CN103617547A - 一种业务推荐方法及*** - Google Patents

Abstract

本发明公开了一种业务推荐方法及***，包括获取用户基本信息、用户使用互联网的原始信息，以及用户使用移动业务的位置情景信息；根据获得的用户使用互联网的原始信息建立用户兴趣模型；根据获得的用户使用移动业务的位置情景信息建立用户情景模型；建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型，根据关联关系模型，计算向用户推荐的各业务的推荐度，并将推荐度高的业务推送给用户。本发明提供的技术方案中，将用户位置情景引入到个性化业务推荐方法中，提升了个性化服务推荐精准度和用户体验；而且本发明基于云计算资源池的***框架，实现了资源的弹性、动态扩展，缩短了***响应时间，同时提升了用户体验。

Description

一种业务推荐方法及***

技术领域

本发明涉及云计算技术，尤指一种基于位置服务（LBS）的云服务个性化的业务推荐方法及***。

背景技术

目前，分众服务、精细化经营已成为运营商发展业务、提升用户体验的一种重要手段。现有的精准营销***主要基于对用户的基本信息、地理位置信息、通信行为等数据，从中发现业务运营规律，进而开展业务推荐。

现有的基于LBS的业务推荐服务***中，由于只考虑地理位置信息以及只有业务类别的通信行为信息，未考虑用户兴趣偏好及位置情景偏好，这样，向用户推荐的业务并不是用户最想要的，造成了用户体验较差的问题。

发明内容

为了解决上述技术问题，本发明提供了一种业务推荐方法及***，能够实时响应用户需求，提升用户体验。

为了达到本发明目的，本发明提供了一种业务推荐方法，包括：获取用户基本信息、用户使用互联网的原始信息，以及用户使用移动业务的位置情景信息；

根据获得的用户使用互联网的原始信息建立用户兴趣模型；根据获得的用户使用移动业务的位置情景信息建立用户情景模型；

建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型，根据关联关系模型，计算向用户推荐新业务的推荐度，并将推荐度高的业务推送给用户。

所述用户基本信息至少包括：用户身份信息、订购业务信息；

所述用户使用互联网的原始信息为URL日志信息。

所述建立用户兴趣模型包括：

通过对所述URL日志信息的分析，得到用户访问网页文档的主题类别；

建立不同兴趣类别与兴趣度的对应关系；

其中，所述兴趣度与对应的兴趣类别所包含的类网页文档数成正比，与最近阅览的兴趣类别所包含的网页文档的时间差成反比。

该方法还包括：按照预先设置的定时时长，更新所述用户兴趣模型。

所述用户使用移动业务的位置情景信息包括：位置信息、时间信息、终端设备信息以及业务信息。

所述建立用户情景模型包括：

按照不同的位置情景类型，建立位置、时间、终端、业务，以及位置情景的兴趣度之间的对应关系。

所述建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型包括：

计算所述各用户的用户兴趣模型与用户情景模块性的矢量乘积，已得到关联关系模型。

所述将推荐度高的业务推送给用户包括：

根据所述关联关系模型，计算向用户推荐新业务的推荐度；

将新业务的推荐度进行排序，根据***预设的业务推荐数量阈值，将业务的推荐度排列在前业务推荐数量阈值项的业务推送给用户。

本发明还推荐一种业务推荐***，至少包括获取单元、第一建立单元、第二建立单元、第三建立单元，以及业务推荐单元；其中，

获取模块，用于用户基本信息、用户使用互联网的原始信息，以及用户使用移动业务的位置情景信息；

第一建立单元，用于根据获得的用户使用互联网的原始信息建立用户兴趣模型；

第二建立单元，用于根据获得的用户使用移动业务的位置情景信息建立用户情景模型；

第三建立单元，用于根据建立的用户兴趣模型和用户情景模型，建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型；

业务推荐单元，用于根据关联关系模型，计算向用户推荐的各业务的推荐度，并根据用户基本信息将推荐度高的业务推送给用户。

所述业务推荐***位于云计算资源池中。

与现有技术相比，本发明包括获取用户基本信息、用户使用互联网的原始信息，以及用户使用移动业务的位置情景信息；根据获得的用户使用互联网的原始信息建立用户兴趣模型；根据获得的用户使用移动业务的位置情景信息建立用户情景模型；建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型，根据关联关系模型，计算向用户推荐的各业务的推荐度，并将推荐度高的业务推送给用户。本发明提供的技术方案中，将根据用户兴趣建立的用户位置情景引入到个性化业务推荐方法中，提升了个性化服务推荐精准度和用户体验；而且本发明基于云计算资源池的***框架，实现了资源的弹性、动态扩展，缩短了***响应时间，同时也提升了用户体验。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1为本发明业务推荐方法的流程图；

图2为本发明业务推荐***的组成结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1为本发明业务推荐方法的流程图，如图1所示，包括以下步骤：

步骤100：获取用户基本信息、用户使用互联网的原始信息，以及用户使用移动业务的位置情景信息。

本步骤中，可以从业务支撑***（BSS，Business Support System）/运营支撑***（OSS，Operation Support System）采集用户基本信息如用户身份信息、订购业务信息等；

从宽带接入服务器（BRAS，Broadband Remote Access Server）和远程用户拨号认证***（RADIUS，Remote Authentication Dial In User Service）采集用户使用互联网的原始信息（访问的统一资源定位符（URL）日志信息），如（

URL₁；

URL₂；Λ）；

通过设置在移动基站的移动基站定位装置，获取用户使用移动业务的位置情景信息。用户使用移动业务的位置情景信息包括以下4类信息：(1)位置信息，包括位置名称L_Name，及其精确的经度信息L_Longitude和纬度信息L_Latitude；(2)时间信息，包括日期L_Date和具体时间L_Time；(3)终端设备信息，即移动终端设备的类型L_Terminal；(4)业务信息L_Service，也就是说，用户使用移动业务的位置情景信息包括以下集合：(L_Name,L_Longitude,L_Latitude,L_Date,L_Time,L_Terminal，L_Service)。

本步骤的具体实现属于本领域技术人员的惯用技术手段，具体实现并不用于限定本发明的保护范围，这里不再赘述。

步骤101：根据获得的用户使用互联网的原始信息建立用户兴趣模型；根据获得的用户使用移动业务的位置情景信息建立用户情景模型。

本步骤中，根据获得的用户使用互联网的原始信息建立用户兴趣模型的具体实现包括：

首先，通过对获得的用户使用互联网的原始信息（访问的URL日志信息）的分析，即使用现有文本挖掘技术，获取每个URL对应页面的主题类别如体育类，建立用户兴趣模型

如公式(1)所示，

在公式(1)中，m表示当前用户的兴趣数量，0＜m≤|C|；|C|是***主题类别总数，(c_i,w_i)是该用户的第(i+1)（0≤i＜m）类兴趣项，c_i表示兴趣类别名称，w_i表示c_i类兴趣的兴趣度。即建立了不同兴趣类别与兴趣度的对应关系。

由于用户的兴趣爱好会随时间的推移而动态变化，一些用户原本感兴趣的内容会随时间的推移而渐渐遗忘，新的兴趣会逐渐产生，因此，公式(1)中，用户的第(i+1)（0≤i＜m）类兴趣的兴趣度w_i与用户感兴趣的c_i类网页文档数成正比，与最近阅览c_i类网页文档的时间差成反比。因此，用户的第(i+1)（0≤i＜m）类兴趣的兴趣度w_i如公式(2)所示，

$w_i=\stackrel{\‾}{f\left(\frac{n_i\×\mathrm{\α}}{T-t_i+\mathrm{\α}}\right)}---\left(2\right)$

在公式(2)中，n_i表示当前用户URL日志信息中c_i类URL日志的数量，t_i表示当前用户URL日志信息中c_i类URL日志的最近出现时间，T表示当前***时间，α＞0是一个调整系数，用于防止公式(2)中的f()函数的分母为0，同时，还可以调整兴趣度w_i的衰减速度，α值越小，兴趣度w_i的衰减速度越快，因此，可以根据具体需求确定α的取值。

本步骤还包括：定期即按照预先设置的定时时长，周期性进行用户兴趣模型的更新。

本步骤中，根据获得的用户使用移动业务的位置情景信息建立用户情景模型根据位置信息（包括位置名称L_Name，及其精确的经度信息L_Longitude和纬度信息L_Latitude）对位置进行分类，如餐饮、娱乐、酒店等，得到L_j；根据时间信息（包括日期L_Date和具体时间L_Time）对时间进行分类，如工作日/节假日、上午/下午/晚上等，得到T_j；Terminal_j就是终端设备的类型L_Terminal；根据业务信息L_Service对业务进行分类，得到Service_j。如公式(3)所示：

在公式(3)中，p表示当前用户的位置情景类型的数量，(L_j,T_j,Terminal_j，Service_j，ξ_j)表示当前该用户的第(j+1)（0≤j≤p-1）类位置情景项，L_j表示位置类别名称，T_j表示时间类别名称，Terminal_j表示终端类别名称，Service_j表示业务类别名称，ξ_j是第(j+1)类位置情景的兴趣度。

${\mathrm{\ξ}}_j=\frac{\mathrm{Num}(L_j,T_j,{\mathrm{Ter}\min \mathrm{al}}_j,{\mathrm{Service}}_j)}{\underset{j}{\mathrm{\Σ}}\mathrm{Num}(L_j,T_j,{\mathrm{Ter}\min \mathrm{al}}_j,{\mathrm{Service}}_j)}$

需要说明的是，针对***中的各个用户u，其中，1≤u≤|U|，|U|是***中的用户总数，都会分别根据获得的用户使用互联网的原始信息建立用户兴趣模型，根据获得的用户使用移动业务的位置情景信息建立用户情景模型。

步骤102：建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型。

根据***中各用户的用户兴趣模型

用户情景模型

与业务信息之间的关联关系模型

如公式(4)所示：

在公式(4)中，

表示***中的各个用户，

1≤u≤|U|，|U|是用户总数。

步骤103：根据关联关系模型，计算向用户推荐新业务的推荐度，并将推荐度高的业务推送给用户。

本步骤中，先根据关联关系模型计算向用户A（假设用户A有1～a个兴趣）推荐新业务Service_k的推荐度R_k如公式(5)所示：

公式(5)中，l表示用户A的a个兴趣。

然后，将新业务Service_k的推荐度R_k进行降序排列，根据***预设的业务推荐数量阈值Num，将推荐度R_k排列在前Num项的新业务Service_k推送给用户A。

本发明方法中，将根据用户兴趣建立的用户位置情景引入到LBS个性化业务推荐方法中，提升了个性化服务推荐精准度和用户体验；而且，本发明方法应用于基于云计算资源池的***框架中，实现了资源的弹性、动态扩展，缩短了***响应时间，同时也提升了用户体验。

图2为本发明业务推荐***的组成结构示意图，如图2所示，至少包括获取单元、第一建立单元、第二建立单元、第三建立单元，以及业务推荐单元；其中，

获取模块，用于用户基本信息、用户使用互联网的原始信息，以及用户使用移动业务的位置情景信息；

第一建立单元，用于根据获得的用户使用互联网的原始信息建立用户兴趣模型；

第二建立单元，用于根据获得的用户使用移动业务的位置情景信息建立用户情景模型；

第三建立单元，用于根据建立的用户兴趣模型和用户情景模型，建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型。

业务推荐单元，用于根据关联关系模型，计算向用户推荐的各业务的推荐度，并根据用户基本信息将推荐度高的业务推送给用户。

本发明业务推荐***位于云计算资源池中，而云计算资源池本身包含分布于不同地理位置的计算与存储资源，这样，在云计算框架下，通过云计算资源管理组件的调度策略，针对个性化服务推荐***相关应用程序的不同需求，动态、透明的提供了其所需的计算与存储资源，并在当前应用程序不使用时将其资源动态回收。也就是说，本发明基于云计算资源池的***框架中，实现了资源的弹性、动态扩展，缩短了***响应时间，同时也提升了用户体验。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种业务推荐方法，其特征在于，包括：获取用户基本信息、用户使用互联网的原始信息，以及用户使用移动业务的位置情景信息；

根据获得的用户使用互联网的原始信息建立用户兴趣模型；根据获得的用户使用移动业务的位置情景信息建立用户情景模型；

建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型，根据关联关系模型，计算向用户推荐新业务的推荐度，并将推荐度高的业务推送给用户。

2.根据权利要求1所述的业务推荐方法，其特征在于，所述用户基本信息至少包括：用户身份信息、订购业务信息；

所述用户使用互联网的原始信息为URL日志信息。

3.根据权利要求2所述的业务推荐方法，其特征在于，所述建立用户兴趣模型包括：

通过对所述URL日志信息的分析，得到用户访问网页文档的主题类别；

建立不同兴趣类别与兴趣度的对应关系；

其中，所述兴趣度与对应的兴趣类别所包含的类网页文档数成正比，与最近阅览的兴趣类别所包含的网页文档的时间差成反比。

4.根据权利要求2或3所述的业务推荐方法，其特征在于，该方法还包括：按照预先设置的定时时长，更新所述用户兴趣模型。

5.根据权利要求1所述的业务推荐方法，其特征在于，所述用户使用移动业务的位置情景信息包括：位置信息、时间信息、终端设备信息以及业务信息。

6.根据权利要求5所述的业务推荐方法，其特征在于，所述建立用户情景模型包括：

按照不同的位置情景类型，建立位置、时间、终端、业务，以及位置情景的兴趣度之间的对应关系。

7.根据权利要求3或6所述的业务推荐方法，其特征在于，所述建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型包括：

计算所述各用户的用户兴趣模型与用户情景模块性的矢量乘积，以得到关联关系模型。

8.根据权利要求7所述的业务推荐方法，其特征在于，所述将推荐度高的业务推送给用户包括：

根据所述关联关系模型，计算向用户推荐新业务的推荐度；

将新业务的推荐度进行排序，根据***预设的业务推荐数量阈值，将业务的推荐度排列在前业务推荐数量阈值项的业务推送给用户。

9.一种业务推荐***，其特征在于，至少包括获取单元、第一建立单元、第二建立单元、第三建立单元，以及业务推荐单元；其中，

获取模块，用于用户基本信息、用户使用互联网的原始信息，以及用户使用移动业务的位置情景信息；

第一建立单元，用于根据获得的用户使用互联网的原始信息建立用户兴趣模型；

第二建立单元，用于根据获得的用户使用移动业务的位置情景信息建立用户情景模型；

第三建立单元，用于根据建立的用户兴趣模型和用户情景模型，建立用户兴趣模型、用户情景模型与业务信息之间的关联关系模型；

业务推荐单元，用于根据关联关系模型，计算向用户推荐的各业务的推荐度，并根据用户基本信息将推荐度高的业务推送给用户。

10.根据权利要求9所述的业务推荐***，其特征在于，所述业务推荐***位于云计算资源池中。

Images