[发明专利]一种创建个人场景多维度特征图谱的方法、装置及其应用

说明书

本发明提供一种时序创建个人场景多维度特征图谱的方法、装置及其应用，其方法包括：预设多层次场景标签库，并预设对应的场景逻辑关系、场景间的关联概率计算规则、以及场景之间的时序关系、链式串联表达关系；通过用户手机使用的基站或/和卫星定位系统自动获得获取和/或计算用户的多层次场景标签值，对应存储到预设的多层次场景标签库中，根据预设的所述场景逻辑关系，生成用户个人场景；基于多个独立的用户个人场景，根据场景间的关联概率计算规则，计算预设时间段内多个独立的用户个人场景之间关联概率，根据预设的场景之间的时序关系、链式串联表达关系，生成用户个人场景图谱，实现自动创建个人场景图谱，并应用所述个人场景图谱，实现用户行为预测，根据预测结果，实现个性化推荐。

技术领域

本发明涉及互联网技术领域，具体而言，涉及一种时序创建个人场景多维度特征图谱的方法、装置及其应用。

背景技术

随着计算机行业的大数据和人工智能技术的快速发展，个性化推荐越来越受到用户的欢迎，也为用户创造了越来越多的个性化价值。预测用户行为是实现个性化推荐的重要前置技术，而目前的预测用户行为的技术方案主要是使用推荐算法，具体为：

通过用户维度数据、内容维度数据、时间维度、地址维度数据建立特征仓库，然后根据特征仓库数据进行逻辑计算，获得针对用户的推荐内容，包括：

1.根据用户喜欢某些特征的内容进行用户内容匹配；根据用户对物品或者信息的偏好，发现物品或者内容本身的相关性，或者是发现用户的相关性，这种方案被称为基于协同过滤的推荐；发明CN201310079241.5提供了一种基于地图的信息推荐方法，该方法适用于为当前地图搜索服务提供用户需求预测并推荐。用户输入搜索查询，通过与知识库中的模型匹配，能够对用户的需求进行预测并推荐。

2.发明CN201610285120.X利用用户之前喜欢的内容进行内容匹配，找到与这些内容相似的内容，根据推荐物品或内容的元数据，发现物品或者内容的相关性，这种方案被称为基于内容的推荐；

3.根据用户特征寻找相似的用户、相似的用户喜欢的东西进行用户匹配，根据系统用户的基本信息发现用户的相关程度，这种方案被称为基于人口统计学的推荐。在构建模型与用户模型后，需要计算两个模型的相似性，从而将按相似性大小排序后的文献集返回给用户。传统的相似性计算主要是将两个模型定义为向量，采用余弦相似性方法进行计算，然而此方法对两个向量的元素个数匹配有强制性的要求，这就加剧了数据稀疏性的问题。

现有技术中上述的推荐算法存在冷启动、稀疏性、精度和多样性等问题；相关异构的信息不够全面、内容特征样本不利于用户理解、特征训练算法不太符合用户逻辑性、结果和实际偏差较大、推荐的个性化、针对性有效性、准确性不高。但很少针对场景图谱服务的属性筛选服务以满足用户的个性化需求，有鉴于此，本发明提出一种时序创建个人场景多维度特征图谱的方法及其应用，通过创建个人场景图谱，预测用户行为，实现精确、有效、个性化推荐的目的。

发明内容

本发明的目的是：提出一种时序创建个人场景多维度特征图谱的方法、装置及其应用，通过创建个人场景图谱，预测用户行为，实现个性化推荐的目的。

本发明所采用的技术方案是：

本发明一方面提出一种时序创建个人场景多维度特征图谱的方法，包括：

步骤1：预设多层次场景标签库，并预设对应的场景逻辑关系、场景间的关联概率计算规则、以及场景之间的时序关系、链式串联表达关系；

步骤2：通过用户手机使用的基站或/和卫星定位系统自动获得获取和/或计算用户的多层次场景标签值，对应存储到预设的多层次场景标签库中，根据预设的所述场景逻辑关系，生成用户个人场景；