[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

摘要

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。

主权项

一种移动时空感知下动态即时推荐服务模型建立方法，其特征在于，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；计算用户行为偏好在整个生命周期中绝对强度和相对强度，构建用户行为偏好变化轨迹的强度走势，挖掘每个兴趣所具有的权重；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，确定用户行为偏好变化模型；根据用户行为偏好变化模型，结合移动时空感知信息，确定基于Top‑K的个性化动态即时推荐服务模型。