[发明专利]一种情境感知的移动终端烟草信息推送方法

摘要

本发明涉及一种情境感知的移动终端烟草信息推送方法，该方法包括以下的步骤一、训练分类模型二、获取高级情境三、推送烟草信息本发明针对传统信息推送没有考虑用户所处情境，现如今信息推送情境感知能力较弱的问题，提出一种新的情境感知的移动终端信息推送方法，与现有的方法相比，其优点在于1)在情境感知时使用了多种情境；2)通过低级情境建立了更符合用户认知习惯的高级情境；3)在一定程度上解决了推送时机的问题，使得信息推送更加智能。

主权项

一种情境感知的移动终端烟草信息推送方法，其特征在于该方法包括以下的步骤：一、训练分类模型：步骤1，通过移动终端上的传感设备采集用户的低级情境信息：使用GPS传感设备采集用户的GPS位置信息，通过加速度传感设备采集用户的加速度信息；所述的采集移动终端上的低级情境信息的方法如下：从GPS传感设备中采集GPS位置信息，从加速度传感设备中采集加速度信息；每一个GPS位置信息L=(lng, lat, t)，其中lng、lat为该GPS位置经纬值，t为在该位置的时间；GPS轨迹数据LSeq= (L0,…,Ln)，其中Lk为第k个GPS位置信息；每一个加速度信息A=(x, y, z, t)，其中x, y, z为该加速度信息X轴、Y轴、Z轴的值，t为该加速度出现的时间；加速度时序数据ASeq= (A0,…,An)，其中Ak为第k个加速度信息；步骤2，对低级情境信息分别提取特征构建特征向量：对GPS位置信息进行聚类得到GPS访问地点然后提取时间模式特征构建GPS特征向量，对加速度信息进行切割得到加速度帧然后提取统计和频域特征构建加速度特征向量；对低级情境信息分别提取特征构建特征向量的方法包括以下的步骤：1）对GPS轨迹数据LSeq中的每一个GPS位置信息L比较其与当前聚类中心的距离，若该距离小于阈值δcluster_distance，则将该GPS位置信息加入当前聚类中，否则计算当前聚类的持续时间，即该GPS位置信息时间与当前聚类中第一个GPS位置信息时间的差值，若该差值大于阈值δtime，则将当前聚类作为一个GPS访问地点；2）对每一个GPS访问地点提取星期、时间、持续时间和响应率四种时间模式特征；其中星期表示访问行为发生在工作日还是休息日；时间表示访问行为发生的中间时间，其值被离散为24个值，代表一天24小时；持续时间表示访问行为发生的持续时间，并被离散为较长、中等和较短三个值；响应率表示访问期间GPS信号可用时间的比率，并被离散为高、中、低三个值，分别表示代表室外地点、小型室内地点和大型室内地点；3）将上述四种时间模式特征构成特征向量，VL= (V0,V1,V2,V3)，其中V0表示星期特征，其值为0表示工作日，其值为1表示休息日；其中V1表示时间特征，其值为0‑23其中之一；其中V2表示持续时间特征，其值为0表示较长，其值为1表示中等，其值为2表示较短；其中V3表示响应率特征，其值为0表示高，其值为1表示中，其值为2表示低；4）将加速度时序数据按照滑动时间窗口，如总时间为6秒，步长为3秒，切割成加速度帧AF；如有加速度时序数据ASeq= (A0,…,A3n)，总时间设为2n个加速度信息的时间，步长设为n个加速度信息的时间，则切割出的对应加速度帧依次为AF0=(A0,…,A2n)，AF1=(An,…,A3n)；5）对每一加速度帧AF提取统计特征和频域特征，统计特征包括均值、方差、最大值、最小值、能量和相关系数，其中均值、方差、最大值、最小值、能量需要对加速度X轴、Y轴、Z轴分别求取，相关系数包括X轴与Y轴、X轴与Z轴、Y轴与Z轴三种；频域特征是傅里叶变换系数；6）将上述统计特征构成统计特征向量，VS=(S0,…,S17)，其中S0，S1，S2分别表示X轴均值、Y轴均值、Z轴均值，S3，S4，S5分别表示X轴方差、Y轴方差、Z轴方差，S6，S7，S8分别表示X轴最大值、Y轴最大值、Z轴最大值，S9，S10，S11分别表示X轴最小值、Y轴最小值、Z轴最小值，S12，S13，S14分别表示X轴能量、Y轴能量、Z轴能量，S15，S16，S17分别表示X轴与Y轴相关系数、X轴与Z轴相关系数、Y轴与Z轴相关系数；将上述频域特征构成频域特征向量，VF=(F0,…,Fn)，其中Fk表示频域第k个分量的傅里叶变换系数；将统计特征向量VS和频域特征向量VF构成加速度特征向量VA=(VS, VF)；步骤3，基于一系列正确标注了高级情境信息的特征向量分别训练分类模型：使用正确标注了语义化场所的GPS特征向量训练语义化场所分类模型，使用正确标注了活动的加速度特征向量训练活动分类模型；二、获取高级情境：步骤1，通过移动终端上的传感设备采集用户的高级情境信息：使用GPS传感设备采集用户的GPS位置信息，通过加速度传感设备采集用户的加速度信息；步骤2，对高级情境信息分别提取特征构建特征向量：对GPS位置信息进行聚类得到GPS访问地点然后提取时间模式特征构建GPS特征向量，对加速度信息进行切割得到加速度帧然后提取统计和频域特征构建加速度特征向量；步骤3，在得到低级情境信息的特征向量后根据分类模型分别获取信息对应的高级情境信息：将需要识别的GPS特征向量根据语义化场所分类模型得到其对应的语义化场所，将需要识别的加速度特征向量根据活动分类模型得到其对应的活动；三、推送烟草信息：步骤1，设定推送规则：首先对推送信息进行分类，其次对用户进行分类，接着对每一类信息构建推送向量，然后根据不同类型的用户定义推送向量值，最后根据推送向量设计推送算法；步骤2，获取每一个用户的类型和其当前高级情境信息，包括语义化场所和活动；步骤3，基于推送规则向用户推送信息。