CN105976207A - 一种基于多属性动态权重分配的信息搜索结果生成方法及系统 - Google Patents

Abstract

本发明公开了一种基于多属性动态权重分配的信息搜索结果生成方法及系统，包括以下主要步骤：查询特定时间段内的顾客评价，提取关键字，依照提及频率引入评价中属性，并结合商品的数值型静态属性，构建多属性排序选项；将各个属性根据其数值与用户满意度的关系进行分类，利用递增/递减函数分别表示两类属性的效用函数，并计算每个属性的效用；利用直接评价、无差异方法或间接测量方法使用户对每个属性的偏好进行动态选择，以获得属性的权重分配；根据各个属性的效用和分配的权重，利用多属性效用函数计算每个商品的效用分值，依照效用分值对商品进行排序。本发明信息采集准确，且排列顺序科学合理。

Description

一种基于多属性动态权重分配的信息搜索结果生成方法及 系统

技术领域

本发明涉及一种基于多属性动态权重分配的信息搜索结果生成方法及系统。

背景技术

在电子商务中，排序功能为帮助用户购买到合适的商品起到了重要作用。通过排序功能，商品按某一属性的升序/降序排列；具有该属性最优值的商品排在最前，比如价格最低或最畅销。排序中的属性大概可以分为两类：数值型静态属性(即，商品的价格和规格)和顾客评价。

通常，顾客评价指的是顾客对商品的总体评分。但是，总体评分往往不能有效地帮助顾客找到合适的商品，例如某一属性对顾客A来说很重要，但对顾客B来说可能无关紧要。因此，一些研究者指出在网络购物中判断商品是否满足需求时，用户采用以属性驱动的方式来利用顾客评价。

同时，商品的属性往往是互相矛盾的，即没有任何商品能够在所有方面达到最优。因此，用户通常不仅仅依据某一属性来选择商品，而是采用权衡式的决策方法，即根据多个属性评价商品并明确地考虑为提升某一属性而牺牲另一属性的程度，进而选择用户主观上认为整体最优的商品。

现有的一些技术是通过关键字的筛选或者建立人们的喜好集合来进行商品推荐，但是这种推荐方式存在很多的缺点：

1)计算过程复杂，对于每个人、不同的关键字、历史偏好都需要进行大量的重复的计算，造成系统运转缓慢，延长等待时间；

2)无法和固有或常用的电子商务平台进行关联，适用范围非常窄，不能得到推广；

3)对于一次性大量输入的关键字或者喜好，建立集合和筛选的过程容易出现计算错误，致使无推荐结果或者推荐结果与输入不符的情况出现。

因此，现有的电子商务中传统的信息搜索、排序方法已经不能给予用户好的体验。

发明内容

本发明为了解决上述问题，提出了一种基于多属性动态权重分配的信息搜索结果生成方法及系统，本方法对传统排序方式从两方面进行改进，首先将顾客评价中的属性引入排序中，而不仅仅依赖总体评分；其次开发了多属性的排序方式，并根据引出权重的不同方式将排序面板扩展为三种不同的设计：直接评价(direct assessment)、无差异方法(indifference method)，和间接测量(indirect measurement)，使其能够满足绝大部分顾客的需求，同时容易和现有常用的电子商务平台相结合。

为了实现上述目的，本发明采用如下技术方案：

一种基于多属性动态权重分配的信息搜索结果生成方法，包括以下步骤：

(1)查询特定时间段内的顾客评价，提取关键字，对关键词与预存的属性进行匹配，将匹配的关键词按被提及的频率进行排序；

(2)依照提及频率引入评价中属性，并结合商品的数值型静态属性，构建多属性排序选项；

(3)将各个属性根据其数值与用户满意度的关系进行分类，利用递增/递减函数分别表示两类属性的效用函数，并计算每个属性的效用；

(4)利用直接评价、无差异方法或间接测量方法使用户对每个属性的偏好进行动态选择，以获得属性的权重分配；

(5)根据各个属性的效用和分配的权重，利用多属性效用函数计算每个商品的效用分值；

(6)依照效用分值对商品进行排序，依照排序结果进行显示。

所述步骤(1)中，预存的属性包括卫生、环境、地理位置、信用、性价比和服务等。

所述步骤(2)中，评价属性对应的数值为顾客评价中该属性的平均得分。

所述步骤(2)中，数值型静态属性包括商品的价格和数值型规格参数。

所述步骤(2)中，多属性选项为复选框形式，用户可以根据不同的需求，单击复选框来独立地选择一个或多个属性。

所述步骤(3)中，属性包括两种，数值越高效用越优和数值越低效用越优，其效用函数分别使用单向递增或递减函数表示。

所述步骤(3)中，效用是指顾客对商品主观满意度，效用分值用0到1之间的数字表示，效用的最差值用0来表示，最优值用1来表示。

所述步骤(4)中，直接评价方法的具体步骤为：直接为每个属性赋予权重，即将权重由0到1进行区域划分，得到一组权重选项，用户从选项中选择每个属性的权重。

所述步骤(4)中，无差异方法的具体步骤为：用户选取关注的属性，每个选中的属性旁出现两个假设的商品，其它方面均相同，其中一个商品该属性的效用最低而价格最优，另一个商品该属性的效用最优，用户给出该商品价格以使两个商品的效用无差异，进而建立效用等式确定属性的权重。

所述步骤(4)中，间接测量方法的具体步骤为：用户选取关注的属性，在每个选中的属性旁出现两个假设的商品，这两个商品其他属性都相同，但是一个具有最低价格和该属性的效用最低值，而另一个具有最高的价格和该属性的最优值。通过用户确定对两个商品的偏好程度，建立效用比值来计算属性的权重。

所述步骤(5)中，在所有属性相互独立的前提下，多属性效用函数用各个属性的权重乘以单一属性的效用函数之和来表示。

一种基于多属性动态权重分配的信息搜索结果生成系统，包括：

信息检索模块，查询特定时间段内的顾客评价，提取关键字；

信息匹配模块，对关键词与预存的属性进行匹配，将匹配的关键词按被提及的频率进行排序；

多属性构建模块，依照提及频率引入评价属性，并结合商品的数值型静态属性，构建多属性排序选项；

单一属性效用计算模块，将各个属性根据其数值与用户满意度的关系进行分类，利用线性函数分别表示两类属性的效用函数；

属性权重计算模块，利用直接评价、无差异方法或间接测量方法使用户对每个属性的偏好进行动态选择，以获得属性的权重分配；

商品效用计算模块，根据各个属性的效用和分配的权重，利用多属性效用函数计算每个商品的效用分值；

结果输出模块，依照效用分值对商品进行排序，依照排序结果进行显示。

所述属性权重计算模块包括直接评价模块、无差异评价模块和间接测量模块，其中：

所述直接评价模块，直接为每个属性赋予权重，即将权重由0到1进行区域划分，得到一组权重选项，用户从选项中选择每个属性的权重。

所述无差异评价模块，用户选取关注的属性，每个选中的属性旁出现两个假设的商品，其它方面均相同，其中一个商品该属性的效用最低而价格最优，另一个商品该属性的效用最优，用户给出该商品价格以使两个商品的效用无差异，进而建立效用等式确定属性的权重。

所述间接测量模块，用户选取关注的属性，在每个选中的属性旁出现两个假设的商品。这两个商品其他属性都相同，但是一个具有最低价格和该属性的效用最低值，而另一个具有最高的价格和该属性的最优值。通过用户确定对两个商品的偏好程度，建立效用比值来计算该属性的权重。

本发明的有益效果为：

(1)将顾客评价中的属性引入排序中，而不仅仅依赖总体评分，使用户能更好地利用评价选择合适的商品；

(2)有三种向用户获取权重的方式：直接评价、无差异方法和间接测量，为用户提供多种属性的动态选择，准确推荐适合自己的商品；

(3)计算过程简单，而且综合了用户的偏好，能够提供计算过程简单的个性化推荐；

(4)能够简单的和现有的大多数电子商务平台进行关联融合，具有广泛的应用前景。

附图说明

图1为本发明的顾客评价中属性嵌入式的排序示意图；

图2(a)为本发明的数值越高效用越优的单一属性的效用函数示意图；

图2(b)为本发明的数值越低效用越优的单一属性的效用函数示意图；

图3为本发明的直接评价法示意图；

图4为本发明的无差异方法示意图；

图5为本发明的间接测量示意图；

图6为本发明的用户实验中用到的属性示意图；

图7为本发明的流程示意图；

图8为本发明的系统结构示意图；

图9为本发明的效用分值计算模块示意图。

具体实施方式：

下面结合附图对本发明作进一步说明。

如图7所示，一种基于多属性动态权重分配的信息搜索结果生成方法，包括以下步骤：

一种基于多属性动态权重分配的信息搜索结果生成方法，包括以下步骤：

(1)查询特定时间段内的顾客评价，提取关键字，对关键词与预存的属性进行匹配，将匹配的关键词按被提及的频率进行排序；

(2)依照提及频率引入评价中属性，并结合商品的数值型静态属性，构建多属性排序选项；

(3)将各个属性根据其数值与用户满意度的关系进行分类，利用递增/递减函数分别表示两类属性的效用函数，并计算每个属性的效用；

(4)利用直接评价、无差异方法或间接测量方法使用户对每个属性的偏好进行动态选择，以获得属性的权重分配；

(5)根据各个属性的效用和分配的权重，利用多属性效用函数计算每个商品的效用分值；

(6)依照效用分值对商品进行排序，依照排序结果进行显示。

所述步骤(1)中，预存的属性包括卫生、环境、地理位置、信用、性价比和服务等。

所述步骤(2)中，评价属性对应的数值为顾客评价中该属性的平均得分。

所述步骤(2)中，数值型静态属性包括商品的价格和数值型规格参数。

所述步骤(2)中，多属性选项为复选框形式，用户可以根据不同的需求，单击复选框来独立地选择一个或多个属性。

所述步骤(3)中，属性包括两种，数值越高效用越优和数值越低效用越优，其效用函数分别使用单向递增或递减函数表示。

所述步骤(3)中，效用是指顾客对商品主观满意度，效用分值用0到1之间的数字表示，效用的最差值用0来表示，最优值用1来表示。

所述步骤(4)中，直接评价方法的具体步骤为：直接为每个属性赋予权重，即将权重由0到1进行区域划分，得到一组权重选项，用户从选项中选择每个属性的权重。

所述步骤(4)中，无差异方法的具体步骤为：用户选取关注的属性，每个选中的属性旁(价格除外)出现两个假设的商品，其它方面均相同，其中一个商品该属性的效用最低而价格最优，另一个商品该属性的效用最优。用户需要指出将该属性的效用从最低移至最优，愿意付多少钱(从一组数值中选择)，以使两个商品的效用没有区别。根据无差异点来建立效用等式，进而确定属性的权重。

所述步骤(4)中，间接测量方法的具体步骤为：用户选取关注的属性，在每个选中的属性旁(价格除外)出现两个假设的商品。这两个商品其他属性都相同，但是一个具有最低价格和该属性的效用最低值，而另一个具有最高的价格和该属性的最优值。通过用户确定对两个商品的偏好程度，建立效用比值来计算属性的权重。

所述步骤(5)中，在所有属性相互独立的前提下，多属性效用函数用各个属性的权重乘以单一属性的效用函数之和来表示。

如图8所示，一种基于多属性动态权重分配的信息搜索结果生成系统，包括：

信息检索模块，查询特定时间段内的顾客评价，提取关键字；

信息匹配模块，对关键词与预存的属性进行匹配，将匹配的关键词按被提及的频率进行排序；

多属性构建模块，依照提及频率对评价属性进行引入选择，结合商品的数值型静态属性，构建多属性排序选项；

单一属性效用计算模块，将各个属性根据其数值与用户满意度的关系进行分类，利用线性函数分别表示两类属性的效用函数；

属性权重计算模块，利用直接评价、无差异方法或间接测量方法使用户对每个属性的偏好进行动态选择，以获得属性的权重分配；

商品效用计算模块，根据各个属性的效用和分配的权重，利用多属性效用函数计算每个商品的效用分值；

结果输出模块，依照效用分值对商品进行排序，依照排序结果进行显示。

如图9所示，所述属性权重计算模块包括直接评价模块、无差异评价模块和间接测量模块，其中：

所述直接评价模块，直接为每个属性赋予权重，即将权重由0到1进行区域划分，得到一组权重选项，用户从选项中选择每个属性的权重。

所述无差异评价模块，用户选取关注的属性，每个选中的属性旁(价格除外)出现两个假设的商品，其它方面均相同，其中一个商品该属性的效用最低而价格最优，另一个商品该属性的效用最优，用户给出该商品价格以使两个商品的效用无差异，进而建立效用等式确定属性的权重。

所述间接测量模块，用户选取关注的属性，在每个选中的属性旁(价格除外)出现两个假设的商品。这两个商品其他属性都相同，但是一个具有最低价格和该属性的效用最低值，而另一个具有最高的价格和该属性的最优值。通过用户确定对两个商品的偏好程度，建立效用比值来计算该属性的权重。

以网上旅馆预订为例，查询特定时间段内的顾客评价，提取关键字，依照提及频率引入顾客评价中提及频率最高的属性(干净程度、地理位置、性价比和服务)，并结合旅馆的数值型静态属性(价格和到目的地距离)，构建多属性排序选项，如图1所示。其中，提取关键词与预存属性进行匹配，其实现方法与现有技术相同，本申请实施例对此不再进行详细说明。用户可以通过单击复选框，独立地选择一个或多个属性进行排序。在默认状态下，所有旅馆按价格从低到高排列。

计算单一属性的效用:

效用是指顾客对商品主观满意度，通常用0到1之间的数字表示，效用的最差值用0来表示，最优值用1来表示。

在估计每个属性的效用函数时,我们将属性分为两类:数值越高效用越优和数值越低效用越优。例如,用户通常喜欢评分较高的商品。也就是说,顾客评价中的属性属于数值越高效用越优，见图2(a)。相反,价格属于数值越低效用越优，通常用户倾向于降低商品价格，见图2(b)。因此这两类属性的效用函数分别可用单向递增或递减函数表示。

单一属性的效用函数不一定是线性，根据用户的主观意见可以是凸线或凹线。为简化效用的计算过程,我们按大多数人的习惯将效用函数假设为线性。

对于数值越高效用越优的属性,它的效用函数定义如下，见公式1：

$U\left(x\right)=\frac{x-min\left(a\right)}{max\left(a\right)-min\left(a\right)}---\left(1\right)$

对于数值越低效用越优的属性,它的效用函数定义如下，见公式2：

$U\left(x\right)=\frac{max\left(a\right)-x}{max\left(a\right)-\min \left(a\right)}---\left(2\right)$

min(a)和max(a)是选项中属性a的最小和最大值。

计算属性的权重:

权重是每个属性的相对重要程度。根据以往的研究，有三种向用户获取权重的方式:直接评价(direct assessment),无差异方法(indifference method)和间接测量(indirect measurement)。下面详细解释这三种方法。

直接评价:直接评价方法要求用户直接为每个属性赋予权重，用户可以从一组选项{0，0.2,0.4,0.6,0.8,1}中直接进行选择，从0“最不重要”到1“最重要”。有研究表明属性权重随着选项中属性值的范围而变化，范围越大,属性的权重就越大。根据这一现象,在直接评价中每个用于排序中的属性后跟有选择集中该属性值的范围，以帮助用户更有效地决定属性权重。例如,通过对各属性值过滤后，剩余10个旅馆，当选择按价格和距离排序后，如图3所示，用户选择价格和距离的具体权重。

无差异方法:无差异方法是指用户对一对商品中的一个进行更改直到认为二者之间没有区别，进而根据无差异点来确定属性的权重。具体来说，当按多个属性排序时，每个选中的属性旁(价格除外)出现两个假设的商品。例如，按价格和干净评分来排序旅馆,因为价格和评价通常为负相关，一个旅馆评分最低而价格最优，€32每天&干净程度3分(5分)，另一个旅馆干净程度评分最高(4.8分),其它方面一样。用户需要指出将旅馆的干净程度从最低分(3分)移至最高分(4.8分)，愿意付多少钱(从一组数值中选择)，如图4。假设用户认为€60时这两个旅馆的效用基本一致,建立等式3，我们可以计算出价格和干净评价的权重。

间接测量：间接测量避免直接要求用户给出属性权重,用户只需简单表明对一对商品的喜好。具体说来，当用户选取多个属性进行排序时，在每个选中的属性旁(价格除外)出现两个假设的商品。比如,当使用价格和距离排序旅馆时(如图5)，在距离属性旁出现的两个旅馆所有属性都相同，但是一个具有最低价格和距离的最差值，€32&距目的地4.5km，而另一个具有最高的价格和距离的最优值，€60&距目的地1km。用户可以通过选择{相等，好于，差于}表明对这对商品的偏好。此外，当用户选择“好于”或“差于”时，出现二级菜单来帮助用户定义四个等级的偏好程度{一点，明显，强烈的，极度的}。当用户选择对两个旅馆的偏好α后，后台建立等式4,推测出价格和距离的权重。

此外，为方便用户使用，将鼠标放在某一属性上时自动出现提示框来解释该属性。当选择多个属性进行排序时，不强迫用户进行权重的判断，默认各属性的权重相等。如果默认值不符合用户需求,用户可以通过选择来更改属性权重。

计算商品效用：

针对权衡性的决策过程，用户对每个商品的喜好程度可以通过多属性效用理论(multi-attribute utility theory)来预测。更具体地说,商品A具有多种属性{x₁…x_n}，它的效用可由多属性效用函数描述U(x₁…x_n)。为简便起见,我们假设所有属性相互独立，可以通过将各个属性的权重乘以单一属性的效用函数U_i(x_i)并相加来计算得到商品A的效用，见公式5：

$U(x_1...x_n)=\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\ω}}_{i}U\left(x_i\right)---\left(5\right)$

在公式1中，常数ω_i用来表示每个属性的权重，范围由0到1，所有属性的权重之和为1，见公式6。

$\left(6\right)$

$0<{\mathrm{\&omega;}}_i<1,{\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&omega;}}_i=1$

依照效用分值对商品进行排序，依照排序结果进行显示。

在设计完成之后，我们进行了用户调查来验证(1)在电子商务中提供多属性排序功能是否有用，和(2)在多属性排序中，引入评价中的属性是否有益处。在用户调查中，征集50个用户分别使用以上三种设计来进行旅馆预订。

我们记录了用户在排序中用到的属性，在上述三种获得属性权重的设计中73.3％,73.3％和80％的参与者分别使用了一种以上的属性来进行排序。在直接评价中用户平均用到3.33个属性，在无差异方法中平均使用3.27个属性，在间接测量中平均采用3.09个属性，可以看出不同的获取权重方式对排序中使用属性的数目无显著影响,V＝.03,F(2,43)＝.68,p＞.05。因此,我们可以说多属性排序功能促使并帮助用户在电子商务中考虑属性间的权衡。

图6显示在三种设计中，用户按静态属性、评价中的属性和两者共同排序的比例。整体来说，72％,62％和67％的参与者使用评价中的属性，较高的参考频率证明了将评价中属性引入排序中的益处。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于多属性动态权重分配的信息搜索结果生成方法，其特征是：包括以下步骤：

(1)查询特定时间段内的顾客评价，提取关键字，对关键词与预存的属性进行匹配，将匹配的关键词按被提及的频率进行排序；

(2)依照提及频率引入评价中属性，并结合商品的数值型静态属性，构建多属性排序选项；

(3)将各个属性根据其数值与用户满意度的关系进行分类，利用递增或递减函数分别表示两类属性的效用函数，并计算每个属性的效用；

(4)利用直接评价、无差异方法或间接测量方法使用户对每个属性的偏好进行动态选择，以获得属性的权重分配；

(5)根据各个属性的效用和分配的权重，利用多属性效用函数计算每个商品的效用分值；

(6)依照效用分值对商品进行排序，依照排序结果进行显示。

2.如权利要求1所述的一种基于多属性动态权重分配的信息搜索结果生成方法，其特征是：所述步骤(1)中，预存的属性包括卫生、环境、地理位置、信用、性价比和服务。

3.如权利要求1所述的一种基于多属性动态权重分配的信息搜索结果生成方法，其特征是：所述步骤(2)中，评价属性对应的数值为顾客评价中该属性的平均得分；数值型静态属性包括商品的价格和数值型规格参数；多属性选项为复选框形式，用户根据不同的需求，单击复选框来独立地选择一个或多个属性。

4.如权利要求1所述的一种基于多属性动态权重分配的信息搜索结果生成方法，其特征是：所述步骤(3)中，属性包括两种，数值越高效用越优和数值越低效用越优，其效用函数分别使用单向递增或递减函数表示；效用是指顾客对商品主观满意度，效用分值用0到1之间的数字表示，最差值用0来表示，最优值用1来表示。

5.如权利要求1所述的一种基于多属性动态权重分配的信息搜索结果生成方法，其特征是：所述步骤(4)中，直接评价方法的具体步骤为：直接为每个属性赋予权重，即将权重由0到1进行区域划分，得到一组权重选项，用户从选项中选择每个属性的权重。

6.如权利要求1所述的一种基于多属性动态权重分配的信息搜索结果生成方法，其特征是：所述步骤(4)中，无差异方法的具体步骤为：用户选取关注的属性，每个选中的属性旁出现两个假设的商品，其它方面均相同，其中一个商品该属性的效用最低而价格最优，另一个商品该属性的效用最优，用户给出该商品价格以使两个商品的效用无差异，进而建立效用等式确定属性的权重。

7.如权利要求1所述的一种基于多属性动态权重分配的信息搜索结果生成方法，其特征是：所述步骤(4)中，间接测量方法的具体步骤为：用户选取关注的属性，在每个选中的属性旁出现两个假设的商品，这两个商品其他属性都相同，但是一个具有最低价格和该属性的效用最低值，而另一个具有最高的价格和该属性的最优值，通过用户确定对两个商品的偏好程度，建立效用比值来计算属性的权重。

8.如权利要求1所述的一种基于多属性动态权重分配的信息搜索结果生成方法，其特征是：所述步骤(5)中，在所有属性相互独立的前提下，多属性效用函数用各个属性的权重乘以单一属性的效用函数之和来表示。

9.一种基于多属性动态权重分配的信息搜索结果生成系统，其特征是：包括：

信息检索模块，查询特定时间段内的顾客评价，提取关键字；

信息匹配模块，对关键词与预存的属性进行匹配，将匹配的关键词按被提及的频率进行排序；

多属性构建模块，依照提及频率引入评价属性，并结合商品的数值型静态属性，构建多属性排序选项；

单一属性效用计算模块，将各个属性根据其数值与用户满意度的关系进行分类，利用线性函数分别表示两类属性的效用函数；

属性权重计算模块，利用直接评价、无差异方法或间接测量方法使用户对每个属性的偏好进行动态选择，以获得属性的权重分配；

商品效用计算模块，根据各个属性的效用和分配的权重，利用多属性效用函数计算每个商品的效用分值；

结果输出模块，依照效用分值对商品进行排序，依照排序结果进行显示。

10.如权利要求9所述的一种基于多属性动态权重分配的信息搜索结果生成系统，其特征是：所述属性权重计算模块包括直接评价模块、无差异评价模块和间接测量模块，其中：

所述直接评价模块，直接为每个属性赋予权重，即将权重由0到1进行区域划分，得到一组权重选项，用户从选项中选择每个属性的权重；

所述无差异评价模块，用户选取关注的属性，每个选中的属性旁出现两个假设的商品，其它方面均相同，其中一个商品该属性的效用最低而价格最优，另一个商品该属性的效用最优，用户给出该商品价格以使两个商品的效用无差异，进而建立效用等式确定属性的权重；

所述间接测量模块，用户选取关注的属性，在每个选中的属性旁出现两个假设的商品，这两个商品其他属性都相同，但是一个具有最低价格和该属性的效用最低值，而另一个具有最高的价格和该属性的最优值，通过用户确定对两个商品的偏好程度，建立效用比值来计算该属性的权重。