[发明专利]一种基于移动情境的大规模在线推荐方法

权利要求书

1.一种基于移动情境的大规模在线推荐方法，其特征在于，包括如下步骤：

S1、收集用户情境信息并进行行为偏好分析，得到用户行为偏好信息；所述用户情境信息包括用户客户端信息、用户特征信息和用户历史行为信息；

S2、根据用户客户端信息、用户特征信息、用户历史行为信息和所述用户行为偏好信息的动态变化特性，将用户客户端信息、用户特征信息、用户历史行为信息以及用户行为偏好信息分为动态特征和非动态特征两类情境信息；其中，所述动态变化特性是指：在一个变化特性时间窗口内，若用户的特征容易发生变化，则认为用户的相应特征是动态的；否则认为用户的特征是非动态的；其中，所述变化特性时间窗口的大小为1天；

S3、由非动态特征，得到用户的非动态特征向量，并根据所述非动态特征向量进行用户聚类，得到若干个用户类；

S4、获得目标用户的非动态特征向量以及各个聚类中心的非动态特征向量，然后按非动态特征相似性的计算方法计算目标用户与各个聚类中心的相似性，取得相似性最大的聚类中心作为目标用户的聚类中心，并将所属聚类中心对应的聚类中的所有其余用户作为目标用户的粗选近邻用户；

S5、根据动态特征和非动态特征，在目标用户的粗选近邻用户中计算并得到精选近邻用户；

S6、根据精选近邻用户，确定目标用户的前N个推荐物品。

2.根据权利要求1所述的一种基于移动情境的大规模在线推荐方法，其特征在于，所述步骤S1中，所述用户行为偏好信息包括用户的作息行为、用户的移动行为、用户对物品的偏好行为以及以上行为的规律性。

3.根据权利要求2所述的一种基于移动情境的大规模在线推荐方法，其特征在于，所述步骤S2中，所述用户历史行为信息指用户在平台上的行为属性记录集合，所述行为属性记录集合包括用户的人口信息、用户对物品的操作行为、用户的操作时间、用户的设备信息、用户的网络信息及位置属性；

所述行为的规律性是指：在规律性时间窗口内，用户相应行为的发生次数是否达到预先规定的次数；若达到，则认为用户的相应行为具有规律性；否则认为用户的相应行为不具有规律性。

4.根据权利要求3所述的一种基于移动情境的大规模在线推荐方法，其特征在于，所述规律性时间窗口的大小为大于等于7天。

5.根据权利要求1所述的一种基于移动情境的大规模在线推荐方法，其特征在于，所述步骤S2中，所述动态特征包括用户的作息行为、用户的移动行为以及用户对物品的偏好行为；

所述非动态特征包括用户的人口信息、用户的设备信息以及用户的行为规律性。

6.根据权利要求1所述的一种基于移动情境的大规模在线推荐方法，其特征在于，所述步骤S3中根据所述非动态特征向量进行用户聚类，具体为：

S31、随机选择C个用户的非动态特征向量作为C个聚类的聚类中心；

S32、计算各个用户与各个聚类中心的相似性，找到与用户相似性最大的聚类中心，并将该用户分配到相应的聚类中；其中，计算相似性的方法采用皮尔逊相关系数算法、余弦相似性算法以及杰卡德相似系数法算法中的一种；

S33、利用聚类结果中各个用户的非动态特征向量，更新当前聚类的聚类中心；所述更新当前聚类的聚类中心是指：计算聚类中各个用户的各个非动态特征列的平均值作为该聚类中心的非动态特征向量的一个元素；

S34、重复执行步骤S32和S33，直至聚类结果收敛；所述聚类结果收敛的收敛判断准则是：连续两次聚类的聚类中心变化微小。

7.根据权利要求1所述的一种基于移动情境的大规模在线推荐方法，其特征在于，所述步骤S4中所述非动态特征相似性的计算方法采用皮尔逊相关系数算法、余弦相似性算法以及杰卡德相似系数法算法中的一种；所述目标用户是指在线环境下实时产生的，将要为其推荐物品的用户。