[发明专利]一种移动时空感知下动态即时推荐服务模型建立方法

说明书

本发明公开了一种移动时空感知下动态即时推荐服务模型建立方法。该方法包括：对所采集的移动用户情景日志数据集进行预处理；采用CIT‑LDA主题模型，抽取每个时间片下的移动时空感知信息和用户行为偏好变化信息进行语义建模；采用对称KL散度计算用户兴趣主题的漂移概率，确定用户兴趣变化点；将用户兴趣子主题漂移轨迹的演化分为三种类型；根据用户的长期兴趣、短期兴趣以及每个兴趣所具有的权重，确定用户行为偏好模型；确定基于Top‑K的个性化动态即时推荐服务模型。本发明在Hadoop并行分布式计算环境下，使用CIT‑LDA主题模型、构建用户行为偏好变化的模型和基于Top‑K的个性化推荐方法对移动互联下基于情景感知和用户兴趣变化的个性化推荐服务进行探索性研究。

技术领域

本发明涉及移动互联网领域，更具体的涉及一种移动时空感知下动态即时推荐服务模型建立方法。

背景技术

随着移动互联网爆炸式增长、电子商务的迅猛发展以及智能手机的快速普及，尤其是基于位置的社交网络的盛行和O2O商业模式的出现，使“移动互联新生态”在全球范围内迅速成长，极大地加快了移动信息产业向社会经济各个层面、大众日常生活的渗透。与传统PC互联网相比，移动互联网最大的区别在于“移动”二字，而“移动”所提供的信息服务，又因为人的移动而渗透到现实世界，与真实的社会形成了更强互动，基于移动设备的应用和服务己经成为用户信息获取、休闲娱乐的主要方式。与此同时，这些移动应用和服务也产生了海量的历史数据，为深入探索移动互联环境下的潜在价值、开发全新的移动应用和服务提供了充分的机遇。但是，如何从浩瀚的移动网络环境中发现用户真正感兴趣的信息资源，丰富并满足移动用户对信息的个性化需求，逐渐成为移动互联网中个性化服务领域亟待解决的技术难题。

目前，对移动环境下的个性化推荐问题虽有一定程度的研究，但是，由于在移动时空情景下，用户的行为偏好会经常随时间发生变化，另外，移动会带来时空情景的切换，不同情景信息会对用户需求产生不同的影响，而传统推荐算法大都采用静态的研究方法，忽略了用户评分项目的时间因素，没有考虑移动时空下用户行为偏好变化的问题，并且针对移动推荐过程中情景信息考虑不足，以及没有充分考虑用户行为偏好变化，从而不能准确、迅速地从海量的移动应用和服务中找到用户感兴趣的内容实现个性化推荐服务。

综上所述，现有技术中，存在针对移动推荐过程中情景信息考虑不足，以及没有充分考虑用户行为偏好变化，不能准确、迅速地从海量的移动应用和服务中找到用户感兴趣的内容实现个性化推荐服务的问题。

发明内容

本发明实施例提供一种移动时空感知下动态即时推荐服务模型建立方法，用以解决现有技术中存在针对移动推荐过程中情景信息考虑不足，以及没有充分考虑用户行为偏好变化，不能准确、迅速地从海量的移动应用和服务中找到用户感兴趣的内容实现个性化推荐服务的问题。

本发明实施例提供一种移动时空感知下动态即时推荐服务模型建立方法，包括：

采集移动用户情景日志数据集，搭建Hadoop并行分布式处理环境，对所采集的移动用户情景日志数据集进行预处理，并根据预先设定的HDFS中每个数据块大小对移动用户情景日志数据集进行分割；

使用每个Map处理一个划分好的数据块，在每一个Map下，按照等时段划分预处理好的移动用户情景日志数据集，进行键值对映射，采用CIT-LDA主题模型，抽取每个时间片下的移动时空感知信息和用户行为偏好变化信息进行语义建模；

通过Shuffle对键值对执行排序，并合并具有相同主题键的多个记录；通过Reduce对键值对执行最后一次合并操作；采用对称KL散度计算用户兴趣主题的漂移概率，确定用户兴趣变化点；

根据用户兴趣子主题与前向关联子主题和后向关联子主题间的关系，将用户兴趣子主题漂移轨迹的演化分为新兴趣产生、兴趣保持和兴趣消失三种类型；当用户行为偏好发生变化时，分析所对应的用户兴趣变化点，挖掘用户所具有的长期兴趣和短期兴趣；