CN105072591A

CN105072591A - 一种基于移动终端的个性化信息推送方法及系统

Info

Publication number: CN105072591A
Application number: CN201510488955.0A
Authority: CN
Inventors: 陈湘萍; 周凡; 王竑; 秦崇文
Original assignee: National Sun Yat Sen University
Current assignee: Sun Yat Sen University; National Sun Yat Sen University
Priority date: 2015-08-11
Filing date: 2015-08-11
Publication date: 2015-11-18

Abstract

本发明公开了一种基于移动终端的个性化信息推送方法及系统，其中，该方法包括：获取用户的位置信息，确定所述用户的位置；根据所述用户的位置信息获取所述用户的位置情景信息，将所述用户的位置情景信息上传到所述用户的行为记录表中；对所述用户的行为记录表进行过滤处理，获取过滤处理后的行为记录表；根据所述过滤处理后的行为记录表获取所述用户潜在需求的活动信息，根据所述用户潜在需求的活动信息向所述用户的移动终端推送所述用户的位置附近的活动信息。实施本发明实施例，用户只要在有wifi的地方，就能实现个性化信息推送，方便用户的使用，提高用户的使用体验感。

Description

一种基于移动终端的个性化信息推送方法及系统

技术领域

本发明涉及信息推送技术领域，尤其涉及一种基于移动终端的个性化信息推送方法及系统。

背景技术

信息推送是通过一定的技术标准或协议，在互联网上通过定期传送用户需要的信息来减少信息过载的一项新技术。推送技术通过自动传送信息给用户，来减少用于网络上搜索的时间。它根据用户的兴趣来搜索、过滤信息，并将其定期推给用户，帮助用户高效率地发掘有价值的信息。从技术而言，信息推送是一项以数据挖掘、自然语言处理及互联网等多门技术为基础的综合性方向；将合适的信息推送给合适的人，是一项极具挑战的工作，这个过程需要对信息作充分的分析。

现阶段的通过wifi信号的信息推送是根据无线信号发射器在地理分布上的位置，当移动设备识别到这些wifi信号时即可定位用户位置，这些位置不需要经纬度上的精确，只要能建立服务情境就算达到目的；但是这些推送方式往往不能将用户喜欢或者需要的信息推送给用户，而大量的信息推送到用户的终端，给用户带来了很大的生活困扰。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于移动终端的个性化信息推送方法及系统，用于向用户推送个性化的信息，以使用户得到更好的体验效果。

为了解决上述问题，本发明提出了一种基于移动终端的个性化信息推送方法，所述方法包括：

获取用户的位置信息，确定所述用户的位置；

根据所述用户的位置信息获取所述用户的位置情景信息，将所述用户的位置情景信息上传到所述用户的行为记录表中；

对所述用户的行为记录表进行过滤处理，获取过滤处理后的行为记录表；

根据所述过滤处理后的行为记录表获取所述用户潜在需求的活动信息，根据所述用户潜在需求的活动信息向所述用户的移动终端推送所述用户的位置附近的活动信息。

优选地，所述获取用户的位置信息的步骤包括：

通过所述用户的智能终端设备对周边的wifi信号进行扫描，获取扫描结果；

将所述扫描结果中的<SSID，BSSID>与wifi映射表中的<SSID，BSSID>字段进行匹配，获取所述用户的位置信息和和周围存在的活动信息。

优选地，所述根据所述用户的位置信息获取所述用户的位置情景信息的步骤包括：

根据所述用户的位置信息通过网络方式获取所述用户的位置的天气信息；

根据所述扫描结果获取至少包含以下一种或多种信息：时间情景、工作情景、季节、活动信息。

优选地，所述对所述用户的行为记录表进行过滤处理的步骤包括：

选择所述天气信息作为过滤因子对所述用户的行为记录表进行过滤，获取过滤后的第一行为记录表；

根据所述第一行为记录表，构建情景-活动信息矩阵；

根据所述情景-活动信息矩阵计算所述用户的情景相似度，获取所述用户的情景相似度结果；

根据所述用户的情景相似度结果对所述第一行为记录表进行过滤，获取第二行为记录表。

优选地，所述获取所述用户潜在需求的活动信息的步骤包括：

对获取所述第二行为记录表进行贝叶斯概率预测，获取预测结果；

根据预测结果的概率大小排序获取所述用户潜在需求的活动信息。

本法明还提供了一种基于移动终端的个性化信息推送系统，所述系统包括：

定位模块：用于获取用户的位置信息，确定所述用户的位置；

情景信息获取模块：用于根据所述用户的位置信息获取所述用户的位置情景信息，将所述用户的位置情景信息上传到所述用户的行为记录表中；

处理模块：用于对所述用户的行为记录表进行过滤处理，获取过滤处理后的行为记录表；

推送模块：用于根据所述过滤处理后的行为记录表获取所述用户潜在需求的活动信息，根据所述用户潜在需求的活动信息向所述用户的移动终端推送所述用户的位置附近的活动信息。

优选地，所述定位模块包括：

扫描单元：用于通过所述用户的智能终端设备对周边的wifi信号进行扫描，获取扫描结果；

位置确定单元：用于将所述扫描结果中的<SSID，BSSID>与wifi映射表中的<SSID，BSSID>字段进行匹配，获取所述用户的位置信息和和周围存在的活动信息。

优选地，所述情景信息获取模块包括：

网络情景信息获取单元：用于根据所述用户的位置信息通过网络方式获取所述用户的位置的天气信息；

本地情景信息获取单元：用于根据所述扫描结果获取至少包含以下一种或多种信息：时间情景、工作情景、季节、活动信息；

情景信息上传单元：用于将所述的用户的位置情景信息上传到所述用户的行为记录表中。

优选地，所述处理模块包括：

第一过滤单元：用于选择所述天气信息作为过滤因子对所述用户的行为记录表进行过滤，获取过滤后的第一行为记录表；

矩阵构建单元：用于根据所述第一行为记录表，构建情景-活动信息矩阵；

相似度计算单元：用于根据所述情景-活动信息矩阵计算所述用户的情景相似度，获取所述用户的情景相似度结果；

第二过滤单元：用于根据所述用户的情景相似度结果对所述第一行为记录表进行过滤，获取第二行为记录表。

优选地，所述推送模块包括：

预测单元：用于对获取所述第二行为记录表进行贝叶斯概率预测，获取预测结果；

排序单元：用于根据预测结果的概率大小排序获取所述用户潜在需求的活动信息；

信息推送单元：用于根据所述用户潜在需求的活动信息向所述用户的移动终端推送所述用户的位置附近的活动信息。

在本发明实施例中，用户只要在有wifi的地方，就能实现个性化信息推送，方便用户的使用，提高用户的使用体验感。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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它的附图。

图1是本发明实施例的基于移动终端的个性化信息推送方法的流程示意图；

图2是本发明实施例的对用户的行为记录表进行过滤处理的流程示意图；

图3是本发明实施例的基于移动终端的个性化信息推送系统的结构示意图；

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作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。

图1是本发明实施例的个性化信息推送方法的流程示意图，如图1所示，该方法包括：

S11：获取用户的位置信息，确定用户的位置；

S12：根据用户的位置信息获取用户的位置情景信息，将用户的位置情景信息上传到用户的行为记录表中；

S13：对用户的行为记录表进行过滤处理，获取过滤处理后的行为记录表；

S14：根据过滤处理后的行为记录表获取用户潜在需求的活动信息，根据用户潜在需求的活动信息向用户的移动终端推送用户的位置附近的活动信息。

对S11作进一步说明：

通过用户的终端智能设备对周围环境的wifi信号进行扫描，判断是否连接上所在环境的wifi信号；若连接上，则将该wifi信息记录到扫描结果集中；若没有连接上，则每隔一段时间用户的智能终端设备对周围环境的wifi信息进行扫描，获取出现超过15分钟的wifi信息，按照wifi信号的强弱排序并记录到扫描结果集中；

提取扫描结果集中的信号最强的前3个扫描结果的<SSID，BSSID>，利用提取的SSID和BSSID与wifi映射表(如表1所示)进行对比，获取用户的智能终端的位置信息和周围存在的活动信息；

表1wifi映射表

其中，SSID表示区别于不同的网络；BSSID为站点的MAC地址，是唯一确定的。

对S12作进一步说明：

根据用户的位置信息，通过用户的智能终端获取用户所在地的天气信息；

获取用户情景信息，用户情景信息包括：

时间情景：根据用户一天的行为习惯往往发生在哪些特定的时间段，如{8:00-11:00,11:00-14:00,14:00-17:00,17:00-20:00,20:00-23:00}；

工作情景：根据国家的对节假日的安排，可划分为：工作日、休息日和节假日；

季节：根据日历安排分为：春、夏、秋、冬；

用户获取的天气信息可分为：晴天、雨天等；

活动信息可以根据距离用户最近的位置商家提供的服务信息来确定；

将获取的上述天气信息、时间情景、工作情景、季节和活动信息上传至行为记录表中；行为记录表如表2所示：

表2行为记录表

用户ID

时间情景

工作情景

季节

天气信息

活动信息

频繁度

20150414

20:00-23:00

工作日

夏

晴

健身

6

20150414

20:00-23:00

工作日

夏

晴

桌球

2

20150414

20:00-23:00

工作日

秋

晴

KTV

2

20150414

17:00-20:00

休息日

夏

晴

餐厅

13

……

进一步地，结合图2对S13作进一步说明：

S131：选择天气信息作为过滤因子对用户的行为记录表进行过滤，获取过滤后的第一行为记录表；

S132：根据第一行为记录表，构建情景-活动信息矩阵；

S133：根据情景-活动信息矩阵计算用户的情景相似度，获取用户的情景相似度结果；

S134：根据用户的情景相似度结果对第一行为记录表进行过滤，获取第二行为记录表。

对S131作进一步说明：

对获取的用户行为记录表信息作进一步处理，首先以天气信息作为因素进行数据处理和过滤，减少数据集的规模；若用户所处的位置是雨天时，则将活动信息中具有户外性质的过滤掉，过滤后获取不含天气信息的第一行为记录表，如表3所示：

表3第一行为记录表

用户ID	时间情景	工作情景	季节	活动信息	频繁度
						20150414	20:00-23:00	工作日	夏	健身	6
20150414	20:00-23:00	工作日	夏	桌球	2
						20150414	20:00-23:00	工作日	秋	KTV	2
20150414	17:00-20:00	休息日	夏	餐厅	13
						……	……	……	……	……	……

对S132作进一步说明：

情景过滤是为了继续减小数据集的规模，用户在不同的情景中可能会有不同的行为，但是也可能存在着相似的行为，因此我们引入情景相似度的概念，即为取不同的情景值，用户具有相似的行为记录；因此，在进行数据过滤的时候，不能简单的按照用户当前所处的实时情景把不一致的情景直接过滤掉，这样可能会造成数据稀疏不利于分析。

于是，根据第一行为记录表，构建情景-活动信息矩阵；其中情景-活动信息矩阵如表4所示：

表4情景-活动信息矩阵

	S₁	S₂	S₃	……	S_n
						C₁	5	3	2	……	3
C₂	1	2	6	……	4
						C₃	4	3	2	……	0
……	……	……	……	……	2
						C_j	3	2	4	……	1

其中S_n活动信息，如S1＝健身，S2＝桌球，S3＝KTV，……；

其中，C_j为情景向量，表示具体的情景，如，C₁所表示的情景为{时间：20:00-23:00，工作：工作日，季节：夏}，C₂表示{时间：8:00-11:00，工作：工作日，季节：冬}……；

矩阵中的数值表示在某一情景下，用户选择活动信息S_n的频繁度，如，在C1＝{时间：20:00-23:00，工作：工作日，季节：夏}这个情景下，用户接受了活动信息S₁(健身)5次。

对S133作进一步说明：

根据情景-活动信息矩阵计算情景相似度；

用服务属性S_n作为C_j的维，情景C_j用式子来表示为：

C_j＝(P(S₁),P(S₂),…,P(S_n))；

其中，

P (S_{i}) = \frac{S_{i}}{Σ_{1}^{n} S_{i}}, i = 1, 2, ..., n .

若n的值取8，即每个情景C_j下，取频繁度排在TOP-8的服务属性来描述情景C_j，则情景C₁表示为其中X为C₁行的元素之和，对应的数学依次为{S1，S2，S3，……}。

于是，采用余玄定理公式计算情景的相似度，首先从用户行为记录表中匹配与实时情景T相同的情景C_x，用向量C_x表示T，通过余弦定理公式来计算历史情景C_j和实时情景T的相似度，即：

c o s (T, C_{j}) = \frac{T \times C_{j}}{| T | \times | C_{j} |} = \frac{Σ_{1}^{i} (P_{T} (S_{i}) \times P_{C_{j}} (S_{i}))}{\sqrt{Σ_{1}^{i} {(P_{T} (S_{i}))}^{2}} \times \sqrt{Σ_{1}^{i} {(P_{C_{j}} (S_{i}))}^{2}}}

其中i＝1,2,…,n，j＝1,2,…,m；

对S134作进一步说明：

根据上述计算，可以得到情景的相似度值，于是，取阈值为P，当cos(T,C_j)＞P时，则认为情景C_j与情景T相似，其中P＝0.5；将具有相似性的用户行为记录保留，过滤不满足阈值P的数据，得到第二行为记录表。

对S14作进一步说明：

采用贝叶斯条件概率模型对第二行为记录表中的元素进行预测，在此，提取实时情景T<A₁,A₂,A₃>对第二行为记录表进行预测，用户可能选择的活动信息Type_i的概率可表示为：

P ({Type}_{i} | A_{1}, A_{2}, A_{3}) = \frac{P (A_{1}, A_{2}, A_{3} | {Type}_{i}) P ({Type}_{i})}{P (A_{1}, A_{2}, A_{3})} - - - (1)

而情景T<A₁,A₂,A₃>的各维度是相互独立的，则

\begin{matrix} P (A_{1}, A_{2}, A_{3} | {Type}_{i}) = Π_{j = 1}^{3} P (A_{j} | {Type}_{i}) - - - (2) \\ P (A_{1}, A_{2}, A_{3}) = Σ_{i = 1}^{n} Π_{j = 1}^{3} P (A_{j} | {Type}_{i}) - - - (3) \end{matrix}

将(2)(3)代入(1)可得：

P ({Type}_{i} | A_{1}, A_{2}, A_{3}) = \frac{Π_{j = 1}^{3} P (A_{j} | {Type}_{i}) P ({Type}_{i})}{Π_{j = 1}^{3} P (A_{j} | {Type}_{i})}

通过上式的计算出各类活动信息Type_i的条件概率，并按照降序的方法进行排序，得到{Type₁,Type₂,…,Type_i}，将排序在前面的活动信息作为作为推荐服务项目，进行活动信息的推送。

另外，本发明实施例还提供了一种基于移动终端的个性化信息推送系统，如图3所示，该系统包括：

定位模块31：用于获取用户的位置信息，确定所述用户的位置；

情景信息获取模块32：用于根据用户的位置信息获取用户的位置情景信息，将用户的位置情景信息上传到用户的行为记录表中；

处理模块33：用于对用户的行为记录表进行过滤处理，获取过滤处理后的行为记录表；

推送模块34：用于根据过滤处理后的行为记录表获取用户潜在需求的活动信息，根据用户的潜在需求的活动信息向用户的移动终端推送用户的位置附近的活动信息。

优选地，定位模块31包括：

扫描单元：用于通过用户的智能终端设备对周边的wifi信号进行扫描，获取扫描结果；

位置确定单元：用于将扫描结果中的<SSID，BSSID>与wifi映射表中的<SSID，BSSID>字段进行匹配，获取用户的位置信息和和周围存在的活动信息。

优选地，情景信息获取模块32包括：

网络情景信息获取单元：用于根据用户的位置信息通过网络方式获取用户的位置的天气信息；

本地情景信息获取单元：用于根据扫描结果获取至少包含以下一种或多种信息：时间情景、工作情景、季节、活动信息；

情景信息上传单元：用于将用户的位置情景信息上传到用户的行为记录表中。

优选地，处理模块33包括：

第一过滤单元：用于选择天气信息作为过滤因子对用户的行为记录表进行过滤，获取过滤后的第一行为记录表；

矩阵构建单元：用于根据第一行为记录表，构建情景-活动信息矩阵；

相似度计算单元：用于根据情景-活动信息矩阵计算用户的情景相似度，获取用户的情景相似度结果；

第二过滤单元：用于根据用户的情景相似度结果对第一行为记录表进行过滤，获取第二行为记录表。

优选地，推送模块34包括：

预测单元：用于对获取第二行为记录表进行贝叶斯概率预测，获取预测结果；

排序单元：用于根据预测结果的概率大小排序获取用户潜在需求的活动信息；

信息推送单元：用于根据用户潜在需求的活动信息向用户的移动终端推送用户的位置附近的活动信息。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的基于移动终端的个性化信息推送方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种基于移动终端的个性化信息推送方法，其特征在于，所述方法包括：

获取用户的位置信息，确定所述用户的位置；

2.根据权利要求1所述的个性化信息推送方法，其特征在于，所述获取用户的位置信息的步骤包括：

3.根据权利要求1-2所述的个性化信息推送方法，其特征在于，所述根据所述用户的位置信息获取所述用户的位置情景信息的步骤包括：

4.根据权利要求3所述的个性化信息推送方法，其特征在于，所述对所述用户的行为记录表进行过滤处理的步骤包括：

根据所述第一行为记录表，构建情景-活动信息矩阵；

5.根据权利要求1所述的个性化信息推送方法，其特征在于，所述获取所述用户潜在需求的活动信息的步骤包括：

对所述第二行为记录表进行贝叶斯概率预测，获取预测结果；

根据所述预测结果的概率大小排序获取所述用户潜在需求的活动信息。

6.一种基于移动终端的个性化信息推送系统，其特征在于，所述系统包括：

推送模块：用于根据所述过滤处理后的行为记录表获取所述用户潜在需求的活动信息，根据所述用户的潜在需求的活动信息向所述用户的移动终端推送所述用户的位置附近的活动信息。

7.根据权利要求6所述的个性化信息推送系统，其特征在于，所述定位模块包括：

8.根据权利要求6所述的个性化信息推送系统，其特征在于，所述情景信息获取模块包括：

9.根据权利要求6所述的个性化信息推送系统，其特征在于，所述处理模块包括：

10.根据权利要求6所述的个性化信息推送系统，其特征在于，所述推送模块包括：

排序单元：用于根据所述预测结果的概率大小排序获取所述用户潜在需求的活动信息；