CN102752726A - 个性化手机报系统 - Google Patents

Abstract

本发明公开了个性化手机报系统。包括：体感捕捉模块、语音采集模块、图形采集模块、文字内容采集模块、互动显示屏、智能分析识别模块、内容过滤分类模块、喜好数据库、行为数据库、内容知识库、线下内容源、采编内容、线上内容。系统通过语音识别技术、图形识别技术、文字内容理解技术，捕捉读者的行为(肢体方面)和思维(精神方面)数据，通过智能分析技术，将投其所好的内容与读者交互，形成精准的内容传递，彻底解决手机报同质化、非个性化的问题，真正实现移动传媒的个性化，大大节省了读者宝贵的时间、下载的流量，也杜绝了带宽的浪费。

Description

个性化手机报系统

技术领域

本发明涉及数字信号处理技术领域，更具体地说，涉及个性化的手机报系统。 

背景技术

数据挖掘是从数据仓库中发现并提取隐藏在其中的有用信息的一种新技术，它可以从大量的数据中抽取出潜在的、有价值的知识、模型或规则，有助于读者在茫茫的新闻海洋和知识海洋中发掘依据喜好的新闻，推荐该学的知识。但是，目前的手机报都是同质化的，对每位读者不加以区分，读者要不断阅读无关的内容，或者寻找相关的内容，从而造成8亿手机读者们时间上惊人的浪费和8亿个手机终端上无线数据流量的巨额浪费。与此同时，无关的内容满天飞，造成无线数据带宽的严重浪费。 

个性化手机报系统通过各种方式了解到读者的喜好后，为读者挖掘、整理好该阅读的内容，一对一地传播给读者，传播的内容相关于读者的喜好，从而大大节省了读者宝贵的时间和数据流量费用，同时也解决了无线带宽浪费的问题。 

发明内容

有鉴于此，本发明实施例提供个性化的手机报系统，其供所有的运营商和媒体机构用于个性化传播，通过对读者的肢体语言和思维语言进行分析，通过实时的、精准的深度挖掘，按照读者的喜好，即时向读者提供个性化内容的增值服务。 

本发明实施例提供个性化的手机报系统，包括：包括：体感捕捉模块、语音采集模块、图形采集模块、文字内容采集模块、互动显示屏、智能分 析识别模块、内容过滤分类模块、喜好数据库、行为数据库、内容知识库、线下案内容源、采编内容、线上内容； 

所述体感捕捉模块，着重捕捉和监控读者的身体行为，体感捕捉模块根据读者的动作，与读者交互，通过对读者的肢体动作进行分析识别，与行为数据库进行匹配。 

所述语音采集模块，采集读者的声音，与读者交互，通过智能分析识别模块对读者的声音进行识别，与行为数据库进行匹配。 

所述图形采集模块，捕捉读者的绘图，通过图形识别技术，了解读者的思维，与行为数据库进行匹配。 

所述文字内容采集模块，捕捉读者手写的文字，通过语义分析技术，了解读者的思维，与行为数据库进行匹配。 

所述互动显示屏，是读者与系统、其他读者和采编者的视觉互动的界面。 

所述智能分析模块，对采集的数据进行智能分析，并对不同媒体的内容进行个性化推荐。由于内容来自于不同的媒体，例如视频、音乐、电子书、同质化手机报等不同的媒体，智能分析识别模块进行跨媒体的智能关联性推荐和检索。 

所述内容分类过滤模块，对多源头的内容进行过滤和根据读者行为、喜好自动分类。内容来自于线上和线下的内容源，包括线上的各种有益的知识、线下内容以及合作的采编内容。 

所述喜好数据库，偏重于读者的脑力思维，将读者平时的喜好进行积累、记录，以便用于数据挖掘或者查询匹配。 

所述行为数据库，偏重于读者的肢体行为，是对读者的各种肢体行为予以记录的数据库。 

所述内容知识库，是对内容的元知识和内容的总汇。 

所述线下内容源，是采编者预先整理好的内容库。 

所述采编内容，是指横向合作的各类采编部提供的内容。 

所述线上内容，是指互联网上新鲜的实时内容。 

优选的，所述的个性化手机报的生成过程是自动的对非结构化信息的抽取。 

优选的，所述的个性化手机报的生成过程中的关联信息搜索是对线上实时信息的搜索与线下数据源的搜索并发，而且自动融合汇总。 

优选的，所述的个性化手机报的生成过程中所使用的数据仓库与互联网有着不间断的自动追踪和自动更新。 

优选的，所述的个性化手机报的生成过程是依据互动的读者的肢体语言和思维语言希望指定的阅读内容、阅读时长和阅读方式。 

优选的，所述的个性化手机报的人机互动是读者的肢体、语音、书写、绘画的融合方式。 

优选的，所述的个性化手机报的过程也是具备同样爱好和天赋的读者之间形成同好社区的方式。 

优选的，在每个个性化手机报传播周期内，采编者可以对喜好数据库进行人工分析和维护，并对每个读者得出该传播周期内的行为分析报告。 

优选的，所述的个性化手机报的呈现平台网络包括：互联网、局域网、无线网络、广播电视网，呈现的载体包括：电脑、手机、PDA。所述的手机报包括了彩信、电子书、其它富媒体内容。 

本发明提供的技术方案通过捕捉读者的行为(肢体方面)和思维(精神方面)数据，通过智能分析技术，投其所好地进行内容传递，解决盲目的、同质化的传播问题，减少垃圾信息，还给无线网络一个环保低碳的生态。 

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。 

图1为本发明实施例提供的个性化手机报系统结构示意图。 

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。 

首先对本发明提供的一种个性化的手机报系统进行说明，参照图1所示，所述系统包括： 

体感捕捉模块1、语音采集模块2、图形采集模块3、文字内容采集模块4、互动显示屏5、智能分析识别模块6、内容过滤分类模块7、喜好数据库8、行为数据库9、内容知识库10、线下内容源11、采编内容12、线上内容13，通过和读者们(由14、16表示)和采编者们(由15、17表示)交互使用。 

体感捕捉模块1根据读者的肢体动作，与发音不清晰或者打字有困难的读者交互，通过6对读者的肢体动作进行分析识别，与行为数据库进行匹配，补充修正该读者的喜好天赋数据库8，然后从内容知识库10中调取内容或者寓教于乐的游戏通过5呈现给读者，读者在接收内容的同时可以产生其它的行为动作，系统按以上的流程产生对应的内容，内容可以来自于多媒体的游戏、电子书、同质化的手机报、PPT、视频、音乐等。系统通过读者的肢体动作的不断互动，逐步了解了读者想得到的内容喜好。该环节是得到读者喜好的形式之一。 

语音采集模块2根据读者的发音，与读者交互，通过智能分析识别模块6对声音进行识别，与行为数据库9进行匹配，补充修正该读者的喜好数据库8，然后从内容知识库10中将匹配的内容通过5呈现给读者，读者在接收内容的同时可以产生其它的发音，系统按以上的流程产生对应的内容，内容可以来自于多媒体的游戏、电子书、手机报、PPT、视频、音乐等。系统通过这个流程，逐步贴近读者想得到的内容喜好。这是系统获得读者喜好的形式之二。 

图形采集模块3和文字内容采集模块4根据读者阅读的文章和画的图案，通过智能分析识别模块6对读者的文字内容和绘画，通过语义分析和图形识别技术，了解读者喜欢何种中心思想的文字内容和图形内容，与行为数据库9进行匹配，补充修正该读者的喜好天赋数据库8，然后从内容知识库10中，将与语义类似的内容通过5呈现给读者，读者在接收内容的同时可以阅读其它的文章、描绘其它的画，系统按以上的流程产生对应的内容，内容可以来自于多媒体的游戏、电子书、手机报、视频、音乐等。如此循环，系统获得读者的喜好。这是系统获得读者喜好的形式之三。 

在每个个性化传播周期内，采编者15会对读者喜好数据库进行人工分析和维护，并对每个读者得出该周期内修正的分析报告。 

内容来自于线上和线下的内容源，包括线上的各种有益的知识和新闻13、线下事先整理好的内容11以及横向合作的采编部门提供的内容12。由于内容来源多元，系统通过内容过滤分类模块7对多数据源进行内容过滤和根据读者行为、喜好进行基于主题追踪的自动分类。 

喜好数据库8可以把具有类似喜好的读者自动组成社区，让他们(由14、16代表)通过互联网产生互动。 

以上交互流程也可以重叠。比如一位读者，可以使用体感控制，也可以使用阅读文章等形式，让系统获得喜好和行为。 

智能分析识别模块6对不同媒体的内容进行个性化推荐。由于内容来自于不同模态的媒体，例如视频、音乐、动漫、电子书、同质化手机报等不同的媒体，智能分析识别模块基于典型相关分析CCA方法挖掘不同模态之间的典型相关性，从而达到跨媒体的智能关联性推荐和检索。智能分析识别模块6通过典型相关性分析同时对1、2、3、4采集来的媒体的特征矩阵进行相关性求解和子空间映射，解决异构性问题。 

系统定义两个变量场X与Y之间的相关性如下：设有n个样本、p个变量组成的变量场，记为X_(n×p)，另有n个样本、q个变量组成的变量场Y_(n×p)，以最大限度地提取X与Y之间相关性的主要特征为准则，从X中提取组合变量R，从Y中提取组合变量s，如下所示： 

其中，W_x，W_y为空间特征向量。把具有较多个变量的变量场X与Y之间的相关化为较少组合变量R与S间的相关，通过W_x，W_y的数值分布来确定X与Y的空间相关分布形式，而W_x，W_y的数值大小则表示了所对应变量的重要程度。系统求解典型变量W_x，W_y。系统定义相关系数为ρ＝r(R，S)，用(3)优化相关系数。 

$\mathrm{\ρ}=r(R,S)=\frac{{W_x}^T{C}_{\mathrm{xy}}{W}_y}{\sqrt{{W_x}^T{C}_{\mathrm{xx}}{W}_x{W_y}^T{C}_{\mathrm{yy}}{W}_y}}---\left(2\right)$

v(R)＝R^TR＝W_x ^TX^TXW_x＝1；             (3) 

v(S)＝S^TS＝W_y ^TY^TYW_y＝1 

C_xy为X_(n×p)和Y_(n×q)的协方差矩阵。使用拉格朗日乘子法得到C_xyC_yy ^-1C_yxW_x＝λ²C_xxW_x，最优化问题转换为形如Ax＝λBx的特征根问题，并据(1)得到最小变量组合R_(n×m)，S_(n×m)，以最大限度地发现X_(n×p)，Y_(n×q)之间的相关性。x_i＝(x_i1，...，x_ik，...，x_ip)(x_ik∈Real)表示初始的体感视觉特征向量，y_j＝(y_j1，...，y_jk，...，y_jq)(y_jk∈Real)表示初始的语音特征向量。定义x_i经过子空间映射后的向量为 x_i′＝(x_i1′，...，x_ik’，...，x_im′)，(x_ik′＝a+b×i，(a，b∈Real))，y_j对应CCA子空间中的映射结果y_j′。 

由于存在大量复数，系统将子空间中每一维上的坐标值转换为极坐标形式： 

x_ik′＝(β_ik，|x_ik′|)                (4) 

${\mathrm{\β}}_{\mathrm{ik}}=\mathrm{arctg}(b/a),\left|{x_{\mathrm{ik}}}^{\′}\right|=\sqrt{a^2+b^2}$

对y_j′也用此法进行变换，则体感x_i′和语音y_j′之间距离定义为每一维上极坐标距离的平方和的2次方根，即： 

$\mathrm{CCAdis}({x_i}^{\′},{y_j}^{\′})=\mathrm{sqrt}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}({\left|{x_{\mathrm{ik}}}^{\′}\right|}^2+{\left|{y_{\mathrm{jk}}}^{\′}\right|}^2----\left(5\right)$

$-2\×\left|{x_{\mathrm{ik}}}^{\′}\right|\×\left|{y_{\mathrm{jk}}}^{\′}\right|\×\mathrm{Cos}|{\mathrm{\β}}_{\mathrm{ik}}-{\mathrm{\β}}_{\mathrm{jk}}|)$

这样，系统采用CCAdis计算子空间中体感与语音之间的距离。 

如果目标不在现有的内容知识库中，系统定义其为未知对象。为实现未知对象在子空间中的定位，系统结合了线上、线下内容过滤和分类模块以及专家反馈中的先验知识。设未知对象为A，如果可以准确计算出A的CCA坐标，则以A为查询的跨媒体检索即用上述流程兑现。 

基于以上的流程，通过挖掘读者的肢体行为和脑力思维，实现了全程的个性化内容传递。由于该系统同时基于行为(肢体方面)和思维(精神方面)，能够真正全面地掌握读者的整个行为和喜好细节，充分发掘每个读者的差异。基于这样的差异，才能得到个性化传播的切入点。这些差异引导着采编者们能够正确地确定读者阅读的下一个目标，每天都该阅读什么、怎么读。每位读者在每个阶段的阅读结果也就差异化。只有这样的系统，才能实现移动传媒的个性化。 

以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络 单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。 

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明实施例的精神或范围的情况下，在其它实施例中实现。因此，本发明实施例将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。 

Claims (9)

1.个性化手机报系统，其特征在于，包括：包括：体感捕捉模块、语音采集模块、图形采集模块、文字内容采集模块、互动显示屏、智能分析识别模块、内容过滤分类模块、喜好数据库、行为数据库、内容知识库、线下内容源、采编内容、线上内容；

所述体感捕捉模块，着重在捕捉和监控读者的身体行为，体感捕捉模块1根据读者的动作，与读者交互，通过对读者的肢体动作进行分析识别。

所述语音采集模块，着重在捕捉读者的声音，根据发音，与读者交互，通过智能分析识别模块对读者的声音进行识别。

所述图形采集模块，着重在捕捉读者的图像式思维，通过图形识别技术，了解读者的思维。

所述文字内容采集模块，着重在捕捉读者手写的文字，通过语义分析技术，了解读者想表达的思维。

所述互动显示屏，是读者与个性化手机报系统、其他读者或者采编者的视觉互动的界面。

所述智能分析模块，对采集的数据进行智能分析，对不同媒体的内容进行个性化推荐。由于内容来自于不同的媒体，例如视频、音乐、电子书、同质化手机报等不同的媒体，智能分析识别模块要进行跨媒体的智能关联性推荐和检索。

所述内容分类过滤模块，对多源头的内容进行过滤和根据读者的行为、喜好进行自动分类。内容来自于线上和线下的内容源，包括线上的各种有益的知识、线下合作的各种内容以及采编的内容。

所述喜好数据库，偏重于读者的脑力思维，将读者平时的喜好和天赋进行积累、记录，以便用于数据挖掘或者查询匹配。

所述行为数据库，偏重于学生的肢体行为，是对学生的各种肢体行为予以记录的数据库。

所述内容知识库，是对读者的内容的元知识和可用内容的总汇。

所述线下内容源，是采编者预先整理好的内容库。

所述采编内容，是指横向合作的各类采编部门的内容库。

所述线上内容，是指互联网上新鲜的实时内容。

2.根据权利要求1所述的个性化手机报系统，其特征在于，所述的个性化手机报的生成过程是自动的对非结构化信息的抽取。

3.根据权利要求1所述的个性化手机报系统，其特征在于，所述的个性化手机报的生成过程中的关联信息搜索是对线上实时信息的搜索与线下数据源的搜索并发，而且自动融合汇总。

4.根据权利要求1所述的个性化手机报系统，其特征在于，所述的个性化手机报的生成过程中所使用的数据仓库与互联网有着不间断的自动追踪和自动更新。

5.根据权利要求1所述的个性化手机报系统，其特征在于，所述的个性化手机报的生成过程是依据互动的读者的肢体语言和思维语言而指定的内容、时长和阅读方式。

6.根据权利要求1所述的个性化手机报系统，其特征在于，所述的个性化系统的人机互动是读者的肢体、语音、书写、绘画的融合方式。

7.根据权力要求1所述的个性化手机报系统，其特征在于，所述的个性化手机报产生的过程也是具备同样爱好和天赋的读者之间形成同好社区的方式。

8.根据权利要求1所述的个性化手机报系统，其特征在于，在每个个性化手机报传播的周期内，采编者可以对读者喜好数据库进行人工分析和维护，并对每个读者得出该周期内的行为分析报告。

9.根据权利要求1所述的个性化手机报系统，其特征在于，所述的个性化传播的呈现平台网络包括：互联网、局域网、无线网络、广播电视网，呈现的载体包括：电脑、手机、PDA。

Images