CN104008109A - 基于用户兴趣的Web信息推送服务系统 - Google Patents

Abstract

基于用户兴趣的Web信息推送服务系统，包括多个物联终端，多个移动终端、云服务器及信息发布端，物联网终端作用为用户兴趣的获取，多个移动终端用于将获取的用户信息及物联网终端地理位置信息传给云服务器，云服务器将传回的用户信息进行分析兴趣特征及将推送内容相关度反馈内容进行评价，信息发布端将进行分析后个性化信息进行推送。

Description

基于用户兴趣的Web信息推送服务系统

技术领域

本发明涉及Web信息推送服务系统，具体涉及到基于用户兴趣的Web信息推送服务系统。

背景技术

互联网“信息爆炸”时代的到来，一方面说明Web信息的产生和更新速度之快，另一方面说明人们需要从庞大而复杂的信息中找到自己所想要的内容。目前，传统的信息服务模式是基于PULL技术的服务模式，也就是用户自己主动寻求信息，例如：1、频道转换技术将网页定义为浏览器中的频道，利用频道定义格式CDF（Channel Definition Format）建立文件，指定由哪些web页面构成频道和怎样组织页面。当下载了CDF文件，就成为了一个频道的用户。然后，用户浏览器就会利用这个CDF文件自动下载相应的页面，从而向用户推送相关内容。但这个技术的不足之处在于，①难以满足用户个性化的要求。频道转换技术是按照用户是否下载相关的CDF文件作为信息推送的依据，没有分析用户需求，推送的信息不能很好地切合用户的兴趣，②网络带宽浪费问题。用户浏览器根据CDF文件大量下载相关页面，不仅造成带宽资源的浪费，还形成许多无用的推送信息。

2、智能代理技术，智能代理是指收集信息或提供其他相关服务的程序，它不需要人的即时干预。以Agent为模式的智能代理理念，结合人工智能，代表用户工作，根据用户的需求采取行动，引导、代替用户访问资源，成为用户获取资源的中介。这个技术的不足之处在于：缺乏对用户兴趣的详细分析，推送的信息针对性较差，没有把用户最感兴趣的类别挖掘出来。

以上的现有技术特点是：用户在服务网站的搜索框中输入关键词，后台搜索引擎根据关键词在数据库中抓取相关信息，并把搜索结果提供给用户。但是，这种用户自己寻求信息的模式存在许多不足：1、效率低下，Web搜索返回的结果十分庞大，可是大部分内容与用户的需求信息相差甚远，检索的查全率和查准率低下；2、时效性差，当服务器端有即时更新的信息时，用户不能在第一时间获取；3、要求用户具有专业的信息检索技术，用户想要得到准确的相关信息，必须能够准确地表征自己的信息需求，这样制约了用户获取信息的能力。

发明内容

本发明所要解决的技术问题：基于用户兴趣的个性化信息推送服务有了很大的发展空间，它的核心理念是信息服务提供方不需要信息服务需求方的实时请求，而是主动地将用户感兴趣的信息推送给目标用户。从而实现“信息找人”的目标。

发明内容：基于用户兴趣的Web信息推送服务系统，包括多个物联终端，多个移动终端、云服务器及信息发布端，物联网终端作用为用户兴趣的获取，多个移动终端用于将获取的用户信息及物联网终端地理位置信息传给云服务器，云服务器将传回的用户信息进行分析兴趣特征及将推送内容相关度反馈内容进行评价，信息发布端将进行分析后个性化信息进行推送。

用户兴趣获取，通过两种途径获取，一是用户的Web信息搜索请求；二是用户通过被设计好的表单向推送系统提交自己的兴趣爱好和关注的信息领域，这些信息在物联网终端形成。

    用户兴趣特征分析：利用支持向量机分析用户浏览行为，从而获取用户的兴趣特征，所记录的浏览行为包括访问页面的次数、逗留时间、鼠标点击次数、拉动滚动条次数和书签次数，将这些数据作为支持向量机的输入，经过支持向量机的建模分析，可以得到用户某一兴趣点的喜爱程度，共分为四类：非常感兴趣、感兴趣、可能感兴趣和不感兴趣，将这些数据作为支持向量机的输入，经过支持向量机的建模分析，形成用户兴趣记录表， 

用户兴趣特征分析过程（1）用户兴趣记录表的建立：刚开始时，表格中记录的兴趣分类是用户主动提交的兴趣表单中的选项。随着用户发出的Web信息搜索请求的增多，要根据服务器端的请求日志更新表格选项。在更新的过程中，由于存在Web信息搜索请求的选项和记录表中已有的选项是同一事物的情况，所以要对选项之间进行语义相关的判断，假如两个选项之间的语义是等价的或是直接相关的，那么该Web信息搜索请求选项不添加在用户兴趣记录表中，如果不是则将该选项添加进去，（2）用户兴趣特征分析：用户兴趣特征分析采用机器学习的方法，对用户的行为特征进行建模，根据页面访问次数、逗留时间、鼠标点击次数、拉动滚动条次数和书签次数等输入条件，用支持向量机建立用户兴趣分析模型，得出用户对某一兴趣点的喜爱程度，分为非常感兴趣、感兴趣、有点感兴趣和不感兴趣四个等级，将不感兴趣的选项在下一次记录表更新时删除，将用户感兴趣的选项作为后台资源库推送信息的依据，并把用户的兴趣等级作为推送信息的优先顺序，

个性化信息推送，将网络上丰富的Web资源用基于OWL本体进行构建，本体构建完成后，按照OWL本体和关系数据库之间的映射关系，将OWL本体转换为关系数据库模式存储在关系数据库中，然后根据用户兴趣记录表，把用户非常感兴趣的内容作为首要搜索的请求，其次是感兴趣和可能感兴趣的内容，在搜索查询时，将用户的兴趣项转变为语义等价的OWL-QL表示的查询，然后将用OWL-QL表示的查询转换为相应的SQL查询，即用户的兴趣项要经过两次查询转换后，才能在后台资源库中进行检索相关信息，最后把检索信息推送给用户，

基于用户兴趣选项与搜索结果的匹配度和用户对推送内容的评价，建立推送内容相关度反馈，以此判断下次推送的内容是在相关领域做广度搜索还是深度搜索。 

推送内容相关度反馈过程：为了衡量推送的信息是否切合用户的需求，需要对推送信息进行评价，推送内容相关度反馈包括两个要素：用户兴趣选项和搜索结果的匹配度、用户对推送内容的评价，（1）计算用户兴趣选项和搜索结果的匹配度，由于后台资源库是建立在基于本体的关系数据库之上，在搜索过程中，用户兴趣选项和搜索结果均以本体的形式表达。为了便于表示用户兴趣选项和搜索结果的匹配关系，引入以下定义：定义                                                表示用户兴趣选项和搜索结果的匹配度，表示用户兴趣选项本体，表示搜索结果本体，为两个本体之间都具有的属性，为两个本体所包括的所有属性，所以用户兴趣选项和搜索结果匹配度的计算公式如下：，   由上述计算公式可得，的取值区间为(0,1)，若的取值接近于1，说明两者的匹配度高，反之则说明两者的匹配度低，（2）用户对推送内容的评价：为了更直观的反映用户对推送内容的满意程度，可以让用户对推送内容进行评价，评价等级分为四个层次：非常满意、满意、一般满意和不满意，对应的分值分别为100、80、60和40，用符号表示；（3）推送内容相关度的量化；基于用户兴趣选项和搜索结果的匹配度以及用户对推送内容的评价，采用二元线性回归模型来量化推送内容相关度和以上两者的关系，引入以下定义：定义表示推送内容相关度，)表示用户兴趣选项和搜索结果的匹配度，表示用户对推送内容的满意程度，为一组调整取值的权值，所以量化公式如下：，基于推送内容的相关度可以判断下一次推送内容是在该兴趣领域进行深度扩展和广度扩展，设定阀值，当时，说明推送的内容与用户需求相关程度高，下次推送的内容应在该领域做深入的挖掘；当时，说明推送的内容与用户需求相关程度较低，下次推送的内容应在相关领域做广度搜索，形成一种反馈机制，使推送的内容更符合用户的需求。

本发明的有益效果如下：

1、  结合用户的浏览行为，如对某一页面的访问次数、逗留时间、鼠标点击次数、拉动滚动条次数和书签次数，用支持向量机分析用户对该领域信息的感兴趣程度，使推送的信息有很好的针对性。后台资源库的构建采用基于本体的关系数据库，以及建立用户对推送内容的反馈机制，为推送信息提供参考依据，保证推送信息的准确率。

2、  通过分析用户兴趣选项和搜索结果匹配度以及用户对推送内容评价，建立Web信息推送反馈机制，使推送信息更加切合用户的需求。

附图说明

图1  基于用户兴趣的Web信息推送服务系统

图2   用户兴趣记录表建立过程

具体实施方式

基于用户兴趣的Web信息推送服务系统，包括多个物联终端，多个移动终端、云服务器及信息发布端，物联网终端作用为用户兴趣的获取，多个移动终端用于将获取的用户信息及物联网终端地理位置信息传给云服务器，云服务器将传回的用户信息进行分析兴趣特征及将推送内容相关度反馈内容进行评价，信息发布端将进行分析后个性化信息进行推送。整个的流程如图1所示。

用户兴趣获取，通过两种途径获取，一是用户的Web信息搜索请求；二是用户通过被设计好的表单向推送系统提交自己的兴趣爱好和关注的信息领域，这些信息在物联网终端形成。

    用户兴趣特征分析：利用支持向量机分析用户浏览行为，从而获取用户的兴趣特征，所记录的浏览行为包括访问页面的次数、逗留时间、鼠标点击次数、拉动滚动条次数和书签次数，将这些数据作为支持向量机的输入，经过支持向量机的建模分析，可以得到用户某一兴趣点的喜爱程度，共分为四类：非常感兴趣、感兴趣、可能感兴趣和不感兴趣，将这些数据作为支持向量机的输入，经过支持向量机的建模分析，形成用户兴趣记录表， 

用户ID

兴趣分类ID

访问次数

逗留时间

鼠标点击次数

拉动滚动条次数

书签次数

喜爱程度

用户兴趣特征分析过程（1）用户兴趣记录表的建立：刚开始时，表格中记录的兴趣分类是用户主动提交的兴趣表单中的选项。随着用户发出的Web信息搜索请求的增多，要根据服务器端的请求日志更新表格选项。在更新的过程中，由于存在Web信息搜索请求的选项和记录表中已有的选项是同一事物的情况，所以要对选项之间进行语义相关的判断，假如两个选项之间的语义是等价的或是直接相关的，那么该Web信息搜索请求选项不添加在用户兴趣记录表中，如果不是则将该选项添加进去，记录表格的建立过程如图2所示，（2）用户兴趣特征分析：用户兴趣特征分析采用机器学习的方法，对用户的行为特征进行建模，根据页面访问次数、逗留时间、鼠标点击次数、拉动滚动条次数和书签次数等输入条件，用支持向量机建立用户兴趣分析模型，得出用户对某一兴趣点的喜爱程度，分为非常感兴趣、感兴趣、有点感兴趣和不感兴趣四个等级，将不感兴趣的选项在下一次记录表更新时删除，将用户感兴趣的选项作为后台资源库推送信息的依据，并把用户的兴趣等级作为推送信息的优先顺序，

个性化信息推送，将网络上丰富的Web资源用基于OWL本体进行构建，本体构建完成后，按照OWL本体和关系数据库之间的映射关系，将OWL本体转换为关系数据库模式存储在关系数据库中，然后根据用户兴趣记录表，把用户非常感兴趣的内容作为首要搜索的请求，其次是感兴趣和可能感兴趣的内容，在搜索查询时，将用户的兴趣项转变为语义等价的OWL-QL表示的查询，然后将用OWL-QL表示的查询转换为相应的SQL查询，即用户的兴趣项要经过两次查询转换后，才能在后台资源库中进行检索相关信息，最后把检索信息推送给用户，

基于用户兴趣选项与搜索结果的匹配度和用户对推送内容的评价，建立推送内容相关度反馈，以此判断下次推送的内容是在相关领域做广度搜索还是深度搜索。 

推送内容相关度反馈过程：为了衡量推送的信息是否切合用户的需求，需要对推送信息进行评价，推送内容相关度反馈包括两个要素：用户兴趣选项和搜索结果的匹配度、用户对推送内容的评价，（1）计算用户兴趣选项和搜索结果的匹配度，由于后台资源库是建立在基于本体的关系数据库之上，在搜索过程中，用户兴趣选项和搜索结果均以本体的形式表达。为了便于表示用户兴趣选项和搜索结果的匹配关系，引入以下定义：定义表示用户兴趣选项和搜索结果的匹配度，表示用户兴趣选项本体，表示搜索结果本体，为两个本体之间都具有的属性，为两个本体所包括的所有属性，所以用户兴趣选项和搜索结果匹配度的计算公式如下：，   由上述计算公式可得，的取值区间为(0,1)，若的取值接近于1，说明两者的匹配度高，反之则说明两者的匹配度低，（2）用户对推送内容的评价：为了更直观的反映用户对推送内容的满意程度，可以让用户对推送内容进行评价，评价等级分为四个层次：非常满意、满意、一般满意和不满意，对应的分值分别为100、80、60和40，用符号表示；（3）推送内容相关度的量化；基于用户兴趣选项和搜索结果的匹配度以及用户对推送内容的评价，采用二元线性回归模型来量化推送内容相关度和以上两者的关系，引入以下定义：定义表示推送内容相关度，)表示用户兴趣选项和搜索结果的匹配度，表示用户对推送内容的满意程度，为一组调整取值的权值，所以量化公式如下：，基于推送内容的相关度可以判断下一次推送内容是在该兴趣领域进行深度扩展和广度扩展，设定阀值，当时，说明推送的内容与用户需求相关程度高，下次推送的内容应在该领域做深入的挖掘；当时，说明推送的内容与用户需求相关程度较低，下次推送的内容应在相关领域做广度搜索，形成一种反馈机制，使推送的内容更符合用户的需求。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内，本发明要求保护范围由所附的权利要求书其等效物界定。

Claims (7)

1.一种基于用户兴趣的Web信息推送服务系统，包括多个物联终端，多个移动终端、云服务器及信息发布端，其特征在于：物联网终端作用为用户兴趣的获取，多个移动终端用于将获取的用户信息及物联网终端地理位置信息传给云服务器，云服务器将传回的用户信息进行分析兴趣特征及将推送内容相关度反馈内容进行评价，信息发布端将进行分析后个性化信息进行推送。

2.根据权利要求1所述的基于用户兴趣的Web信息推送服务系统，其特征在于，

用户兴趣获取，通过两种途径获取，一是用户的Web信息搜索请求；二是用户通过被设计好的表单向推送系统提交自己的兴趣爱好和关注的信息领域，这些信息在物联网终端形成。

3.根据权利要求1所述的基于用户兴趣的Web信息推送服务系统，其特征在于，

用户兴趣特征分析：利用支持向量机分析用户浏览行为，从而获取用户的兴趣特征，所记录的浏览行为包括访问页面的次数、逗留时间、鼠标点击次数、拉动滚动条次数和书签次数，将这些数据作为支持向量机的输入，经过支持向量机的建模分析，可以得到用户某一兴趣点的喜爱程度，共分为四类：非常感兴趣、感兴趣、可能感兴趣和不感兴趣，将这些数据作为支持向量机的输入，经过支持向量机的建模分析，形成用户兴趣记录表。

4. 根据权利要求3所述的基于用户兴趣的Web信息推送服务系统，其特征在于，

用户兴趣特征分析过程，（1）用户兴趣记录表的建立：刚开始时，表格中记录的兴趣分类是用户主动提交的兴趣表单中的选项，随着用户发出的Web信息搜索请求的增多，要根据服务器端的请求日志更新表格选项，

在更新的过程中，由于存在Web信息搜索请求的选项和记录表中已有的选项是同一事物的情况，所以要对选项之间进行语义相关的判断，假如两个选项之间的语义是等价的或是直接相关的，那么该Web信息搜索请求选项不添加在用户兴趣记录表中，如果不是则将该选项添加进去，（2）用户兴趣特征分析：用户兴趣特征分析采用机器学习的方法，对用户的行为特征进行建模，根据页面访问次数、逗留时间、鼠标点击次数、拉动滚动条次数和书签次数等输入条件，用支持向量机建立用户兴趣分析模型，得出用户对某一兴趣点的喜爱程度，分为非常感兴趣、感兴趣、有点感兴趣和不感兴趣四个等级，将不感兴趣的选项在下一次记录表更新时删除，将用户感兴趣的选项作为后台资源库推送信息的依据，并把用户的兴趣等级作为推送信息的优先顺序。

5.根据权利要求1所述的基于用户兴趣的Web信息推送服务系统，其特征在于，

个性化信息推送，将网络上丰富的Web资源用基于OWL本体进行构建，本体构建完成后，按照OWL本体和关系数据库之间的映射关系，将OWL本体转换为关系数据库模式存储在关系数据库中，然后根据用户兴趣记录表，把用户非常感兴趣的内容作为首要搜索的请求，其次是感兴趣和可能感兴趣的内容，在搜索查询时，将用户的兴趣项转变为语义等价的OWL-QL表示的查询，然后将用OWL-QL表示的查询转换为相应的SQL查询，即用户的兴趣项要经过两次查询转换后，才能在后台资源库中进行检索相关信息，最后把检索信息推送给用户。

6.根据权利要求1所述的基于用户兴趣的Web信息推送服务系统，其特征在于，

基于用户兴趣选项与搜索结果的匹配度和用户对推送内容的评价，建立推送内容相关度反馈，以此判断下次推送的内容是在相关领域做广度搜索还是深度搜索。

7.根据权利要求6所述的基于用户兴趣的Web信息推送服务系统，其特征在于，

推送内容相关度反馈过程：为了衡量推送的信息是否切合用户的需求，需要对推送信息进行评价，推送内容相关度反馈包括两个要素：用户兴趣选项和搜索结果的匹配度、用户对推送内容的评价，（1）计算用户兴趣选项和搜索结果的匹配度，由于后台资源库是建立在基于本体的关系数据库之上，在搜索过程中，用户兴趣选项和搜索结果均以本体的形式表达，

为了便于表示用户兴趣选项和搜索结果的匹配关系，引入以下定义：定义                                                表示用户兴趣选项和搜索结果的匹配度，表示用户兴趣选项本体，表示搜索结果本体，为两个本体之间都具有的属性，为两个本体所包括的所有属性，所以用户兴趣选项和搜索结果匹配度的计算公式如下：，   由上述计算公式可得，的取值区间为(0,1)，若的取值接近于1，说明两者的匹配度高，反之则说明两者的匹配度低，（2）用户对推送内容的评价：为了更直观的反映用户对推送内容的满意程度，可以让用户对推送内容进行评价，评价等级分为四个层次：非常满意、满意、一般满意和不满意，对应的分值分别为100、80、60和40，用符号表示；（3）推送内容相关度的量化；基于用户兴趣选项和搜索结果的匹配度以及用户对推送内容的评价，采用二元线性回归模型来量化推送内容相关度和以上两者的关系，引入以下定义：定义表示推送内容相关度，)表示用户兴趣选项和搜索结果的匹配度，表示用户对推送内容的满意程度，为一组调整取值的权值，所以量化公式如下：，基于推送内容的相关度可以判断下一次推送内容是在该兴趣领域进行深度扩展和广度扩展，设定阀值，当时，说明推送的内容与用户需求相关程度高，下次推送的内容应在该领域做深入的挖掘；当时，说明推送的内容与用户需求相关程度较低，下次推送的内容应在相关领域做广度搜索，形成一种反馈机制，使推送的内容更符合用户的需求。