一种用户兴趣获取与传播方法及其系统

1.一种用户兴趣获取与传播方法，其特征在于，包括以下步骤：
步骤S1：客户端建立存放通用用户兴趣模型的存储空间，并将通用用户兴趣模型中的兴趣集初始化为空集；
步骤S2：基于通用用户兴趣模型，客户端根据反馈的用户兴趣调查结果或电子商务平台的历史兴趣集，生成通用用户兴趣模型中初始兴趣集；
步骤S3：用户访问电子商务平台；
步骤S4：客户端向当前电子商务平台的个性化推荐模块提出传播用户兴趣请求，当前个性化推荐模块通过兴趣模型转换接口接收客户端内通用用户兴趣模型，根据通用用户兴趣模型中的兴趣集更新当前个性化推荐模块中对应用户的兴趣集；
步骤S5：判断当前个性化推荐模块中对应用户的兴趣集是否与客户端内通用用户兴趣模型中的兴趣集相同，若否，则执行步骤S6，若是，兴趣传播完成，执行步骤S7；
步骤S6：从当前个性化推荐模块中提取对应用户的新兴趣集，经过兴趣模型转换接口发送给客户端，更新客户端内通用用户兴趣模型中的兴趣集，兴趣更新完成；
步骤S7：用户继续访问其他电子商务平台，客户端与用户当前访问的电子商务平台的个性化推荐模块进行通信，跳转步骤S4。
2.根据权利要求1所述的一种用户兴趣获取与传播方法，其特征在于，所述的通用用户兴趣模型的建立方法包括：
101：建立描述用户兴趣特点的基本结构，即元兴趣，每个元兴趣由若干个键值对组成，表示为元兴趣in＝∪＜ki,vi＞(i＝1,2,3,…)，ki,vi为键值，将所有元兴趣组成集合为元兴趣全集，记为INall＝{in1,in2,…,inN}，其中N为元兴趣全集的长度，再将若干个元兴趣组成集合为元兴趣集，记为IN，且
102：建立描述元兴趣间相互关系的结构，即兴趣关系，每个兴趣关系用一个三元组表示，表示为兴趣关系rij＝＜ini,inj,ρ＞(ini,inj∈IN)，其中ρ表示元兴趣ini和inj之间的关系函数，且rij和rji不同；
103：由步骤101、102，对于元兴趣集IN，存在一组兴趣关系，记为：R＝∪rij＝∪＜ini,inj,ρ＞(ini,inj∈IN)，元兴趣集IN和其对应的兴趣关系R统称为用户兴趣集，记为S＝(IN,R)，则对于用户u，其通用用户兴趣模型表示为一个兴趣集或若干个兴趣集的并集，记为：
3.根据权利要求1所述的一种用户兴趣获取与传播方法，其特征在于，所述的步骤S2具体为：
201：客户端判断是否收到反馈的用户兴趣问卷调查，若是，则执行步骤205，若否，则用户访问电子商务平台，执行步骤202；
202：客户端与电子商务平台的个性化推荐模块之间建立通信；
203：判断当前个性化推荐模块中是否包含当前用户的历史兴趣集，若是，则执行204，若否，则用户访问其他电子商务平台，跳转202；
204：客户端从当前个性化推荐模块中获取历史兴趣集，生成通用用户兴趣模型中初始的兴趣集；
205：客户端根据用户兴趣问卷调查结果生成通用用户兴趣模型的初始兴趣集。
4.一种采用如权利要求1所述的方法实现的用户兴趣获取与传播系统，包括电子商务平台的个性化推荐模块，其特征在于，还包括客户端和兴趣模型转换接口，所述的客户端包括存储模块和兴趣模型管理模块，所述的存储模块连接兴趣模型管理模块，所述的兴趣模型管理模块连接兴趣模型转换接口，所述的兴趣模型转换接口设于电子商务平台内，连接个性化推荐模块。
5.根据权利要求4所述的一种用户兴趣获取与传播系统，其特征在于，所述的兴趣模型转换接口将客户端内通用用户兴趣模型中的兴趣集格式与个性化推荐模块中的兴趣集格式进行相互转换。
6.根据权利要求4所述的一种用户兴趣获取与传播系统，其特征在于，所述的兴趣模型管理模块对用户u的通用用户兴趣模型Iu进行基本运算，对于给定运算函数f和n维通用用户兴趣模型向量 将f作用于 的运算记为 其中，I1,I2,…,In为用户
u1,u2,…,un的通用用户兴趣模型；
所述的基本运算具体包括：
1)用户兴趣查询：从通用用户兴趣模型Iu中查询用户u的兴趣集，记为read(Iu)；
2)用户兴趣添加：向用户u的通用用户兴趣模型Iu中添加新的兴趣集Sα，记为insert(Iu,Sα)；
3)用户兴趣更新：将用户u的通用用户兴趣模型Iu中的兴趣集Sα更新为S′α，记为update(Iu,Sα,S′α)；
4)用户兴趣删除：删除用户u的通用用户兴趣模型Iu中的兴趣集Sα，记为delete(Iu,Sα)；
5)用户兴趣匹配：给定用户u的通用用户兴趣模型Iu和用户v的通用用户兴趣模型Iv，计算两者之间的相似度，记为similarity(Iu,Iv)。

一种用户兴趣获取与传播方法及其系统\n技术领域\n[0001] 本发明涉及电子商务个性化推荐领域，尤其是涉及一种用户兴趣获取与传播方法及其系统。\n背景技术\n[0002] 个性化推荐系统是一种根据用户的行为特征和兴趣特点，向用户推荐其可能感兴趣的商品或资源的软件系统，在电子商务领域中有着极其重要和广泛的应用。个性化推荐建立在海量的用户历史数据之上，通过数据挖掘和推荐算法，帮助电子商务平台(后面简称平台)向用户提供一套个性化决策支持的解决方案。推荐算法一般分为三种：基于内容的推荐算法，协同过滤算法和混合推荐算法。基于内容的推荐是资源与资源间的匹配，同时结合用户兴趣进行推荐。协同过滤推荐是用户与用户问的匹配，即利用用户对商品的评分来进行推荐。混合推荐则是把上述两种推荐方式结合起来。\n[0003] 无论推荐系统采用上述哪一种推荐算法，其共同点是都必须依赖于各自平台中用户浏览的历史记录，从而利用历史记录计算出用户兴趣模型或用户相关的信息。这就导致了以下两个缺陷。\n[0004] 1)平台依赖性：每个平台都使用自己的一套用户兴趣挖掘算法，并且独立地维护和更新一组兴趣相关数据。这些数据是该平台所特有的，一旦离开这个平台，这些数据就失去了意义，因为其他平台根本无法识别。\n[0005] 2)数据的局部性和稀疏性：用户的兴趣相关数据只存在于特定的平台中，而且也只有在该平台中才有意义。如果用户切换到一个他从未访问过的平台，那么在该新平台中他的历史数据和兴趣相关数据为空。该平台根本无法针对他的兴趣做出推荐。哪怕是该平台与前面他访问过的平台非常类似(例如都是网上书店)。\n[0006] 目前，针对上述两个问题的处理方式都是基于单个平台进行的，而本发明则以多平台的总体为出发点，提出一套全新的用户兴趣获取和传播机制，从而在很大程度上克服了现有推荐系统中存在的上述两个缺陷。\n发明内容\n[0007] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用户兴趣获取与传播方法及其系统，能够快速捕捉用户的兴趣，通过不断更新使得用户兴趣逐步完善，从而利于兴趣获取与传播。\n[0008] 本发明的目的可以通过以下技术方案来实现：\n[0009] 一种用户兴趣获取与传播方法，包括以下步骤：\n[0010] 步骤S1：客户端建立存放通用用户兴趣模型的存储空间，并将通用用户兴趣模型中的兴趣集初始化为空集；\n[0011] 步骤S2：基于通用用户兴趣模型，客户端根据反馈的用户兴趣调查结果或电子商务平台的历史兴趣集，生成通用用户兴趣模型中初始兴趣集；\n[0012] 步骤S3：用户访问电子商务平台；\n[0013] 步骤S4：客户端向当前电子商务平台的个性化推荐模块提出传播用户兴趣请求，当前个性化推荐模块通过兴趣模型转换接口接收客户端内通用用户兴趣模型，根据通用用户兴趣模型中的兴趣集更新当前个性化推荐模块中对应用户的兴趣集；\n[0014] 步骤S5：判断当前个性化推荐模块中对应用户的兴趣集是否与客户端内通用用户兴趣模型中的兴趣集相同，若否，则执行步骤S6，若是，兴趣传播完成，执行步骤S7；\n[0015] 步骤S6：从当前个性化推荐模块中提取对应用户的新兴趣集，经过兴趣模型转换接口发送给客户端，更新客户端内通用用户兴趣模型中的兴趣集，兴趣更新完成；\n[0016] 步骤S7：用户继续访问其他电子商务平台，客户端与电子商务平台的个性化推荐模块进行通信，跳转步骤S4。\n[0017] 所述的通用用户兴趣模型的建立方法包括：\n[0018] 101：建立描述用户兴趣特点的基本结构，即元兴趣，每个元兴趣由若干个键值对组成，表示为元兴趣in＝∪＜ki，vi＞(i＝1，2，3，…)，ki，vi为键值，将所有元兴趣组成集合为元兴趣全集，记为INall＝{in1，in2，…，inN}，其中N为元兴趣全集的长度，再将若干个元兴趣组成集合为元兴趣集，记为IN，且\n[0019] 102：建立描述元兴趣间相互关系的结构，即兴趣关系，每个兴趣关系用一个三元组表示，表示为兴趣关系rij＝＜ini，inj，ρ＞(ini，inj∈IN)，其中ρ表示元兴趣ini和inj之间的关系函数，且rij和rji不同；\n[0020] 103：由步骤101、102，对于元兴趣集IN，存在一组兴趣关系，记为：R＝∪rij＝∪＜ini，inj，ρ＞(ini，inj∈IN)，元兴趣集IN和其对应的兴趣关系R统称为用户兴趣集，记为S＝(IN，R)，则对于用户u，其通用用户兴趣模型表示为一个兴趣集或若干个兴趣集的并集，记为：\n[0021] 所述的步骤S2具体为：\n[0022] 201：客户端判断是否收到反馈的用户兴趣问卷调查，若是，则执行步骤205，若否，则用户访问电子商务平台，执行步骤202；\n[0023] 202：客户端与电子商务平台的个性化推荐模块之间建立通信；\n[0024] 203：判断当前个性化推荐模块中是否包含当前用户的历史兴趣集，若是，则执行\n204，若否，则用户访问其他电子商务平台，跳转202；\n[0025] 204：客户端从当前个性化推荐模块中获取历史兴趣集，生成通用用户兴趣模型中初始的兴趣集；\n[0026] 205：客户端根据用户兴趣问卷调查结果生成通用用户兴趣模型的初始兴趣集。\n[0027] 一种采用如上述的方法实现的用户兴趣获取与传播系统，包括电子商务平台的个性化推荐模块，还包括客户端和兴趣模型转换接口，所述的客户端包括存储模块和兴趣模型管理模块，所述的存储模块连接兴趣模型管理模块，所述的兴趣模型管理模块连接兴趣模型转换接口，所述的兴趣模型转换接口设于电子商务平台内，连接个性化推荐模块。\n[0028] 所述的兴趣模型转换接口将客户端内通用用户兴趣模型中的兴趣集格式与个性化推荐模块中的兴趣集格式进行相互转换。\n[0029] 所述的兴趣模型管理模块对用户u的通用用户兴趣模型Iu进行基本运算，对于给定运算函数f和n维通用用户兴趣模型向量 将f作用于 的运算记为\n其中，I1，I2，…，In为用户u1，u2，…，un的通用用户兴趣模型；\n[0030] 所述的基本运算具体包括：\n[0031] 1)用户兴趣查询：从通用用户兴趣模型Iu中查询用户u的兴趣集，记为read(Iu)；\n[0032] 2)用户兴趣添加：向用户u的通用用户兴趣模型Iu中添加新的兴趣集Sα，记为insert(Iu，Sα)；\n[0033] 3)用户兴趣更新：将用户u的通用用户兴趣模型Iu中的兴趣集Sα更新为S′α，记为update(Iu，Sα，S′α)；\n[0034] 4)用户兴趣删除：删除用户u的通用用户兴趣模型Iu中的兴趣集Sα，记为delete(Iu，Sα)；\n[0035] 5)用户兴趣匹配：给定用户u的通用用户兴趣模型Iu和用户v的通用用户兴趣模型Iv，计算两者之间的相似度，记为similarity(Iu，Iv)。\n[0036] 与现有技术相比，本发明具有以下优点：\n[0037] 1)本发明提出和采用了一种通用的用户兴趣描述模型和相应的运算操作，用于在不同的平台之间采用共同的兴趣描述方法和格式，以便于互相理解和交换。它能够反映出每个用户所具有的不同兴趣特点，包括用户行为特征、专业领域、能力级别、长期兴趣、短期兴趣、兴趣间的关联等，具有准确性、通用性，易于推广实现。\n[0038] 2)本发明提出和采用了用户兴趣获取与传播的系统，包括兴趣模型转换接口，实现了用户兴趣跨平台复用的功能。在一个平台获得的个性化数据，经过兴趣模型转换接口的转换，成为标准的用户兴趣描述模型，可以提供给其他平台使用，并且随着用户在平台上的历史记录增加，兴趣模型会不断得到更新。\n[0039] 3)本发明提出和采用了一种全新的用户兴趣获取与传播方法，能克服现有的个性化推荐系统对于用户兴趣的平台依赖性以及兴趣数据局部性和稀疏性的缺陷。用户到电子商务平台上开展活动时，客户端将把其自携带的兴趣模型主动传播给平台，并且反过来又可以利用该平台挖掘的新数据来更新自己的兴趣模型，使其得到不断的完善，具有高效性。\n附图说明\n[0040] 图1为本发明用户兴趣获取与传播方法流程图；\n[0041] 图2为本发明获取初始的通用用户兴趣模型方法流程图；\n[0042] 图3为本发明用户兴趣获取与传播系统结构示意图；\n[0043] 图4为本发明实施例中用户兴趣获取与传播过程示意图。\n[0044] 图中：1、客户端，2、电子商务平台，3、存储模块，4、兴趣模型管理模块，5、兴趣模型转换接口，6、个性化推荐模块。\n具体实施方式\n[0045] 下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。\n[0046] 如图1所示，采用一种用户兴趣获取与传播的方法，实现在用户访问电子商务平台\n2时客户端1与电子商务平台2中推荐系统之间进行兴趣获取、传播与更新，包括以下步骤：\n[0047] 步骤S1：客户端1建立存放通用用户兴趣模型的存储空间，并将通用用户兴趣模型中的兴趣集初始化为空集。通用用户兴趣模型一套兴趣描述的标准和框架，模型中存储的兴趣集是需要传播和更新，其建立方法包括：\n[0048] 101：建立描述用户兴趣特点的基本结构，即元兴趣，每个元兴趣由若干个键值对组成，表示为元兴趣in＝∪＜ki，vi＞(i＝1，2，3，…)，ki，vi为键值，将所有元兴趣组成集合为元兴趣全集，记为INall＝{in1，in2，…，inN}，其中N为元兴趣全集的长度，再将若干个元兴趣组成集合为元兴趣集，记为IN，且\n[0049] 102：建立描述元兴趣间相互关系的结构，即兴趣关系，每个兴趣关系用一个三元组表示，表示为兴趣关系rij＝＜ini，inj，ρ＞(ini，inj∈IN)，其中ρ表示元兴趣ini和inj之间的关系函数，且rij和rji不同；\n[0050] 103：由步骤101、102，对于元兴趣集IN，存在一组兴趣关系，记为：R＝∪rij＝∪＜ini，inj，ρ＞(ini，inj∈IN)，元兴趣集IN和其对应的兴趣关系R统称为用户兴趣集，记为S＝(IN，R)，则对于用户u，其通用用户兴趣模型表示为一个兴趣集或若干个兴趣集的并集，记为：\n[0051] 步骤S2：基于通用用户兴趣模型，客户端1根据反馈的用户兴趣调查结果或电子商务平台2的历史兴趣集，生成通用用户兴趣模型中初始兴趣集。如图2所示，具体为：\n[0052] 201：客户端1判断用户是否愿意做兴趣问卷调查，具体为判断是否收到反馈的用户兴趣问卷调查，若是，则执行步骤205，若否，则用户访问电子商务平台2，执行步骤202；\n[0053] 202：客户端1与电子商务平台2的个性化推荐模块6之间建立通信；\n[0054] 203：判断当前个性化推荐模块6中是否包含当前用户的历史兴趣集，若是，则执行\n204，若否，则用户访问其他电子商务平台2，跳转202；\n[0055] 204：客户端1从当前个性化推荐模块6中获取历史兴趣集，生成通用用户兴趣模型中初始的兴趣集；\n[0056] 205：客户端1根据用户兴趣问卷调查结果生成通用用户兴趣模型的初始兴趣集。\n[0057] 步骤S3：用户访问电子商务平台2。\n[0058] 步骤S4：客户端1向当前电子商务平台2的个性化推荐模块6提出传播用户兴趣请求，当前个性化推荐模块6通过兴趣模型转换接口5接收客户端1内通用用户兴趣模型，根据客户端1内通用用户兴趣模型中的兴趣集更新当前个性化推荐模块6中对应用户的兴趣集。\n[0059] 步骤S5：判断当前个性化推荐模块6中对应用户的兴趣集是否与客户端1内通用用户兴趣模型中的兴趣集相同，若否，则执行步骤S6，若是，兴趣传播完成，执行步骤S7。\n[0060] 步骤S6：从当前个性化推荐模块6中提取对应用户的新兴趣集，经过兴趣模型转换接口5发送给客户端1，更新客户端1内通用用户兴趣模型中的兴趣集，兴趣更新完成。\n[0061] 步骤S7：用户继续访问其他电子商务平台2，客户端1与电子商务平台2的个性化推荐模块6进行通信，跳转步骤S4。\n[0062] 如图3所示，采用上述方法实现的用户兴趣获取与传播的系统，包括电子商务平台\n2的个性化推荐模块6，还包括客户端1和兴趣模型转换接口5，客户端1包括存储模块3和兴趣模型管理模块4，存储模块3连接兴趣模型管理模块4，用于以通用用户兴趣模型格式保存用户兴趣集，兴趣模型管理模块4连接兴趣模型转换接口5，兴趣模型转换接口5设于电子商务平台2内，连接个性化推荐模块6。\n[0063] 兴趣模型转换接口5将客户端1内的通用用户兴趣模型格式与个性化推荐模块6的兴趣集格式进行相互转换。即它是一种用于在通用用户兴趣模型与具体推荐系统中用户兴趣数据之间进行交互的部件，用于实现用户兴趣的统一格式与该推荐系统中特定的兴趣数据格式之间的相互转换以及相互操作。该接口的功能包括：\n[0064] a.解析兴趣模型：将兴趣集从通用用户兴趣模型的统一格式转换成个性化推荐模块6的特定格式。\n[0065] b.还原兴趣模型：将兴趣集从个性化推荐模块6的特定格式转化成通用用户兴趣模型的统一格式。\n[0066] 兴趣模型管理模块4对用户u的通用用户兴趣模型Iu进行基本运算，对于给定运算函数f和n维通用用户兴趣模型向量 将f作用于 的运算记为 其中，\nI1，I2，…，In为用户u1，u2，…，un的通用用户兴趣模型。\n[0067] 基本运算包括：\n[0068] 1)用户兴趣查询：从通用用户兴趣模型Iu中查询用户u的兴趣集，记为read(Iu)；\n[0069] 2)用户兴趣添加：向用户u的通用用户兴趣模型Iu中添加新的兴趣集Sα，记为insert(Iu，Sα)；\n[0070] 3)用户兴趣更新：将用户u的通用用户兴趣模型Iu中的兴趣集Sα更新为S′α，记为update(Iu，Sα，S′α)；\n[0071] 4)用户兴趣删除：删除用户u的通用用户兴趣模型Iu中的兴趣集Sα，记为delete(Iu，Sα)；\n[0072] 5)用户兴趣匹配：给定用户u的通用用户兴趣模型Iu和用户v的通用用户兴趣模型Iv，计算两者之间的相似度，记为similarity(Iu，Iv)。\n[0073] 易知，上述基本运算都是一般运算 的特殊形式。\n[0074] 因此，每个用户在其客户端1上拥有一个存储空间，用于存放通用用户兴趣模型，兴趣模型管理模块4则提供该模型的运算操作接口。用户在使用客户端1参加各种电子商务活动的同时，相当于“随身携带”自己的兴趣模型。客户端1不断地从电子商务平台2内获得有关该用户兴趣的数据，并据此更新自己的模型。然后把新的模型“随身携带”，传播到后面访问的平台中。\n[0075] 基于上述方法和系统，用户u通过客户端I携带自身兴趣集，在平台A、B、C、D上进行活动的过程中，客户端1与相应的推荐系统A、B、C、D(包括兴趣模型转换接口5和个性化推荐模块6)进行兴趣获取、传播与更新的具体工作流程如下，参见图4：\n[0076] a.初始化。用户u第一次打开客户端1时，客户端1建立存放通用用户兴趣模型(后面简称兴趣模型)的存储空间，并由兴趣模型管理模块4将其初始化为空集。\n[0077] b.兴趣获取。可以通过向用户进行问卷调查来获取，也可以从用户访问过的平台中来获取。如果用户u不愿意进行问卷调查，那么，在用户访问以前访问过的平台时，客户端\n1从该平台的推荐系统获取该用户的兴趣，并“随身携带”。如图4中(a)部分所示，当客户端1向推荐系统A提出获取兴趣集的请求时，推荐系统A内的兴趣模型转换接口5先从个性化推荐模块6中提取兴趣集α，然后将其转换成标准格式，最后返回给客户端1。\n[0078] c.兴趣传播。当用户u第一次登录某个平台时，其客户端1将“随身携带”的兴趣集传播给该平台，这样该平台就可以立即提供推荐服务，而这在目前的平台中是不可能做到的。如图4中(b)部分所示，当客户端1向平台推荐系统B提出传播兴趣集α的请求时，平台推荐系统B内的兴趣模型转换接口5先将兴趣集α转换成其自己的兴趣数据格式，然后将该兴趣集加入其个性化推荐模块6。\n[0079] d.当用户u登陆以前访问过的平台时，也可以传播其当前的兴趣，步骤同上，如图4中(c)部分所示。\n[0080] e.兴趣更新。用户在该平台进行商务活动后，该平台的推荐系统根据他的活动记录信息计算出新兴趣聚并返回给客户端1，客户端1据此更新完善兴趣模型。如图4中(c)部分所示，当用户u在平台C上活动一段时间后，在退出时，客户端1向平台的推荐系统C提出获取新兴趣集的请求。推荐系统C内的个性化推荐模块6会计算出该用户新的兴趣集β。然后将β发送给兴趣模型转换接口5，该接口转换数据格式后，将β发送给客户端1。经过处理，客户端1将已有的兴趣集α和兴趣集β合并成新的兴趣集α+β。\n[0081] f.兴趣再传播。客户端1将全新的兴趣模型传播到其他平台。如图4中(d)部分所示，当用户u到平台D上进行活动时，其客户端1会把从平台B和平台C上获得的兴趣集α+β传播至推荐系统D中，推荐系统D随即将新的兴趣α+β和已有的兴趣集γ进行合并和更新。\n[0082] g.依此类推，用户u的客户端1可以不断地从各个平台的推荐系统上获得自己的新兴趣数据，并据此更新自己携带的兴趣模型。反之，也可以将最新的兴趣模型传播给在此之后访问的平台，并更新该平台的推荐系统中该用户的兴趣。