移动网页个性化浏览的方法，多是通过用户注册信息、网页浏览记录和评论等信息获取用户偏好，对多个用户进行分析，采用协同过滤的方法为用户推荐用户感兴趣的内容，如专利200910089587.7。专利201110023436.9在此基础上，添加了位置模块，为用户推荐当前所在地、常驻地或潜在目的地的相关新闻，而并未考虑用户历史位置信息对用户偏好的作用。以上所述专利中，第一，用户必须进行注册，通过对多个注册用户进行分析，采用过协同过滤的方法为个体用户进行内容推荐；第二，在获取用户偏好时，并未考虑用户的情境信息，包括时间、地点和用户的行为等。因此，若网页不提供用户注册或身份识别等功能，要为个体用户推送更加精准的个性化信息，进一步提高用户体验，则需要充分使用用户情境信息分析用户偏好，实现基于内容的推荐。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于情境的移动网页个性化浏览的内容推荐方法。该方法能够充分利用移动设备获取用户情境，通过情境分析用户偏好和行为，在不同情境下为用户推送不同的用户感兴趣的内容，提高用户阅读移动网页的用户体验。

技术方案

一种基于情境的移动网页内容推荐方法，其特征在于步骤如下：

步骤1：记录用户每次浏览移动网页时的情境信息以及所浏览内容的类型，用户每点击一条网页内容时，将当前网页的情境信息以及点击内容的类型以用户网页浏览历史记录发送到服务器数据库中并保存；所述情境信息为日期、时间和地点；

所述用户网页浏览历史记录表示为：

R_history＝(C₁,C₂,…,C_n,Conent)

其中，C_k表示用户的不同情境信息，k表示情境的个数，Content是用户所点击的网页内容的类型；

步骤2：对用户浏览历史记录中的相同网页浏览历史记录进行计数，以Clicktimes表示用户在不同情境下分别点击不同类型的内容的次数，生成的用户偏好表为：

R_preference＝(C₁,C₂,…,C_n,Conent，Clicktimes)；

步骤3：在用户通过移动终端设备打开网页的过程中，通过该设备获取用户的当前情境CTX_cur＝(C₁,C₂,…,C_n)，采用如下情境相似度计算公式计算当前情境与用户偏好表中情境的相似度，

$\mathrm{similarity}(x,y)=\frac{{\mathrm{\Σ}}_{k=1}^n{w}_k{\mathrm{\δ}}_k{s}_k(x,y)}{{\mathrm{\Σ}}_{k=1}^n{\mathrm{\δ}}_k}$

其中：s_k(x,y)是情境x与y的分情境C_k的相似度s_k(x,y)；δ_k表示对应情境C_k的数据的有效性，有效则值为1，无效则值为0；分情境C_k对用户偏好影响的权重用w_k表示；

步骤4：根据情境相似度的计算结果由高到低对用户偏好表进行重排序，再根据点击量对同一情境下不同的内容排序，用户偏好表中第一项的网页内容类型则是用户在当前情境下最感兴趣的内容；过滤表中内容类型中重复的数据，得到在当前情境下用户偏好的排序。根据排序结果则可为用户推荐相关网页内容。

所述情境信息通过终端设备内嵌传感器或时钟获取。

所述用户浏览的网页需要进行预定义，使用<div></div>将网页内容划分为不同语义块，并用标签进行标记。用户每点击一次网页内容，可获取当前内容所属类别，即Content。

所述步骤3中权重w_k的计算步骤如下：

步骤（1）：计算兴趣比例

以不同内容的点击量Clicktime(Content_i)占总点击量Totalclicktime的比例为兴趣比例其中Content_i表示不同的网页内容类型；

步骤（2）：计算情境C_k对应Content_i的点击量的方差

步骤（3）：将不同内容在情境C_k下的兴趣比例乘以对应的方差，则可求得情境C_k的兴趣方差 $V_{C_k}=\mathrm{\&Sigma;}{V}_{C_k\left(C{\mathrm{ontent}}_i\right)}\&times;{\mathrm{Interest}}_{C{\mathrm{ontent}}_i};$

步骤（4）：不同情境C_k所占权重为

有益效果

本发明的有益效果是：本发明提出一种在移动终端设备上根据当前情境为用户提供个性化网页浏览的内容推荐方法。将情境感知技术融入到移动网页个性化浏览应用中，能够为用户提供更加精准的个性化信息，进一步提高用户体验。

附图说明

图1：本发明实例用户情境获取模块框图；

图2：本发明所述方法的处理流程简图；

图3：本发明所述方法的处理流程详图。

具体实施方式

现结合实施例、附图对本发明作进一步描述：

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤一：记录用户每次浏览移动网页时的情境信息以及所浏览内容的类型。用户每点击一条网页内容，当前的日期、时间、地点等情境信息以及点击内容的类型都将发送到服务器数据库中并保存。若采集的数据过于精确则会带来数据稀疏的问题从而使得推荐失效，因此在初步采集数据的过程中，需要对所采集的数据进行简单的处理，之后再保存。

步骤二：对现有的用户网页浏览记录数据进行处理和分析，计算用户在不同情境下浏览不同类型内容的点击量，点击量越高，用户兴趣度越高。生成用户偏好表，该表可直观表达用户在何时何地喜欢阅读何种类型的网页内容。

步骤三：情境相似度计算。

用户每次打开网页时，首先通过移动终端设备获取用户当前情境，这是为用户推荐当前情境下用户喜欢内容的前提条件。

获取用户当前情境后，与用户偏好表中的情境进行相似度计算。由于情境包括时间和地点等多种分情境，因此在计算x和y两个情境的相似度时，首先分别求出x和y的时间相似度和地点相似度等分情境相似度。通过分析用户历史数据可以了解不同分情境对于用户选择不同网页信息的影响因子，即不同分情境在相似度计算过程中的权重。最终可通过情境相似度计算公式计算两情境的相似度similarity(x,y)。

分情境相似度的计算过程中，经常需要对情境进行泛化，泛化的过程即是逐步聚散为整的过程，根据某种泛化的规则，将相邻、相近或相似的数据用同一个数据来概括表示的过程就是泛化。

步骤四：根据情境相似度的计算结果由高到低对用户偏好表进行重排序，再根据点击量对同一情境下不同的内容排序，这样，用户偏好表中第一项的网页内容类型则是用户在当前情境下最感兴趣的内容。同时，过滤掉表中内容类型中重复的数据，最终得到的则是在当前情境下用户偏好的排序。根据当前情境下用户喜好内容类型的排序，则可为用户推荐其感兴趣的内容。

具体实施例：

以通过智能手机实现基于情境感知的网页个性化浏览推荐为例，在该实例中，用户情境由日期、时间和地点组成，如图1表示，日期和时间可以分别通过移动终端的日历和时钟获取，用户地点可以通过移动终端获取GPS数据或者由用户主动输入所在位置信息来获取。

本发明所述基于情境感知的移动网页个性化浏览的推荐方法的处理流程如图2所示。具体实现步骤如下：

步骤201：获取用户情境及网页浏览历史数据。

记录用户每次浏览移动网页时的情境信息以及所浏览内容的类型。在本实例中，情境包括日期、时间和地点。日期用1-7分别表示周一至周日；时间则是将一天划分为8个时间段分别用1-8表示，1代表0:00-3:00，2代表3:00-6:00，以此类推；地点可以通过用户输入来获取，每当用户打开网页时，弹出地点选择对话框，由用户选择当前所在地点。网页内容类型采用提前预定义的方法，将网页中的内容划分为<体育，娱乐，政治，军事>四类，并用标签进行标记。用户每点击一次网页内容，则将当前的日期、时间、地点以及所浏览内容的标签记录下来，并以以下格式保存在数据库中：

R_history＝(Date,Time,Location，Conent)   (1)

其中，Date表示日期，Time表示时间，Location表示地点，Content表示用户点击网页的内容类型。

步骤202：动态生成用户偏好表。

每次用户打开网页前，都会首先根据之前记录下的用户浏览历史数据生成用户偏好表，因此用户偏好表是不定时动态更新的。对用户浏览历史数据进行统计，点击量Clicktimes表示用户在相同情境下点击不同类型内容的次数，点击次数越多说明用户对此内容更感兴趣，最终可以获得用户偏好表，表示为：

R_preference＝(Date，Time,Location，Conent，Clicktimes)   (2)

步骤203：情境相似度计算。

计算用户当前情境CTX_cur与用户偏好表中情境的相似度。将用户偏好表中的情境使用CTX_i(i＝1,2,…,n)表示，n表示用户偏好表的记录条数。分别计算当前情境与偏好表中情境的相似度，用Sim_i表示，有：

${\mathrm{Sim}}_i=\mathrm{similarity}({\mathrm{CTX}}_{\mathrm{cur}},{\mathrm{CTX}}_i)=\frac{{\mathrm{\&Sigma;}}_{k=1}^m{w}_k{\mathrm{\&delta;}}_k{s}_k({\mathrm{CTX}}_{\mathrm{cur}},{\mathrm{CTX}}_i)}{{\mathrm{\&Sigma;}}_{k=1}^m{\mathrm{\&delta;}}_k}---\left(3\right)$

其中，m表示情境的类型数，在本实例中，有日期、时间和地点三个情境，因此m值为3；δ_k表示对应不同情境的数据的有效性，由于所采集的三个情境的数据均有效，δ_k值均可设为1；w_k表示不同情境所占权值。最终的情境相似度计算公式为：

${\mathrm{Sim}}_i=\frac{{\mathrm{\&Sigma;}}_{k=1}^3{w}_k{s}_k({\mathrm{CTX}}_{\mathrm{cur}},{\mathrm{CTX}}_i)}{3}---\left(4\right)$

步骤204：用户当前情境下兴趣排序；

根据计算出来的情境相似度Sim_i(i＝1,2,…,n)由高到低对用户偏好表进行排序，通过偏好表中的点击量Clicktimes对同一情境不同内容类型进行局部排序，这样，新生成的用户偏好表中第一项的网页内容类型则是用户在当前情境下最感兴趣的内容。同时，过滤掉表中内容类型中重复的数据，最终得到的则是在当前情境下用户偏好的排序。根据当前情境下用户喜好内容类型的排序，则可为用户推荐其感兴趣的一个或一组内容。

图3为本发明所述方法的处理流程详图，

其中，步骤203，进一步包括步骤301，302和303。

步骤301：获取用户当前情境。在用户通过移动终端设备打开网页的过程中，需要通过该设备获取用户的当前情境，情境获取方式同步骤201获取情景方法。当前情境CTX_cur可表示为：

CTX_cur＝(Date,Time,Location)   (5)

步骤302：首先分别计算日期、时间和地点三个情境所对应的相似度s_k(CTX_cur,CTX_i)，其中k＝3。计算过程中需要运用到情境的泛化。用户浏览历史数据中，日期由1到7分别表示周一到周日，周一至周五可以泛化为工作日，周六和周日可以泛化为周末，这是一级泛化；在此基础上，在进行泛化可将所有数据泛化为“任一天”。同理，时间进行一级泛化可分为凌晨、上午、下午和晚上，若在一次进行泛化，可分为白天和夜晚。地点则可根据不同属性划分为娱乐和学习或者室内和室外。

在计算相似度的过程中，首先对原始数据进行对比，相同则相似度为1，不同，则进行一级泛化，再一次进行对比，直到最终泛化后的两数据相同为止。每进行一次泛化，相似度要在原来的基础上折半，例如若进行一级泛化后两数据相同，则原始数据的相似度为0.5，若二级泛化后数据相同，则原始数据的相似度为0.25。

对用户浏览历史数据进行统计分析，确定不同情境对于用户偏好的影响的权重。

以日期Date的权重计算为例，首先计算兴趣比例，即不同的内容的点击量Clicktim(eConten_it)占总点击量Total clicktime的比例，内容类型包括<体育，娱乐，政治，军事>四类，需要分别计算。

${\mathrm{Interest}}_{C{\mathrm{ontent}}_i}=\frac{\mathrm{Clicktime}\left({\mathrm{Content}}_i\right)}{\mathrm{Totalclicktime}}---\left(6\right)$

i设为1到4，依次表示体育、娱乐、政治和军事四类内容。

计算情境Date对应Content_i的点击量的方差。日期包含7个值，不同值对应的Content_i的点击量分别为X₁,X₂,…,X₇，则方差可由以下公式求得：

$V_{\mathrm{Date}\left({\mathrm{Content}}_i\right)={\mathrm{\&Sigma;}}_{p=1}^7{(X_p-\stackrel{\&OverBar;}{X})}^2---\left(7\right)}$

其中

为每一天用户点击内容Content_i的平均值。

将不同内容在情境Date下的兴趣比例乘以对应的方差，则可求得情境Date的兴趣方差V_Date：

$V_{\mathrm{Date}}={\mathrm{\&Sigma;}}_{i=1}^4{V}_{\mathrm{Date}\left({\mathrm{Content}}_i\right)\&times;{\mathrm{Interest}}_{{\mathrm{Content}}_i}---\left(8\right)}$

同理可分别求得时间情境Time和地点情境Location的兴趣方差V_Time和V_Location。

这样，日期情境Date所占权重可表示为：

$w_{\mathrm{Date}}=\frac{V_{\mathrm{Date}}}{V_{\mathrm{Date}}+V_{\mathrm{Time}}+V_{\mathrm{Location}}}---\left(9\right)$

同理可求得时间情境权重w_Time和地点情境权重w_Location。

步骤303：将步骤302中得到的各情境相似度及其权重带入情境相似度计算公式中，则可得当前情境与用户偏好数据中任一情境的相似度。

Claims (4)

1.一种基于情境的移动网页内容推荐方法，其特征在于步骤如下：

步骤1：记录用户每次浏览移动网页时的情境信息以及所浏览内容的类型，用户每点击一条网页内容时，将当前网页的情境信息以及点击内容的类型以用户网页浏览历史记录发送到服务器数据库中并保存；所述情境信息为日期、时间和地点；

所述用户网页浏览历史记录表示为：

R_history＝(C₁,C₂,…,C_n,Conent)

其中，C_k表示用户的不同情境信息，k表示情境的个数，Content是用户所点击的网页内容的类型；

步骤2：对用户浏览历史记录中的相同网页浏览历史记录进行计数，以Clicktimes表示用户在不同情境下分别点击不同类型的内容的次数，生成的用户偏好表为：

R_preference＝(C₁,C₂,…,C_n,Conent,Clicktimes)；

步骤3：在用户通过移动终端设备打开网页的过程中，通过该设备获取用户的当前情境CTX_cur＝(C₁,C₂,…,C_n)，采用如下情境相似度计算公式计算当前情境与用户偏好表中情境的相似度，

$\mathrm{similarity}(x,y)=\frac{{\mathrm{\&Sigma;}}_{k=1}^n{w}_k{\mathrm{\&delta;}}_k{s}_k(x,y)}{{\mathrm{\&Sigma;}}_{k=1}^n{\mathrm{\&delta;}}_k}$

其中：s_k(x,y)是情境x与y的分情境C_k的相似度s_k(x,y)；δ_k表示对应情境C_k的数据的有效性，有效则值为1，无效则值为0；分情境C_k对用户偏好影响的权重用w_k表示；

步骤4：根据情境相似度的计算结果由高到低对用户偏好表进行重排序，再根据点击量对同一情境下不同的内容排序，用户偏好表中第一项的网页内容类型则是用户在当前情境下最感兴趣的内容；过滤表中内容类型中重复的数据，得到在当前情境下用户偏好的排序。根据排序结果则可为用户推荐相关网页内容。

2.根据权利要求1所述基于情境的移动网页内容推荐方法，其特征在于：所述情境信息通过终端设备内嵌传感器或时钟获取。

3.根据权利要求1所述基于情境的移动网页内容推荐方法，其特征在于：所述用户浏览的网页需要进行预定义，使用<div></div>将网页内容划分为不同语义块，并用标签进行标记。用户每点击一次网页内容，可获取当前内容所属类别，即Content。

4.根据权利要求1所述基于情境的移动网页内容推荐方法，其特征在于：所述步骤3中权重w_k的计算步骤如下：

步骤（1）：计算兴趣比例

以不同内容的点击量Clicktime(Content_i)占总点击量Total clicktime的比例为兴趣比例

其中Content_i表示不同的网页内容类型；

步骤（2）：计算情境C_k对应Content_i的点击量的方差

步骤（3）：将不同内容在情境C_k下的兴趣比例乘以对应的方差，则可求得情境C_k的兴趣方差 $V_{C_k}=\mathrm{\&Sigma;}{V}_{C_k\left(C{\mathrm{ontent}}_i\right)}\&times;{\mathrm{Interest}}_{C{\mathrm{ontent}}_i};$

步骤（4）：不同情境C_k所占权重为

Images