CN101819572A - 一种用户兴趣模型的建立方法 - Google Patents

Abstract

本发明公开了一种用户兴趣模型的建立方法。该方法在构造用户个体兴趣模型的基础上，利用用户的行为特征来计算用户之间的社会协作关系，并以关系的量化值为权来建立用户的群体兴趣模型，最后与其个体兴趣模型融合得到用户最终的兴趣模型。该方法可用于互联网及电子商务系统等应用中各种个性化推送服务中的用户建模，比如个性化新闻、图书推荐等。

Description

一种用户兴趣模型的建立方法

技术领域

本发明涉及个性化服务中的用户兴趣建模技术。

背景技术

个性化服务在当今经济和社会生活中的地位和重要性日益突出。例如，互联网上的搜索引擎需要提供个性化的搜索结果，新闻网站需要提供个性化的新闻，电子商务中需要推荐个性化的商品和服务，移动通信中需要推荐个性化的资费套餐和新业务等等。通过提供个性化服务，最大化满足用户需求，培养用户粘度和忠诚度，最终，服务提供商将获得利益。

个性化服务的核心是匹配用户的需求，其中用户兴趣建模是关键。

现有技术中，用户兴趣建模的典型方法是文本内容分析。例如，通过跟踪用户所访问的网页，提取这些网页内容中的关键词，对每个关键词赋予一定的权值，将所有的关键词组合到一起形成一个向量作为用户的兴趣模型。或者利用文本分类或者聚类的方法对用户访问过的网页分析，根据用户浏览网页所属的类别的特征向量得到用户的兴趣模型。这类模型的优点是能比较准确反映用户自己的兴趣，其缺点是只能记录用户的历史兴趣，无法反映用户受所在社会群体中其它成员的影响而产生的对新的商品或者服务的需求。目前，这种用户建模方法技术已经成熟。

另一种典型的用户兴趣建模技术是社会过滤技术，也称协同过滤技术。这种方法根据用户的访问历史计算和其他用户的社会关系值：具有相似兴趣的用户之间社会关系值较大，然后通过该社会关系值为权对其他用户的兴趣模型加权得到用户的群体兴趣模型。这种建模方法考虑了用户在社会网络中的群体兴趣，能反映其它用户喜欢而该用户自己还未注意到的商品，其缺点是未能充分反映用户个体的兴趣。目前，协同过滤方法主要用于具有评分的推荐系统，如电影和书籍推荐系统中。此外，该方法在计算用户之间的社会关系时，通常是在用户个体模型上来计算用户之间的关系权值。

结合上述两种方法的混合模型具有二者的优点，同时克服了其缺点，因而具有更好的建模能力。混合模型的关键在于模型的混合方法。目前已经出现了几种混合方法包括：(1)分别实现基于内容过滤与协同过滤，然后用线性组合或者投票的方法将两种方法的输出结果进行组合；(2)将基于内容过滤的某些特征合并到协同过滤方法中，如为每个用户对应一个基于内容的用户文档，用来计算用户之间的相似度，然后再做协同过滤；(3)将协同过滤方法的某些特征合并到基于内容过滤方法中，这种方法中流行的是在一组基于内容的档案中使用降维技术创建用户档案的协同视图，用关键词向量来表示用户档案，以提升纯粹的基于内容过滤方法的性能。或者(4)合并基于内容过滤方法和协同过滤方法两者的特征，如基于规则的分类器、统一概率方法、贝叶斯回归模型等。

发明内容

本发明提供一种建立用户兴趣模型的方法，该方法的特别之处在于如下两方面：其一，计算用户社会关系时是通过用户和对象交互的二部图网络，而不是通过计算用户个体兴趣之间的距离；其二，本发明将此社会关系作为权值来计算用户的群体兴趣。

本发明的基本思想是：在用户个体兴趣的基础上，利用用户的行为特征来计算用户之间的社会关系，并以量化值为权重来建立用户的群体兴趣，最后融合该用户的个体兴趣和群体兴趣，计算出该用户最终的兴趣。

本发明建立用户兴趣模型的方法为如下五个步骤。

步骤1：建立用户-对象二部分图网络

用户-对象二部图网络建立方法为：用户和对象分别组成二部图的节点，用户之间，以及对象之间没有边相连，如果用户和对象之间存在关联，则在它们之间建立一条连边。根据实际应用场景的不同，此处的对象可以是网页、书、论坛的主题贴、标签(Tags)等，用户和对象之间的关联是指用户点击或者浏览了该对象。

在互联网相关应用中，建立二部图网络的数据来源于服务器日志信息，该日志信息通常记录了用户ID以及该用户所访问对象的ID。对象通常由文字描述，例如网页通常由若干文本字符组成，书籍通常包括题目、摘要等文字信息，这些对象的文字描述经过处理后用向量空间模型表示。

步骤2：计算用户个体兴趣模型

通过对用户相连的对象进行文本分类或者聚类，可以得到用户的个体兴趣模型。文本分类或者聚类得到用户兴趣模型是现有技术。

通过对描述对象的文本进行聚类，相似的对象将被划分到同一个簇中。根据聚类结果，建立用户个体兴趣模型

其具体建立方法为：

对某个用户，获得每个关注对象所属聚类簇的中心，然后对所有簇中心进行加权求和，求和公式为：

$U_i^I={\mathrm{\Σ}}_{c\∈C}(\frac{N_{\mathrm{ic}}}{N}\×V_c)$

其中N_ic是用户U_i关注的对象中属于簇c的数目，N是U_i关注的对象的数目，C是U_i关注的对象所属的所有簇的集合。V_c是簇c的中心，又称为簇c的特征向量。

步骤3：计算用户间的社会关系值

在步骤1建立的用户-对象二部图网络中，计算用户U_i的社会关系值。社会关系是用户在关联对象时形成的社会接触关系，其关联强度值可以用实数值SR进行计算和度量，该值越大，说明用户间的兴趣爱好相似度越高；反之，该值越小，表明用户间的兴趣差异越大。

社会关系值的计算公式如下：

$\mathrm{SR}(U_1,U_2)=\frac{|O\left(U_1\right)\∩O\left(U_2\right)|}{|O\left(U_1\right)\∪O\left(U_2\right)|}$

其中O(U₁)表示用户-对象二部图中用户U₁关联的对象，O(U₂)表示用户U₂关联的对象，|O(U₁)∩O(U₂)|表示两个用户共同关联对象的数目；|O(U₁)∪O(U₂)|表示两个用户关联对象的总数。

步骤4：计算用户的群体兴趣

社会生活中的用户总是会受到社会中其它人群的影响，即其所在社区人群的影响，其兴趣也在一定程度上会接受他人的影响，本发明称之为群体兴趣。本发明在量化用户社会关系强度的基础上，利用协同推荐的基本思想，来计算用户的群体兴趣。

首先找到用户的兴趣群体，该群体是根据用户与其他用户之间社会关系值的强度来决定的。兴趣群体的确定有两种方法：一是固定其社区数目，设为k，则将用户U_i与其他所有用户的社会关系值按降序排列，选择社会关系值最高的前k个用户构成该用户的兴趣群体，避免选择的用户过多造成兴趣群体规模过大。第二种方法是对兴趣设定一个阈值ε，限定用户社会关系大于此阈值的用户为该用户的兴趣群体。

然后计算U_i的群体兴趣。根据用户U_i所在的兴趣群体和用户U_i的社会关系值，用户U_i的群体兴趣

具体为：

$U_i^G={\mathrm{\Σ}}_{j\∈Q}\mathrm{SR}(i,j)*U_j^I$

其中，

j∈Q表示和用户U_j的个体兴趣，Q表示用户U_i的兴趣群体，SR(i，j)表示用户U_i和U_j的社会关系值。

步骤5：计算用户兴趣模型

将用户的个体兴趣模型与其群体兴趣模型进行加权融合，得到该用户最终的兴趣模型。本发明采用线性加权，其计算公式为：

$U_i=\mathrm{\α}*U_i^I+(1-\mathrm{\α})*U_i^G$

其中，

表示U_i的个体兴趣，

表示U_i的群体兴趣，α是一个根据实际系统选取的可调参数，范围为[0，1]。

附图说明

图1是本发明提出方法对应系统的流程图；

图2是本发明的具体实施步骤流程图；

图3是本发明中建立的用户-主题二部图；

具体实施方式

下面以音乐网络论坛中的用户兴趣建模为例来说明本发明的具体实施过程。其它各类相似场景的用户建模在方法上是一致的，本发明方法不应理解为仅局限该实施例中。

图1给出了本发明的示意图。本发明是从用户参与对象讨论的情况，分别建立用户的个体兴趣模型和群体兴趣模型，然后将这两种兴趣模型融合。在具体实施时，本发明将分做5个主要步骤，如图2所示，依次为：1)建立用户-对象二部分图网络；2)计算用户个体兴趣；3)计算用户间的社会关系；4)计算用户群体兴趣；5)融合个体兴趣和群体兴趣得到用户最终兴趣模型。显然，步骤1和步骤2的顺序可以对换。

在步骤1中，需要建立用户-对象二部分图。在该实施例中，用户为论坛中的注册用户，用其ID来进行标识；对象是论坛的主题贴，用主题贴的ID来进行标识。主题是指论坛中一个主题贴文字和随后的回复帖文字的总和。

建立用户-对象二部图网络的具体方法为：用户和对象分别组成二部图的节点集合，用户之间，以及对象之间没有边相连。如果某个用户参与了某个主题的讨论，则认为该用户和对象之间存在关联，在它们之间建立一条连边。显然，根据实际应用场景的不同，在具体实施的时候，对象可以是网页、书、论坛的主题贴、标签(Tags)等，用户和对象之间的关联也可根据需要进行定义，比如用户点击或者浏览了某个对象。

图3给出了一个用户-对象二部图网络示意图。在具体存储时，可以使用二元组或者矩阵。二元组方式中，每一个二元式分别给出用户ID和对象ID；在矩阵形式存放时，用户ID和对象ID分别组成行和列，如果用户和对象之间存在关联，则置相应位置为1，否则为0。本发明优先使用二元组形式。

在步骤2中，需要建立用户的个体兴趣模型。现有技术中已经存在多种方法来建立用户个体兴趣模型，本发明优先选择聚类和分类技术。

首先，将对象用向量空间模型表示。对象的描述是用文本来表示的，例如主题文本就是主题贴以及相关的回复形成的文本，书籍应用中文本就是书的题目、摘要、简介等，或者网页应用中文本就是网页的文字。通过对其描述文本进行分词，使用TF×IDF的形式将该对象表示为如下形式：

{(t₁，ω₁)，(t₂，ω₂)，…，(t_n，ω_n)}，

其中ti为关键词，ω_i为其权值。该模型在存储时，亦可以固定对象及其顺序，形式如(ω₁，ω₂，…，ω_n)。例如，在音乐论坛中，某主题可能表示为{(伤感，0.4)，(感怀，0.12)，(心碎，0.18)，(流泪，0.2)，(深情，0.05)，(失落，0.05)}。

其次，利用k-means方法对对象进行聚类，将相似的对象将划分到同一个簇中。其具体步骤如下：

1)先随机选择k个主题作为聚类的中心；

2)计算其余的主题到这k个中心的距离，并将该主题分配到离它距离最近的中心，由此产生了k个主题类；

3)重新计算各个主题类的聚类中心，计算过程就是在每个主题类中计算所有主题类主题的特征向量的均值得到主题类的中心，

4)重复上面两个步骤，直到各类的中心点不再变化，或者迭代次数超过临界值。经过上面步骤产生最终的k个簇，保留每个簇的特征向量，即簇中心。

如果使用分类的方法，需要事先定义类别。比如在音乐论坛中，我们基于Hevner情感环模型，将其分为伤感，抒情，欢快，激昂，热情，宁静六个大的类别。然后使用文本分类算法，将每一个主题划分到相应类别中。并计算各个类别的类中心，该类中心为类中各个特征向量的均值。

比如，我们可能得到上述分类的几个中心，并用VSM模型表示如下。伤感簇：{(伤心，0.22)，(难过，0.18)，(心碎，0.06)，(心痛，0.06)，(流泪，0.08)，(爱，0.05)，(回忆，0.04)，(寂寞，0.03)，(等你，0.03)，(忘记，0.04)，(离开，0.06)，(放手，0.05)，(痴情，0.02)，(残酷，0.01)，(分手，0.07)}；宁静簇：{(宁静，0.28)，(平和，0.13)，(平静，0.10)，(放松，0.06)，(悠远，0.03)，(意境，0.05)，(自然，0.03)，(纯净，0.08)，(抚慰，0.05)，(静谧，0.04)，(柔和，0.06)，(乐器，0.02)，(钢琴，0.02)，(小提琴，0.01)，(禅唱，0.04)}等。

最后，根据聚类或分类结果，建立用户个体兴趣模型

其具体建立方法为：

对某个用户，获得每个关注对象所属聚类簇的中心，然后对所有簇中心进行加权求和，求和公式为：

$U_i^I={\mathrm{\Σ}}_{c\∈C}(\frac{N_{\mathrm{ic}}}{N}\×V_c)$

其中N_ic是用户U_i关注的对象中属于簇c的数目，N是U_i关注的对象的数目，C是U_i关注的对象所属的所有簇的集合。V_c是簇c的中心，又称为簇c的特征向量。

例如，若以在线音乐论坛中的某个用户jason为例，他关注的主题共有52个，分散在三个簇中，在伤感簇中的主题有40个，在抒情簇中有8个，在欢快簇中有4个。按照个体兴趣模型公式将jason所关注主题所在簇的中心向量按照jason关注主题在各个簇中的比例进行加权，计算得到ID为jason的用户的个体兴趣模型{(伤心，0.23)，(分手，0.12)，(心碎，0.08)，(流泪，0.05)，(深情，0.05)，(爱，0.1)，(怀念，0.06)，(痴情，0.05)，(离开，0.1)，(放手，0.02)，(残酷，0.01)，(幸福，0.02)，(祝福，0.02)，(温柔，0.04)，(寂寞，0.05)}。

使用类似的方法，对某个IT技术论坛中得到用户浏览网页记录文档，其中获得ID为lovejava21的用户的个体兴趣模型{(java，0.05)，(后台，0.12)，(spring，0.1)，(struts，0.15)，(hibernate，0.18)，(前台，0.08)，(数据库，0.15)，(Sql，0.04)，(ext，0.05)，(js，0.08)}。

在步骤3中，需要根据用户-对象二部图来计算用户间的社会关系值。

社会关系是用户在关联对象时形成的社会接触关系，其关联强度值可以用实数值SR进行计算和度量，该值越大，说明用户间的兴趣爱好相似度很高；反之，该值越小，表明用户间的兴趣差异较大。用户间的社会关系可以有很多种计算方法，如两用户的交流频率、信任程度、兴趣相似性及从属关系等。本发明中的社会关系是通过用户参与到相同的对象进行讨论的次数来决定的。显然，本发明可采用其它多种现有的相似度计算方法。

用户U₁，U₂间社会关系值的计算公式如下：

$\mathrm{SR}(U_1,U_2)=\frac{|O\left(U_1\right)\∩O\left(U_2\right)|}{|O\left(U_1\right)\∪O\left(U_2\right)|}$

其中O(U₁)表示用户-对象二部图中用户U₁关联的对象，O(U₂)表示用户U₂关联的对象，|O(U₁)∩O(U₂)|表示两个用户共同关联对象的数目；|O(U₁)∪O(U₂)|表示两个用户关联对象的总数。

例如，图3中U₂和U₃的社会关系值计算如下：U₂关联对象O₁和O₃，因此

U₃关联对象O₃，因此按照上面的公式得到：

$\mathrm{SR}(U_2,U_3)=\frac{1}{2}=0.5$

通过上述方法可以得到任意两个用户之间的社会关系值。

步骤4，计算用户的社会群体兴趣。

社会生活中的用户总是会受到社会中其它人群的影响，即其所在社区人群的影响，其兴趣也在一定程度上会接受他人的影响，本发明称之为群体兴趣。本发明在量化用户社会关系强度的基础上，利用协同推荐的基本思想，来计算用户的群体兴趣。

首先找到用户的兴趣群体，该群体是根据用户与其他用户之间社会关系值的强度来决定的。兴趣群体的确定有两种方法：一是固定其社区数目，设为k，则将用户U_i与其他所有用户的社会关系值按降序排列，选择社会关系值最高的前k个用户构成该用户的兴趣群体，避免选择的用户过多造成兴趣群体规模过大。k的取值取决于实际的系统，通常情况下可以简单测试其取值情况从而得到最优值。第二种方法是对兴趣设定一个阈值ε，限定用户社会关系大于此阈值的用户为该用户的兴趣群体。

然后计算U_i的群体兴趣。根据用户U_i所在的兴趣群体和用户U_i的社会关系值，用户U_i的群体兴趣

具体为：

$U_i^G={\mathrm{\Σ}}_{j\∈Q}\mathrm{SR}(i,j)*U_j^I$

其中，

j∈Q表示和用户U_j的个体兴趣，Q表示用户U_i的兴趣群体，SR(i，j)s表示用户U_i和U_j的社会关系值。

例如，在音乐论坛用户兴趣模型建模实例中，按照以下步骤获取用户jason所在的兴趣群体的群体兴趣：

1)根据共同参与主题的情况计算jason与其它所有用户的社会关系值；

2)将关系值按照降序排列，选取前8个值对应的用户构成jason的兴趣群体。

与U_i相似度越高的用户越能反映U_i的兴趣爱好，当某用户与U_i相似度较低时不但不能反映U_i的兴趣，反而会在计算过程中使U_i兴趣准确度降低，因此实施例中将k值定为8。这8个用户中与jason关系值最大为0.82，最小为0.51。

3)记录这8个用户及其与jason相应的关系值，然后从数据库中查找这8个用户各自的个体兴趣，将这些个体兴趣以与jason关系值为比例进行如下加权：

$U_{\mathrm{jason}}^G={\mathrm{SR}}_{U_{\mathrm{jason}}}\left(U_1\right)*U_1^I+{\mathrm{SR}}_{U_{\mathrm{jason}}}\left(U_2\right)*U_2^I+...+{\mathrm{SR}}_{U_{\mathrm{jason}}}\left(U_8\right)*U_8^I$

从而得到jason所在群体的群体兴趣向量{(伤心，0.26)，(难过，0.08)，(心碎，0.05)，(深情，0.05)，(孤单，0.13)，(爱，0.08)，(温柔，0.09)，(安静，0.04)，(离开，0.06)，(放手，0.03)，(梦想，0.01)，(幸福，0.04)，(忧郁，0.01)，(寂寞，0.03)，(流泪，0.04)}。

采用同样的方法，对于IT技术论坛实例中用户lovejava21所在群体的群体兴趣向量{(java，0.05)，(swing，0.02)，(后台，0.06)，(spring，0.1)，(struts，0.08)，(hibernate，0.1)，(前台，0.08)，(数据库，0.08)，(Sql，0.02)，(ext，0.07)，(js，0.06)，(组件，0.05)，(表单，0.08)(html，0.11)}。

步骤5，将用户的个体兴趣模型与其群体兴趣模型进行加权融合，得到该用户最终的兴趣模型。本发明采用线性加权，其计算公式为：

$U_i=\mathrm{\α}*U_i^I+(1-\mathrm{\α})*U_i^G$

其中，

表示U_i的个体兴趣，

表示U_i的群体兴趣，α是一个根据实际系统选取的可调参数，范围为[0，1]。显然，当α为0时用户的兴趣模型为其群体兴趣，当α为1时用户的兴趣模型为其个体兴趣，当α取值介于0和1之间时用户的兴趣模型为其群体兴趣和个体兴趣的混合。

α的取值和实际系统有关，一般仅仅需要简单测试以及根据系统的实际需要来设定合适的值。比如，如果强调用户个体兴趣，则取接近0的值，如果强调群体兴趣，则取接近1的值。该取值也可根据用户的反馈进行调整，此外，对于不同的用户而言其值可能是不同的。

例如，在音乐论坛实例中，将α设为0.5，即认为用户个体兴趣和群体兴趣具有同等重要的作用，将用户jason的个体兴趣和所在的群体兴趣按照上述公式进行融合得到jason的兴趣模型为{(伤心，0.25)，(分手，0.065))，(心碎，0.07)，(流泪，0.045)，(深情，0.055)，(爱，0.095)，(怀念，0.03)，(痴情，0.025)，(离开，0.085)，(放手，0.025)(幸福，0.03)，(温柔，0.07)，(寂寞，0.04)，(难过，0.045)，(孤单，0.07)}。

同理，在IT技术论坛中设置α设为0.4得到用户lovejava21最终的兴趣向量为{(java，0.05)，(swing，0.012)，(后台，0.084)，(spring，0.1)，(struts，0.108)，(hibernate，0.132)，(前台，0.08)，(数据库，0.108)，(Sql，0.028)，(ext，0.062)，(js，0.068)，(组件，0.03)，(表单，0.048)，(html，0.066)}。

Claims (6)

1.一种用户兴趣模型的建立方法，其特征在于包含如下步骤：

A、建立用户和对象的二部图网络；

B、计算用户个体兴趣；

C、计算用户之间的社会关系值；

D、以用户的社会关系值为权值，计算其群体兴趣；

E、将用户个体兴趣模型与其群体兴趣模型进行加权融合，形成最终兴趣模型。

2.根据权利要求1所述的方法，其特征在于，用户-对象二部图网络建立方法为：用户和对象分别组成二部图的节点，如果用户和对象之间存在关联，则在它们之间建立一条连边。此处的对象可以是网页、论坛的主题贴等，用户和对象之间的关联是指用户点击或者浏览了该对象。

3.根据权利要求1所述的方法，其特征在于，用户个体兴趣计算方法包括：对象描述文本的分类和聚类，且用户个体兴趣具有如下形式：

$U_i^I=\{(t_1,{\mathrm{\ω}}_1),(t_2,{\mathrm{\ω}}_2),...,(t_n,{\mathrm{\ω}}_n)\}$

其中t_i为关键词，ω_i为其权值。该模型在存储时，亦可以固定对象及其顺序，形式如(ω₁，ω₂，…，ω_n)。

4.根据权利要求1所述的方法，其特征在于，用户间社会关系值计算方法具体为：

$\mathrm{SR}(U_1,U_2)=\frac{|O\left(U_1\right)\∩O\left(U_2\right)|}{|O\left(U_1\right)\∪O\left(U_2\right)|}$

其中O(U₁)表示用户-对象二部图中用户U1关联的对象，O(U₂)表示用户U₂关联的对象，|O(U₁)∩O(U₂)|表示两个用户共同关联对象的数目；|O(U₁)∪O(U₂)|表示两个用户关联对象的总数。

5.根据权利要求1所述的方法，其特征在于，用户U_i的群体兴趣

具体为：

$U_i^G=\mathrm{SR}(i,1)*U_1^I+\mathrm{SR}(i,2)*U_2^I+...+\mathrm{SR}(i,k)*U_k^I$

其中，

表示和用户U_i的兴趣最相似的k个用户的个体兴趣，SR(i，k)表示用户U_i和U_k的社会关系值。

6.根据权利要求1所述的方法，其特征在于，用户最终兴趣的加权融合公式为：

$I_{U_i}=\mathrm{\α}*U_i^I+(1-\mathrm{\α})*U_i^G$

其中，

表示U_i的个体兴趣，表示U_i的群体兴趣，α是一个可调实数参数，范围为[0，1]。

Images