CN104361023B

CN104361023B - 一种情境感知的移动终端烟草信息推送方法

Info

Publication number: CN104361023B
Application number: CN201410566388.1A
Authority: CN
Inventors: 汪欢文; 高扬华; 陆海良; 郁钢; 梁启荣
Original assignee: China Tobacco Zhejiang Industrial Co Ltd
Current assignee: China Tobacco Zhejiang Industrial Co Ltd
Priority date: 2014-10-22
Filing date: 2014-10-22
Publication date: 2018-01-30
Anticipated expiration: 2034-10-22
Also published as: CN104361023A

Abstract

本发明涉及一种情境感知的移动终端烟草信息推送方法，该方法包括以下的步骤：一、训练分类模型：二、获取高级情境：三、推送烟草信息：本发明针对传统信息推送没有考虑用户所处情境，现如今信息推送情境感知能力较弱的问题，提出一种新的情境感知的移动终端信息推送方法，与现有的方法相比，其优点在于：1)在情境感知时使用了多种情境；2)通过低级情境建立了更符合用户认知习惯的高级情境；3)在一定程度上解决了推送时机的问题，使得信息推送更加智能。

Description

一种情境感知的移动终端烟草信息推送方法

技术领域

本发明涉及情境感知的信息推送，具体涉及一种情境感知的移动终端烟草信息推送方法。

背景技术

随着大数据时代的到来，海量的信息充斥在用户的日常生活中，如何快速便捷的找到需要的信息成为一件困难的事；另一方面，随着移动互联网的不断发展，越来越多的用户习惯在移动终端上获取信息，相比传统的互联网方式，用户获取信息变得更加随心所欲，然而同样会面临信息爆炸的灾难。

移动终端上的信息推送功能作为一种信息的过滤推荐机制，在一定程度上减轻了用户筛选信息的负担，同时让用户能够发现新的感兴趣的信息，因此越来越多的移动应用加入了信息推送功能。最简单的信息推送只是简单的将新的信息推送出去，没有考虑推送对象和推送时机。这样会导致不需要该信息的用户收到该信息后产生反感，久而久之就会卸载该应用；收到信息的时机不对会影响信息的价值从而降低用户体验。随着传感设备技术的迅速发展，情境感知作为一种能够充分利用移动终端传感数据，智能的分析用户所处的情境，提供个性化服务的技术，越来越得到用户的青睐。最常见的情境感知应用是位置导航服务，利用移动终端的GPS和Wi-Fi等传感设备，推测用户所处的地理位置，提供相关的服务，如基于地理位置的信息推送等，这在一定程度上解决了找到合适的推送对象的问题。然而地理位置是以经纬度或者地址表示的，不符合用户的认知习惯，同时推送时机的选择也需要更多情境的感知才能有效解决。现如今基于情境感知技术的信息推送的情境感知能力较弱，一般只使用一种情境，并且该情境不容易被用户理解。

发明内容

本发明要解决的问题是如何使用多种低级情境建立符合用户认知习惯的高级情境，从而增强情境感知能力，更智能的向用户推送烟草信息。为了解决上述问题，本发明提出一种情境感知的移动终端烟草信息推送方法。本发明首先确定移动终端用户是吸烟者、吸烟者家属还是烟草行业从业人员，然后通过移动终端获取用户的各种低级情境信息(如位置、加速度等)，并在低级情境信息基础上进行特征提取，建立高级情境信息(如语义化场所、活动等)分类模型，最后融合用户类型及其高级情境信息，结合预设规则确定向用户推送的烟草信息。

为了实现上述的目的，本发明采用了以下的技术方案：

一种情境感知的移动终端烟草信息推送方法，该方法包括以下的步骤：

一、训练分类模型：

步骤1，通过移动终端上的传感设备采集用户的低级情境信息：使用GPS传感设备采集用户的GPS位置信息，通过加速度传感设备采集用户的加速度信息；

步骤2，对低级情境信息分别提取特征构建特征向量：对GPS位置信息进行聚类得到GPS访问地点然后提取时间模式特征构建GPS特征向量，对加速度信息进行切割得到加速度帧然后提取统计和频域特征构建加速度特征向量；

步骤3，基于一系列正确标注了高级情境信息的特征向量分别训练分类模型：使用正确标注了语义化场所的GPS特征向量训练语义化场所分类模型，使用正确标注了活动的加速度特征向量训练活动分类模型；

二、获取高级情境：

步骤1，通过移动终端上的传感设备采集用户的高级情境信息：使用GPS传感设备采集用户的GPS位置信息，通过加速度传感设备采集用户的加速度信息；

步骤2，对高级情境信息分别提取特征构建特征向量：对GPS位置信息进行聚类得到GPS访问地点然后提取时间模式特征构建GPS特征向量，对加速度信息进行切割得到加速度帧然后提取统计和频域特征构建加速度特征向量；

步骤3，在得到低级情境信息的特征向量后根据分类模型分别获取信息对应的高级情境信息：将需要识别的GPS特征向量根据语义化场所分类模型得到其对应的语义化场所，将需要识别的加速度特征向量根据活动分类模型得到其对应的活动；

三、推送烟草信息：

步骤1，设定推送规则：首先对推送信息进行分类，其次对用户进行分类，接着对每一类信息构建推送向量，然后根据不同类型的用户定义推送向量值，最后根据推送向量设计推送算法；

步骤2，获取每一个用户的类型和其当前高级情境信息，包括语义化场所和活动；

步骤3，基于推送规则向用户推送信息。

作为进一步改进，采集移动终端上的低级情境信息的方法如下：从GPS传感设备中采集GPS位置信息，从加速度传感设备中采集加速度信息；每一个GPS位置信息形如L＝(lng,lat,t)，其中lng、lat为该GPS位置经纬值，t为在该位置的时间；GPS轨迹数据形如LSeq＝(L₀,…,L_n)，其中L_k为第k个GPS位置信息；每一个加速度信息形如A＝(x,y,z,t)，其中x,y,z为该加速度信息X轴、Y轴、Z轴的值，t为该加速度出现的时间；加速度时序数据形如ASeq＝(A₀,…,A_n)，其中A_k为第k个加速度信息。

作为进一步改进，对低级情境信息分别提取特征构建特征向量的方法包括以下的步骤：

1)对GPS轨迹数据LSeq中的每一个GPS位置信息L比较其与当前聚类中心的距离，若该距离小于阈值δcluster_distance，则将该GPS位置信息加入当前聚类中，否则计算当前聚类的持续时间，即该GPS位置信息时间与当前聚类中第一个GPS位置信息时间的差值，若该差值大于阈值δtime，则将当前聚类作为一个GPS访问地点；

2)对每一个GPS访问地点提取星期、时间、持续时间和响应率四种时间模式特征；其中星期表示访问行为发生在工作日还是休息日；时间表示访问行为发生的中间时间，其值被离散为24个值，代表一天24小时；持续时间表示访问行为发生的持续时间，并被离散为较长、中等和较短三个值；响应率表示访问期间GPS信号可用时间的比率，并被离散为高、中、低三个值，分别表示代表室外地点、小型室内地点和大型室内地点；

3)将上述四种时间模式特征构成特征向量，形如VL＝(V₀,V₁,V₂,V₃)，其中V₀表示星期特征，其值为0表示工作日，其值为1表示休息日；其中V₁表示时间特征，其值为0-23其中之一；其中V₂表示持续时间特征，其值为0表示较长，其值为1表示中等，其值为2表示较短；其中V₃表示响应率特征，其值为0表示高，其值为1表示中，其值为2表示低；

4)将加速度时序数据按照滑动时间窗口，如总时间为6秒，步长为3秒，切割成加速度帧AF；如有加速度时序数据ASeq＝(A₀,…,A_3n)，总时间设为2n个加速度信息的时间，步长设为n个加速度信息的时间，则切割出的对应加速度帧依次为AF₀＝(A₀,…,A_2n)，AF₁＝(A_n,…,A_3n)；

5)对每一加速度帧AF提取统计特征和频域特征，统计特征包括均值、方差、最大值、最小值、能量和相关系数，其中均值、方差、最大值、最小值、能量需要对加速度X轴、Y轴、Z轴分别求取，相关系数包括X轴与Y轴、X轴与Z轴、Y轴与Z轴三种；频域特征主要是傅里叶变换系数；

6)将上述统计特征构成统计特征向量，形如VS＝(S₀,…,S₁₇)，其中S₀，S₁，S₂分别表示X轴均值、Y轴均值、Z轴均值，S₃，S₄，S₅分别表示X轴方差、Y轴方差、Z轴方差，S₆，S₇，S₈分别表示X轴最大值、Y轴最大值、Z轴最大值，S₉，S₁₀，S₁₁分别表示X轴最小值、Y轴最小值、Z轴最小值，S₁₂，S₁₃，S₁₄分别表示X轴能量、Y轴能量、Z轴能量，S₁₅，S₁₆，S₁₇分别表示X轴与Y轴相关系数、X轴与Z轴相关系数、Y轴与Z轴相关系数；将上述频域特征构成频域特征向量，形如VF＝(F₀,…,F_n)，其中F_k表示频域第k个分量的傅里叶变换系数；将统计特征向量VS和频域特征向量VF构成加速度特征向量VA＝(VS,VF)。

作为进一步改进，设定推送规则包括以下的步骤：

1)将所有可能推送的烟草信息进行分类，具体类别根据实际情况确定，设有n类信息，则每一条信息的信息类别用I_k表示，其中k表示第k类信息；

2)将用户类型分为吸烟者、吸烟者家属和烟草行业从业人员三类，需要用户在注册时进行选择；

3)对每一类信息构建语义化场所推送向量P_i和活动推送向量A_i；其中语义化场所推送向量形如P_i＝(p₀,…,p₇)，其中i表示第i类用户，其值为0表示吸烟者，其值为1表示吸烟者家属，其值为2表示烟草行业从业人员，p_k表示在第k个语义化场所中是否需要推送该类信息，其值为0表示不推送，其值为1表示推送；活动推送向量形如A_i＝(a₀,…,a₁₁)，其中i表示第i类用户，其值为0表示吸烟者，其值为1表示吸烟者家属，其值为2表示烟草行业从业人员，a_k表示在第k个活动时是否需要推送该类信息，其值为0表示不推送，其值为1表示推送；

4)对于每一类信息根据不同的用户类型设定其语义化场所推送向量P_i和活动推送向量A_i值；

5)对于每一条信息人工进行信息类别的确定，然后按照该类信息的语义化场所推送向量P_i和活动推送向量A_i中那些值为1时的语义化场所和活动进行信息推送。

本发明针对传统信息推送没有考虑用户所处情境，现如今信息推送情境感知能力较弱的问题，提出一种新的情境感知的移动终端信息推送方法，与现有的方法相比，其优点在于：

1)在情境感知时使用了多种情境；

2)通过低级情境建立了更符合用户认知习惯的高级情境；

3)在一定程度上解决了推送时机的问题，使得信息推送更加智能。

附图说明

图1为本发明整体流程图。

图2为本发明构建特征向量流程图。

图3为本发明推送烟草信息流程图。

具体实施方式

本发明提出了一种情境感知的移动终端烟草信息推送方法，整体流程图如图1所示，该方法分为训练分类模型、获取高级情境和推送烟草信息三个部分。其中训练分类模型部分先采集低级情境信息，包括GPS位置信息和加速度信息，然后从GPS位置信息中提取出GPS特征向量，从加速度信息中提取出加速度特征向量，最后用GPS特征向量训练语义化场所分类模型，用加速度特征向量训练活动分类模型；获取高级情境部分前两个步骤同训练分类模型部分相同，也是先采集得到低级情境信息，然后从低级情境信息中提取出特征向量，最后一步是用提取得到的特征向量根据分类模型获取高级情境信息，具体是用GPS特征向量得到语义化场所，用加速度特征向量得到活动；推送烟草信息部分先设定好推送规则，然后获取用户类型和其当前的高级情境信息，包括语义化场所和活动，最后基于推送规则结合不同的语义化场所和活动向用户推送信息。

训练分类模型的具体步骤如下：

步骤1，采集低级情境：采集移动终端上的低级情境信息。从GPS传感设备中采集GPS位置信息，从加速度传感设备中采集加速度信息。每一个GPS位置信息形如L＝(lng,lat,t)，其中lng、lat为该GPS位置经纬值，t为在该位置的时间。GPS轨迹数据形如LSeq＝(L₀,…,L_n)，其中L_k为第k个GPS位置信息。每一个加速度信息形如A＝(x,y,z,t)，其中x,y,z为该加速度信息X轴、Y轴、Z轴的值，t为该加速度出现的时间。加速度时序数据形如ASeq＝(A₀,…,A_n)，其中A_k为第k个加速度信息。

步骤2，构建特征向量：对低级情境信息分别提取特征构建特征向量。对GPS位置信息聚类得到GPS访问地点，从中提取访问的时间模式特征构成GPS特征向量；对加速度信息按照时间窗口切割成加速度帧后提取统计特征和频域特征构成加速度特征向量。流程图如图2所示，主要步骤如下：

1)对GPS轨迹数据LSeq中的每一个GPS位置信息L比较其与当前聚类中心的距离，若该距离小于阈值δcluster_distance，则将该GPS位置信息加入当前聚类中，否则计算当前聚类的持续时间，即该GPS位置信息时间与当前聚类中第一个GPS位置信息时间的差值，若该差值大于阈值δtime，则将当前聚类作为一个GPS访问地点。

2)对每一个GPS访问地点提取星期、时间、持续时间和响应率四种时间模式特征。其中星期表示访问行为发生在工作日还是休息日；时间表示访问行为发生的中间时间，其值被离散为24个值，代表一天24小时；持续时间表示访问行为发生的持续时间，并被离散为较长、中等和较短三个值；响应率表示访问期间GPS信号可用时间的比率，并被离散为高、中、低三个值，分别表示代表室外地点、小型室内地点和大型室内地点。

3)将上述四种时间模式特征构成特征向量，形如VL＝(V₀,V₁,V₂,V₃)，其中V₀表示星期特征，其值为0表示工作日，其值为1表示休息日；其中V₁表示时间特征，其值为0-23其中之一；其中V₂表示持续时间特征，其值为0表示较长，其值为1表示中等，其值为2表示较短；其中V₃表示响应率特征，其值为0表示高，其值为1表示中，其值为2表示低。

4)将加速度时序数据按照滑动时间窗口(如总时间为6秒，步长为3秒)切割成加速度帧AF。如有加速度时序数据ASeq＝(A₀,…,A_3n)，总时间设为2n个加速度信息的时间，步长设为n个加速度信息的时间，则切割出的对应加速度帧依次为AF₀＝(A₀,…,A_2n)，AF₁＝(A_n,…,A_3n)。

5)对每一加速度帧AF提取统计特征和频域特征，统计特征包括均值、方差、最大值、最小值、能量和相关系数，其中均值、方差、最大值、最小值、能量需要对加速度X轴、Y轴、Z轴分别求取，相关系数包括X轴与Y轴、X轴与Z轴、Y轴与Z轴三种；频域特征主要是傅里叶变换系数。

6)将上述统计特征构成统计特征向量，形如VS＝(S₀,…,S₁₇)，其中S₀，S₁，S₂分别表示X轴均值、Y轴均值、Z轴均值，S₃，S₄，S₅分别表示X轴方差、Y轴方差、Z轴方差，S₆，S₇，S₈分别表示X轴最大值、Y轴最大值、Z轴最大值，S₉，S₁₀，S₁₁分别表示X轴最小值、Y轴最小值、Z轴最小值，S₁₂，S₁₃，S₁₄分别表示X轴能量、Y轴能量、Z轴能量，S₁₅，S₁₆，S₁₇分别表示X轴与Y轴相关系数、X轴与Z轴相关系数、Y轴与Z轴相关系数。将上述频域特征构成频域特征向量，形如VF＝(F₀,…,F_n)，其中F_k表示频域第k个分量的傅里叶变换系数。将统计特征向量VS和频域特征向量VF构成加速度特征向量VA＝(VS,VF)。

步骤3，训练分类模型：基于一系列正确标注了高级情境信息的特征向量采用机器学习技术分别训练分类模型。对于正确标注了语义化场所的GPS特征向量VL采用贝叶斯网络训练分类器得到语义化场所分类模型，其中语义化场所包括家、工作场所、餐厅、超市、商店(表示小型的购物场所，如杂货店、服装店等)、休闲场所(表示用于室内休闲娱乐的场所，如电影院、KTV等)、业务场所(表示公共服务场所，如医院、银行等)及风景点(表示室外旅游场所，如公园、海滩等)八大类。对于正确标注了活动的加速度特征向量VA采用SVM训练分类器得到活动分类模型，其中活动包括会晤、工作、走路、上楼、下楼、饮食、睡觉、家务、购物、跑步、骑车、看电视十二种。

获取高级情境的具体步骤如下：

步骤1，采集低级情境和步骤2，构建特征向量这两个步骤与训练分类模型部分相同。

步骤3，根据模型获取高级情境：在得到低级情境信息的特征向量后根据分类模型分别获取信息对应的高级情境信息。将需要识别的GPS特征向量VL输入语义化场所分类模型中得到其对应的语义化场所，将需要识别的加速度特征向量VA输入活动分类模型中得到其对应的活动。

推送烟草信息的流程图如图3所示，具体步骤如下：

步骤1，设定推送规则：

1)将所有可能推送的烟草信息进行分类(如烟草介绍信息、烟草促销信息等)，具体类别根据实际情况确定，设有n类信息，则每一条信息的信息类别用I_k表示，其中k表示第k类信息。

2)将用户类型分为吸烟者、吸烟者家属和烟草行业从业人员三类，需要用户在注册时进行选择。

3)对每一类信息构建语义化场所推送向量P_i和活动推送向量A_i。其中语义化场所推送向量形如P_i＝(p₀,…,p₇)，其中i表示第i类用户，其值为0表示吸烟者，其值为1表示吸烟者家属，其值为2表示烟草行业从业人员，p_k表示在第k个语义化场所中是否需要推送该类信息，其值为0表示不推送，其值为1表示推送；活动推送向量形如A_i＝(a₀,…,a₁₁)，其中i表示第i类用户，其值为0表示吸烟者，其值为1表示吸烟者家属，其值为2表示烟草行业从业人员，a_k表示在第k个活动时是否需要推送该类信息，其值为0表示不推送，其值为1表示推送。

4)对于每一类信息根据不同的用户类型设定其语义化场所推送向量P_i和活动推送向量A_i值。例如对于一种新的烟草的介绍信息，将该信息推送给吸烟者及其家属时，由于该信息不是十分紧急，应尽可能不打扰到用户的正常工作休息，所以可设定当用户在工作场所和家时不进行推送，因此向量P₀和P₁中代表工作场所和家的维度值设为0，其他维度值设为1；将该信息推送给烟草行业从业人员时，由于该信息属于其工作范畴信息，所以应在其工作时进行推送，因此向量A₂中代表工作的维度值设为1，其他维度值设为0。

步骤2，获取用户类型和高级情境：有一条新的信息需要推送时，对每一个用户，从用户注册信息中获取其用户类型，从获取高级情境部分中获取其当前语义化场所和活动。

步骤3，基于规则推送信息：对每一个用户不断获取其高级情境并检查新的信息是否满足推送规则，若满足规则就推送该信息并将该用户从信息推送候选者中去除，若不满足规则就继续检查。

Claims

1.一种情境感知的移动终端烟草信息推送方法，其特征在于该方法包括以下的步骤：

一、训练分类模型：

所述的采集移动终端上的低级情境信息的方法如下：从GPS传感设备中采集GPS位置信息，从加速度传感设备中采集加速度信息；每一个GPS位置信息L=(lng, lat, t)，其中lng、lat为该GPS位置经纬值，t为在该位置的时间；GPS轨迹数据LSeq= (L ₀,…,L _n)，其中L _k为第k个GPS位置信息；每一个加速度信息A=(x, y, z, t)，其中x, y, z为该加速度信息X轴、Y轴、Z轴的值，t为该加速度出现的时间；加速度时序数据ASeq= (A ₀,…,A _n)，其中A _k为第k个加速度信息；

对低级情境信息分别提取特征构建特征向量的方法包括以下的步骤：

1）对GPS轨迹数据LSeq中的每一个GPS位置信息L比较其与当前聚类中心的距离，若该距离小于阈值δcluster_distance，则将该GPS位置信息加入当前聚类中，否则计算当前聚类的持续时间，即该GPS位置信息时间与当前聚类中第一个GPS位置信息时间的差值，若该差值大于阈值δtime，则将当前聚类作为一个GPS访问地点；

2）对每一个GPS访问地点提取星期、时间、持续时间和响应率四种时间模式特征；其中星期表示访问行为发生在工作日还是休息日；时间表示访问行为发生的中间时间，其值被离散为24个值，代表一天24小时；持续时间表示访问行为发生的持续时间，并被离散为较长、中等和较短三个值；响应率表示访问期间GPS信号可用时间的比率，并被离散为高、中、低三个值，分别表示代表室外地点、小型室内地点和大型室内地点；

3）将上述四种时间模式特征构成特征向量，VL= (V ₀,V ₁,V ₂,V ₃)，其中V ₀表示星期特征，其值为0表示工作日，其值为1表示休息日；其中V ₁表示时间特征，其值为0-23其中之一；其中V ₂表示持续时间特征，其值为0表示较长，其值为1表示中等，其值为2表示较短；其中V ₃表示响应率特征，其值为0表示高，其值为1表示中，其值为2表示低；

4）将加速度时序数据按照滑动时间窗口，如总时间为6秒，步长为3秒，切割成加速度帧AF；如有加速度时序数据ASeq= (A ₀,…,A _3n)，总时间设为2n个加速度信息的时间，步长设为n个加速度信息的时间，则切割出的对应加速度帧依次为AF ₀₌(A ₀,…,A _2n)，AF ₁₌(A _n,…,A _3n)；

5）对每一加速度帧AF提取统计特征和频域特征，统计特征包括均值、方差、最大值、最小值、能量和相关系数，其中均值、方差、最大值、最小值、能量需要对加速度X轴、Y轴、Z轴分别求取，相关系数包括X轴与Y轴、X轴与Z轴、Y轴与Z轴三种；频域特征是傅里叶变换系数；

6）将上述统计特征构成统计特征向量，VS=(S ₀,…,S ₁₇)，其中S _0， S _1， S ₂分别表示X轴均值、Y轴均值、Z轴均值，S _3， S _4， S ₅分别表示X轴方差、Y轴方差、Z轴方差，S _6， S _7， S ₈分别表示X轴最大值、Y轴最大值、Z轴最大值，S _9， S _10， S ₁₁分别表示X轴最小值、Y轴最小值、Z轴最小值，S _12， S _13， S ₁₄分别表示X轴能量、Y轴能量、Z轴能量，S _15， S _16， S ₁₇分别表示X轴与Y轴相关系数、X轴与Z轴相关系数、Y轴与Z轴相关系数；将上述频域特征构成频域特征向量，VF=(F ₀,…,F _n)，其中F _k表示频域第k个分量的傅里叶变换系数；将统计特征向量VS和频域特征向量VF构成加速度特征向量VA=(VS, VF)；

二、获取高级情境：

三、推送烟草信息：

步骤3，基于推送规则向用户推送信息。

2.根据权利要求1所述的一种情境感知的移动终端烟草信息推送方法，其特征在于设定推送规则包括以下的步骤：

1）将所有推送的烟草信息进行分类，具体类别根据实际情况确定，设有n类信息，则每一条信息的信息类别用I _k表示，其中k表示第k类信息；

2）将用户类型分为吸烟者、吸烟者家属和烟草行业从业人员三类，需要用户在注册时进行选择；

3）对每一类信息构建语义化场所推送向量P _i和活动推送向量A _i；其中语义化场所推送向量P _i=(p ₀,…,p ₇)，其中i表示第i类用户，其值为0表示吸烟者，其值为1表示吸烟者家属，其值为2表示烟草行业从业人员，p _k表示在第k个语义化场所中是否需要推送该类信息，其值为0表示不推送，其值为1表示推送；活动推送向量A _i=(a ₀,…,a ₁₁)，其中i表示第i类用户，其值为0表示吸烟者，其值为1表示吸烟者家属，其值为2表示烟草行业从业人员，a _k表示在第k个活动时是否需要推送该类信息，其值为0表示不推送，其值为1表示推送；

4）对于每一类信息根据不同的用户类型设定其语义化场所推送向量P _i和活动推送向量A _i值；

5）对于每一条信息人工进行信息类别的确定，然后按照该类信息的语义化场所推送向量P _i和活动推送向量A _i中那些值为1时的语义化场所和活动进行信息推送。