[发明专利]基于用户情境本体的网络社区用户推送服务的方法

权利要求书

1.基于用户情境本体的网络社区用户推送服务的方法，其特征在 于，建立本体化用户情境模型，并对用户综合情境信息进行更新与合 成，根据当前用户综合情境的匹配程度向用户进行服务推送；其具体 步骤如下：

步骤1，本体化用户情境模型的建立；用户情境模型用本体概念 树表示，本体概念树中的每一个节点表示了用户情境项的某一个元 素；

用户情境模型形式化的表示为：

uc(t_i)＝(Dim₁(Attr₁₁,Attr₁₂,Attr₁₃),Dim₂,...)，

其中，uc(t_i)表示用户某时刻t_i的情境，Dim_i表示情境的第i个维 度，Attr_ij表示情境维度i的第j个属性，若干个情境信息项和其属性 是每个情境维度的构成要素；

步骤2，用户综合情境信息的更新与合成；

步骤3，情境相似性匹配；将源情境本体树和目标本体树在子属 性树切分之后，依次对子属性树进行匹配计算，求得源情境本体树根 结点与目标情境本体树根结点的相似度；

源情境本体树和目标本体树在子属性树的切分过程中会形成 叶子属性节点树和非叶子属性节点树，叶子属性节点树是由一个节 点构成的树，非叶子属性节点树是由多个节点构成的链表树；

所述叶子属性节点树的相似度是求对应的相同的属性的取值 的相似度，即源情境的任一属性节点v和目标情境v′对应属性节点的 相似度S(v,v′)，根据情境的属性取值类型的不同分为标量属性叶子节 点的相似度、数量属性叶子节点的相似度和范围属性叶子节点的相似 度；

所述非叶子属性节点树的相似度包括名称相似度、属性相似度、 实例相似度和结构相似度；

所述标量属性叶子节点的相似度的计算公式为：

Sim(v,v′)={1,(Nv=Nv′)0,(Nv≠Nv′),]]>

所述数量属性叶子节点的相似度的计算公式为：

Sim(v,v′)=1-|Nv-Nv′|Nv′,]]>

所述范围属性叶子节点的相似度在计算之前，首先对用户的区间 [r^l,rⁿ]进行规范化得到所述范围属性叶子节 点的相似度的计算公式为：

Sim(v,v′)=1-(pl-pl′)2+(pn-pn′)2;]]>

所述名称相似度的公式为：

其中，Sim_名称(X,Y)指概念X和Y的名称相似度，x和y分别表示 X和Y具有的同义词集合，|x∩y|指同义词集合x和y的交集的节点个 数，|x-y|指属于集合x但不属于集合y的个数，|y-x|指属于集合y 但不属于集合x的元素个数，α为比例因子，指集合x和y不相交的 元素个数的比例；

所述属性相似度的公式为：

Sim_属性(x_i,y_j)＝w₁s₁(x_i,y_j)+w₂s₂(x_i,y_j)+w₃s₃(x_i,y_j)，

其中，x_i和y_j分别指概念X和Y的属性，Sim_属性(x_i,y_j)指两个属性 间的相似度；w₁，w₂，w₃分别指对应于s₁，s₂，s₃即属性名称、数据 类型和实例的权重，且

所述实例相似度的公式为：

其中，Sim_实例(X,Y)指X，Y两个概念的实例相似度，p(X,Y)指任 意一个实例属于X也属于Y的概率，指属于X但不属于Y的概 率，指属于Y但不属于X的概率；

所述结构相似度的公式：

Sim_结构(X,Y)＝Sim_祖先节点(X,Y)×Sim_子孙节点(X,Y)，

其中，

Sim_结构(X,Y)指X，Y两个概念的结构相似度，Sim_祖先节点(X,Y)指X，Y两 个概念的祖先节点的相似度，Ancestor(x)指概念节点x的祖先节点的 集合，Ancestor(y)指概念节点y的祖先节点的集合；Sim_子孙节点(X,Y)指X， Y两个概念的子孙节点的相似度，Child(x)指概念x的子孙节点集合， Child(y)指概念y的子孙节点集合；

所述源情境本体树根结点与目标情境本体树根结点的相似度的 计算由名称、属性、实例及结构四种相似度的综合计算得到，计算公 式为：

Sim(X,Y)＝αSim_名称(X,Y)+βSim_属性(X,Y)+γSim_实例(X,Y)+θSim_结构(X,Y)

其中，α，β，γ，θ分别表示从本体概念名称、属性、实例及结 构方面的相似度对综合结果产生的影响系数；

步骤4，应用服务推送；将所有源情境与目标情境的相似度按照 从高到低进行排序，将Top-N用户应用的服务推荐给当前用户。