CN103544633A - 一种基于svdd算法的用户兴趣识别方法 - Google Patents

一种基于svdd算法的用户兴趣识别方法 Download PDF

Info

Publication number
CN103544633A
CN103544633A CN201310468429.9A CN201310468429A CN103544633A CN 103544633 A CN103544633 A CN 103544633A CN 201310468429 A CN201310468429 A CN 201310468429A CN 103544633 A CN103544633 A CN 103544633A
Authority
CN
China
Prior art keywords
user
behavior
current
svdd
depart
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201310468429.9A
Other languages
English (en)
Inventor
彭敏晶
肖健华
李勃
骆达荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuyi University
Original Assignee
Wuyi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuyi University filed Critical Wuyi University
Priority to CN201310468429.9A priority Critical patent/CN103544633A/zh
Publication of CN103544633A publication Critical patent/CN103544633A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于SVDD算法的用户兴趣识别方法，通过SVDD算法判断用户的行为是否属于正常行为，当为非正常行为时，则判断行为的紧张程度，识别出用户具体行为，从而为用户提供相应的信息服务。

Description

一种基于SVDD算法的用户兴趣识别方法
技术领域
本发明涉及用户兴趣识别，特别是一种基于SVDD算法的用户兴趣识别方法。
背景技术
用户兴趣模型是进行网络营销、电子商务推荐和个性化信息检索等个性化信息服务的关键, 它反映了用户的个人特征和兴趣偏好， 是进行个性化信息服务的重要依据。用户兴趣程序是一类驻留于用户手机中的用户兴趣预测与处理进程，它根据用户的历史习惯推测用户当前的兴趣与计划，并为即将到来兴趣或计划进行的信息准备。
当前的用户兴趣模型的研究主要集中在两方面：（1）用户兴趣静态模型的用户兴趣结构的研究；（2）用户兴趣动态模型的用户兴趣形成与漂移的研究。而在移动商务环境中，即时性用户兴趣的识别将为用户即时提供满足其需求的产品和服务，这类兴趣直接影响到产品和服务的交易，因此，其研究具有重要的意义，将会成为用户兴趣研究的重要内容。
由于用户的即时兴趣受到生活习惯、时间、地点、天气、工作计划及其他周围环境因素的影响，其预测工作也变得非常复杂。并且，导致预测工作更为困难的是，针对某一用户的即时兴趣是完全个性化的，无法以其他个体的交易数据作为经验历史数据来借鉴。
发明内容
为解决上述问题，本发明的目的在于提供一种基于SVDD算法的用户兴趣识别方法，准确判断用户当前的兴趣是否为当前计划，从而为用户提供相关的信息。
本发明解决其问题所采用的技术方案是：
一种基于SVDD算法的用户兴趣识别方法，包括：
通过SVDD算法识别用户行为是否偏离当前计划，若用户行为没有偏离当前计划，说明用户行为为正常行为，则为用户提供与当前行为相匹配的信息，相反，若则说明用户行为偏离当前计划，为非正常行为；以及
对于非正常行为，判断用户的紧张程度，根据用户不同的紧张程序，为用户提供相匹配的信息。
所述SVDD算法通过以下步骤识别用户行为是否偏离当前计划：
对于用户正常行为集合                                                
Figure 2013104684299100002DEST_PATH_IMAGE001
，
Figure 2013104684299100002DEST_PATH_IMAGE002
，
Figure 2013104684299100002DEST_PATH_IMAGE003
表示
Figure 2013104684299100002DEST_PATH_IMAGE004
维实数空间，通过SVDD算法，利用公式（1）
Figure 2013104684299100002DEST_PATH_IMAGE005
，以及公式（2）构造集合的封闭边界，其中，公式（1）为
Figure 2013104684299100002DEST_PATH_IMAGE008
函数，
Figure 2013104684299100002DEST_PATH_IMAGE009
为对应的
Figure 496594DEST_PATH_IMAGE008
系数，且
Figure 2013104684299100002DEST_PATH_IMAGE010
，为变换函数，用于将
Figure 2013104684299100002DEST_PATH_IMAGE012
变换为对应的
Figure 2013104684299100002DEST_PATH_IMAGE013
函数，
Figure 2013104684299100002DEST_PATH_IMAGE014
为包围集合
Figure 538368DEST_PATH_IMAGE001
全体样本的最小球体半径，
Figure 2013104684299100002DEST_PATH_IMAGE015
表示与
Figure 318105DEST_PATH_IMAGE014
对应的球心；
对于用户当前行为Z，通过判别函数
Figure 2013104684299100002DEST_PATH_IMAGE016
计算对应的值，若
Figure 2013104684299100002DEST_PATH_IMAGE018
，则表明用户行为没有偏离当前计划，否则表明用户行为偏离正常计划；以及
对于没有偏离当前计划的用户行为Z，通过公式（1）和（2）重新构造新集合
Figure 2013104684299100002DEST_PATH_IMAGE019
的边界区域，并等待下一次判断。
所述判断用户的紧张程度通过终端设备实现，所述用户的紧张程度分为高度紧张、一般紧张与休闲状态三种行为。 
本发明的有益效果是：
本发明采用的一种基于SVDD算法的用户兴趣识别方法，通过SVDD算法判断用户的行为是否属于正常行为，当为非正常行为时，则判断行为的紧张程度，识别出用户具体行为，从而为用户提供相应的信息服务。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明所述方法流程图；
图2是本发明所述SVDD算法所获取的边界图；
图3是本发明所述SVDD算法所调整后获取的边界图；
图4是本发明判断用户行为状态的流程图。
具体实施方式
用户的行为状态分为两种：一种是计划行为，一种为非计划行为。当行为人正在进行预定的计划时，此时所进行的行为是计划行为。如果行为人因为某些原因，偏离之前预定的计划，此时所进行的行为是偏离计划行为。如果能够识别用户目前的行为，即可识别出用户的兴趣，为用户提供相应的服务信息。用户兴趣模型是进行网络营销、电子商务推荐和个性化信息检索等个性化信息服务的关键，它反映了用户的个人特征和兴趣偏好， 是进行个性化信息服务的重要依据。用户兴趣程序是一类驻留于用户手机中的用户兴趣预测与处理进程，它根据用户的历史习惯推测用户当前的兴趣与计划，并为即将到来兴趣或计划进行的信息准备。
为此，本发明提供了一种基于SVDD算法的用户兴趣识别方法，参照图1所示的流程图，首先通过SVDD算法判断用户的行为是否偏离当前计划，如果偏离时，则判断当前行为的紧张程度，根据不同的紧张程度为用户提供相应的信息。
用户的即时兴趣是围绕着用户的行为进行的。用户当前行为处于什么状态是移动应用非常关注的问题。从移动商务的角度来看，用户的行为是时间、地理位置、信息通达状态和物质的交集，因此，通过这四个方面来设定指标体系，以识别用户兴趣。本发明处理的是兴趣数据化后的数据，因此，需要将用户的行为所涉及的时间、地理位置、信息通达状态和物质的交集以数据的形式进行处理。用户的正常行为是一个集合
Figure 837948DEST_PATH_IMAGE001
，
Figure 652320DEST_PATH_IMAGE002
，表示
Figure 804133DEST_PATH_IMAGE004
维实数空间，对于目前的行为，通过SVDD算法判断用户的行为是否为偏离了计划的行为，具体如下：
SVDD算法利用公式（1）
Figure 3033DEST_PATH_IMAGE005
，以及公式（2）
Figure 671912DEST_PATH_IMAGE006
构造集合
Figure 996101DEST_PATH_IMAGE007
的封闭边界，其中，公式（1）为
Figure 750431DEST_PATH_IMAGE008
函数，为对应的
Figure 807566DEST_PATH_IMAGE008
系数，且
Figure 237410DEST_PATH_IMAGE010
，
Figure 479035DEST_PATH_IMAGE011
为变换函数，用于将
Figure 754159DEST_PATH_IMAGE012
变换为对应的
Figure 459947DEST_PATH_IMAGE013
函数，
Figure 795113DEST_PATH_IMAGE014
为包围集合全体样本的最小球体半径，
Figure 665166DEST_PATH_IMAGE015
表示与
Figure 163144DEST_PATH_IMAGE014
对应的球心；
对于用户当前行为Z，通过判别函数
Figure 934790DEST_PATH_IMAGE016
计算对应的值，若
Figure 830251DEST_PATH_IMAGE018
，则表明用户行为没有偏离当前计划，否则表明用户行为偏离正常计划；
对于没有偏离当前计划的用户行为Z，通过公式（1）和（2）重新构造新集合
Figure 182735DEST_PATH_IMAGE019
的边界区域，并等待下一次判断。
参照图2所示，为SVDD算法利用公式（1）与（2）获取的集合
Figure 125283DEST_PATH_IMAGE001
的边界图。由于SVDD算法需要在判断用户行为后将没有偏离计划的行为加入到集合当中，因此，SVDD是一个动态的边界算法，而生成的新边界最好的情形是完全包含旧边界或与旧边界完全重合，但在实际计算时，经常不属于两种情形，因此，需要调整变换函数K（
Figure DEST_PATH_IMAGE020
）的高斯径向基核参数
Figure DEST_PATH_IMAGE021
的大小获取所需的结果，图2中所示为
Figure 891114DEST_PATH_IMAGE021
＝1时所获取的边界图，图3为
Figure 311731DEST_PATH_IMAGE021
＝0.3时所获取的边界图，从两个图形的对比来看，当
Figure 581038DEST_PATH_IMAGE021
变小时，正常区域则相应缩小，但并不是
Figure 694488DEST_PATH_IMAGE021
越小越好，应当选择最合适的
Figure 619719DEST_PATH_IMAGE021
值。SVDD算法判断当前行为是否在生成的边界内，若在其内，则说明当前行为没有偏离正常计划，为正常行为，否则，说明当前行为偏离当前计划，为非正常行为。
参照图4所示，当用户的当前行为偏离当前计划时，需要判断用户行为的紧张程度，本发明以人机交互的方式来确定用户行为的紧张程度。人机交互过程中，用户界面是人与计算机之间传递、交换信息的媒介和对话接口，是人机交互系统的重要组成部分。用户界面尽可能采用人操作物体的固有习惯和思维方式，一般采用推、拉、滚、扭、按压和拨动等基本动作完成交互即可，以降低用户的学习和使用成本。在用户兴趣识别应用中，把机器（即手机）的部分作为人的一个代理（Agent），在代理已知当前环境的用户决策习惯的情况下，它会代替用户进行决策；而如果当前的情况未知，则代理会通过用户界面提醒用户进行决策。用户紧张程度根据用户是否响应代理弹出的用户界面以及是否遵从工作计划的安排来确定，具体依据如下：（1）如果用户没有为该时间段制定工作计划，则在该时间段内，用户处于休闲状态；（2）如果用户在所制定的工作计划时间段内不响应代理弹出的用户界面以及偏离或早于工作计划，则用户的状态为高度紧张；（3）否则，此时用户则处于一般紧张状态。
对于不同的状态，则可以提供不同的信息。尤其是在今天的移动服务来说，可以根据用户的兴趣，向用户推荐不同的服务，包括不同商品的信息、天气、时间等，贴近生活。从某种意义上来说，用户兴趣的识别，尤其是即时兴趣，是进行个性化服务的主要依据，本发明正基于此，为用户提供相应的即时服务信息，使生活变得贴心，终端应用也拟人化。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。

Claims (3)

1.一种基于SVDD算法的用户兴趣识别方法，其特征在于，包括：
通过SVDD算法识别用户行为是否偏离当前计划，若用户行为没有偏离当前计划，说明用户行为为正常行为，则为用户提供与当前行为相匹配的信息，相反，若则说明用户行为偏离当前计划，为非正常行为；以及
对于非正常行为，判断用户的紧张程度，根据用户不同的紧张程序，为用户提供相匹配的信息。
2.根据权利要求1所述的方法，其特征在于，所述SVDD算法通过以下步骤识别用户行为是否偏离当前计划：
对于用户正常行为集合                                                
Figure 2013104684299100001DEST_PATH_IMAGE001
，
Figure 2013104684299100001DEST_PATH_IMAGE002
，
Figure 2013104684299100001DEST_PATH_IMAGE003
表示
Figure 2013104684299100001DEST_PATH_IMAGE004
维实数空间，通过SVDD算法，利用公式（1）
Figure 2013104684299100001DEST_PATH_IMAGE005
，以及公式（2）
Figure DEST_PATH_IMAGE006
构造集合
Figure 2013104684299100001DEST_PATH_IMAGE007
的封闭边界，其中，公式（1）为函数，
Figure DEST_PATH_IMAGE009
为对应的
Figure 562899DEST_PATH_IMAGE008
系数，且
Figure DEST_PATH_IMAGE010
，
Figure DEST_PATH_IMAGE011
为变换函数，用于将
Figure DEST_PATH_IMAGE012
变换为对应的
Figure DEST_PATH_IMAGE013
函数，
Figure DEST_PATH_IMAGE014
为包围集合全体样本的最小球体半径，
Figure DEST_PATH_IMAGE015
表示与
Figure 33380DEST_PATH_IMAGE014
对应的球心；
对于用户当前行为Z，通过判别函数
Figure DEST_PATH_IMAGE016
计算对应的
Figure DEST_PATH_IMAGE017
值，若
Figure DEST_PATH_IMAGE018
，则表明用户行为没有偏离当前计划，否则表明用户行为偏离正常计划；以及
对于没有偏离当前计划的用户行为Z，通过公式（1）和（2）重新构造新集合
Figure DEST_PATH_IMAGE019
的边界区域，并等待下一次判断。
3.根据权利要求1所述的方法，其特征在于，所述判断用户的紧张程度通过终端设备实现，所述用户的紧张程度分为高度紧张、一般紧张与休闲状态三种行为。
CN201310468429.9A 2013-10-09 2013-10-09 一种基于svdd算法的用户兴趣识别方法 Pending CN103544633A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310468429.9A CN103544633A (zh) 2013-10-09 2013-10-09 一种基于svdd算法的用户兴趣识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310468429.9A CN103544633A (zh) 2013-10-09 2013-10-09 一种基于svdd算法的用户兴趣识别方法

Publications (1)

Publication Number Publication Date
CN103544633A true CN103544633A (zh) 2014-01-29

Family

ID=49968060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310468429.9A Pending CN103544633A (zh) 2013-10-09 2013-10-09 一种基于svdd算法的用户兴趣识别方法

Country Status (1)

Country Link
CN (1) CN103544633A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107004170A (zh) * 2014-12-05 2017-08-01 微软技术许可有限责任公司 为惯例外事件定制的服务内容
CN107683486A (zh) * 2015-06-05 2018-02-09 微软技术许可有限责任公司 用户事件的具有个人影响性的改变

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101526960A (zh) * 2009-04-21 2009-09-09 王鹏 支持向量数据描述外壳算法
CN102682478A (zh) * 2012-05-15 2012-09-19 北京航空航天大学 一种基于支持向量数据描述的三维目标多视点视图建模方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101526960A (zh) * 2009-04-21 2009-09-09 王鹏 支持向量数据描述外壳算法
CN102682478A (zh) * 2012-05-15 2012-09-19 北京航空航天大学 一种基于支持向量数据描述的三维目标多视点视图建模方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨敏 等: "基于支持向量数据描述的异常检测方法", 《计算机工程》 *
胡文军 等: "SVDD的快速实时决策方法", 《自动化学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107004170A (zh) * 2014-12-05 2017-08-01 微软技术许可有限责任公司 为惯例外事件定制的服务内容
CN107683486A (zh) * 2015-06-05 2018-02-09 微软技术许可有限责任公司 用户事件的具有个人影响性的改变
CN107683486B (zh) * 2015-06-05 2022-01-07 微软技术许可有限责任公司 用户事件的具有个人影响性的改变

Similar Documents

Publication Publication Date Title
Büyüközkan et al. Multi criteria group decision making approach for smart phone selection using intuitionistic fuzzy TOPSIS
CN107358247B (zh) 一种确定流失用户的方法及装置
CN106168980A (zh) 多媒体资源推荐排序方法及装置
KR102379653B1 (ko) 폐쇄 데이터를 이용하는 개인화된 데이터 모델
CN110110592A (zh) 业务处理方法、模型训练方法、设备及存储介质
CN109697454B (zh) 一种基于隐私保护的跨设备个体识别方法及装置
CN103455555B (zh) 基于移动终端相似度的推荐方法及推荐装置
CN112801425B (zh) 信息点击率的确定方法、装置、计算机设备和存储介质
CN109962975A (zh) 基于物体识别的信息推送方法、装置、电子设备及系统
CN111460290A (zh) 信息的推荐方法、装置、设备和存储介质
CN109690581A (zh) 用户指导系统及方法
CN112488742A (zh) 用户属性信息的预测方法、装置、电子设备及存储介质
CN118229330B (zh) 基于多模态信息融合的电商数据监测方法及系统
Jin et al. Improved pattern sequence‐based forecasting method for electricity load
CN114219664B (zh) 产品推荐方法、装置、计算机设备及存储介质
Shokouhyar et al. Toward customer-centric mobile phone reverse logistics: using the DEMATEL approach and social media data
Sun et al. Collaborative-Enhanced Prediction of Spending on Newly Downloaded Mobile Games under Consumption Uncertainty
CN103544633A (zh) 一种基于svdd算法的用户兴趣识别方法
CN113610572A (zh) 一种营销策略优化方法、装置以及电子设备
CN116681470A (zh) 门店选址方法、装置、计算机设备、存储介质和产品
CN113505369B (zh) 一种时空感知的用户风险识别模型训练的方法及装置
CN115774813A (zh) 产品推荐方法、装置、计算机设备和存储介质
CN114781368A (zh) 业务需求安全处理方法及装置
CN114912015A (zh) 对象推荐方法、模型训练方法、装置、设备及介质
CN115018608A (zh) 风险预测方法、装置、计算机设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20140129

RJ01 Rejection of invention patent application after publication