CN107590209A - 一种基于用户行为场景的个性化推荐方法及系统 - Google Patents

Abstract

三大核心装置：用户装置，内容装置，场景装置；内容装置处理特征及关系数据，通过数据验证并确定用户丰富的特征；基于场景与内容的推荐过程是推荐内容的特征和待推荐对象的特征相匹配的过程，从而得到待推荐的物品集合；匹配算法采用相似性算法与反馈算法相结合；以含有相同标签、同类别的其它内容等形式出现；保证推荐内容的相关性，并且根据内容特征可以完成个性化推荐。

Description

一种基于用户行为场景的个性化推荐方法及系统

技术领域

本发明涉及学习行为场景个性化推荐方法，具体地说，是一种基于用户行为场景的个性化推荐方法及系统。

背景技术

在大数据背景下，如何构建合适的用户行为模型并基于海量的行为日志数据提供个性化服务，是当前大数据应用落地迫切需要解决的问题。分析用户行为模型构建的研究现状及存在的困境，紧密结合大数据背景下个性化服务的特征，针对性提出基于用户行为模型的构建策略和构建方法，并设计一种利用用户日志库提取用户显性兴趣和隐性需求本体的个性化服务方案，最后给出基于流行的大数据分析平台和计算框架的个性化服务的具体应用。基于本体构建的用户行为模型，技术上可与大数据分析平台实现无缝对接，从而提供实时而精准的服务，能有效应对当前大数据环境下个性化服务面临的“知识迷航”“信息过载”和“情感缺失”的挑战。

本发明专利，结合当前国内教育现代化现状，用户行为场景的个性化推荐，三要素，内容，场景、推荐。用户和内容是相当稳定的；更好的满足用户个性化需求，清晰、真实、实时的用户场景。

发明内容

本发明的目的是提供一种基于用户行为场景的个性化推荐方法及系统。本发明的目的是通过以下技术方案来实现：

一种基于用户行为场景的个性化推荐方法及系统，其特征在于：包括三大核心装置：用户装置，内容装置，场景装置；所述用户装置和内容装置的关系，内容装置处理特征及关系数据，通过数据验证并确定用户丰富的特征；所述内容装置和场景装置的关系，基于场景与内容的推荐过程是推荐内容的特征和待推荐对象的特征相匹配的过程，从而得到待推荐的物品集合；匹配算法采用相似性算法与反馈算法相结合；以含有相同标签、同类别的其它内容等形式出现；保证推荐内容的相关性，并且根据内容特征可以完成个性化推荐。

进一步地，其特征在于：挖掘用户特征，发现用户偏好；采用用户标签、用户偏好、基础资料标准化定位用户需求。

进一步地，其特征在于：能力和影响力标签，实现群体和个性化识别，带来巨大的场景化价值。能力标签，通过用户间关系、用户参与的内容、用户的行为挖掘出用户的能力及其权重，还引入个性化作为能力权重的因子参与计算，通过多个维度的定向挖掘，形成能力标签体系；影响力标签，是用户在某个特定的影响力，影响力计算的边界是标签对应的兴趣用户群体满足用户行为场景化服务。

进一步地，其特征在于：偏好具有内在的一致性和有序性，发掘用户偏好应遵循与个人特征一致；采用多元化用户特征分析用户需求，用户偏好发挥了重要作用。

进一步地，其特征在于：内容特征不等同于文本内容的概念，覆盖性更加丰富；可以提取尽可能多的资源的特征：包括知识点、内容、分类、主题等等，实现内容到能力，能力到用户标签的映射，同步内容特征，更好的满足的用户场景要求。

进一步地，其特征在于：推荐是一个适应和学习过程，用户需求和内容同向而行，不断完善；三个方面贯穿始终；实现用户、内容、场景的数据互传和迭代更新。

进一步地，其特征在于：观察三个方面：黏性，活跃，产出；深入理解用户行为，构建完整的用户行为数据体系，满足产品化规律，采取多种策略分析并调整策略，使之达到用户行为的要求。

本发明专利重点是个性化的三要素：用户、内容、场景。用户和内容是相对稳定的，场景是不一样，更好的满足用户个性化需求，清晰、真实、实时的用户场景是关键。本发明专利涉及的三大装置，用户装置，内容装置，场景装置，突出场景的特殊作用。

本发明专利，对海量的用户行为数据进行深入的分析和挖掘，从多个维度来描述用户的特征，归纳出用户的基础属性、标签及兴趣点等可以代表用户行为的用户画像，清晰、准确、实时的勾勒出用户的轮廓概貌。

基于场景与内容的推荐主要过程是将推荐内容的特征和待推荐对象的特征相匹配的过程，从而得到待推荐的物品集合。匹配算法采用相似性算法与反馈算法相结合。主要是以含有相同标签、同类别的其它内容等形式出现。保证推荐内容的相关性，并且根据内容特征可以完成个性化推荐。

本发明涉及系统的结构如下：

(001)用户装置。核心在挖掘用户特征，归纳用户群体特征，并及时发现用户偏好。方便、快速和精确地对接内容装置。标准化定位用户需求。用户装置具体表现为：用户标签、用户偏好、基础资料三个单元。

(002)用户标签。个性化推荐中，三个方面的标签，其中内容方面的标签与内容装置对应；还有能力和影响力方面的标签，这两个标签与场景装置对应。能力标签，即对用户标签体系中的能力进行挖掘。在整体用户能力标签挖掘流程中，通过用户间关系数据、用户参与的内容数据、用户的行为数据挖掘出用户的能力标签及其基础权重；还要引入用户的个性化信息作为能力标签权重的因子参与计算；通过多个维度的定向挖掘系统进行能力标签的校正和增加能力标签的覆盖。挖掘出来的用户能力标签及权重输出至用户能力标签库，供场景业务使用。影响力标签，指的是用户在某个特定标签下的影响力，影响力计算的边界是标签对应的兴趣用户群体。具体地，我们将其它用户对某个用户学习过程的转、评、赞等互动行为作为基础数据，这些都可以是用户影响力的来源。

(003)用户偏好。是用户标签的一种特征体现。偏好具有内在的一致性和有序性，发掘用户偏好应遵循与个人特征一致。用户偏好是用户选择产品和服务的时候所做出的理性的具有倾向性的选择，是用户认知、心理感受及理性的判断结果。往往借助偏好来辅助相关决策，或使用偏好表达喜好和倾向性意见，而并不涉及到实际的选择。更多的情况下需要面对和处理更加复杂的场景分享，比如条件偏好，也就是用户在做出倾向性选择和意向性判断的时候需要满足一定的条件和前提。

(004)基础资料。用户的基本信息，包括昵称、头像、性别、所在城市、年级、创建时间等等。这些信息内包含一定的用户个性化信息、标签及偏好。有个体的特征也有群体的特征。

(005)内容装置。内容装置包括群体特征、内容特征及推荐规则。群体特征具有内容特征及类别特征。与用户装置协同，以获取在所述用户装置的用户数据处理后，进行内容服务。

(006)群体特征。需要考虑哪些指标？关联性分析，有a、b、c、d行为。那些行为一起出现，或先后顺序如何。不同的群体有不同的要求。用户活跃度、访问深度等。通过留存率，划分用户群体特征。通过点击行为，判断页面所涉及的内容和结构是否符合预期以及哪些内容有吸引力，挖掘用户群体特征；数据分析很复杂，我们可以借助第三方的工具，分享，确定更细的群体特征分类。

(007)内容特征。所述内容特征不等同于文本内容的概念，覆盖性更加丰富。可以提取尽可能多的资源的特征：包括知识点、内容、分类、主题等等，例如，内容特征，通过算法获得文本分组结果，对内容分组结果进行聚类，按聚类特征确定主题特征，赋予相应的具体概念。分类也是相似的做法，内容，是信息仓库的概念，例如，课件、视频、习题等等都作为一种内容。

(008)推荐规则。要考虑冷启动的特殊性。推荐是一个适应和学习过程，用户需求和内容同向而行，不断完善。三个方面贯穿始终。首先，解决内容的多样性和用户需求的精确性的矛盾。推荐的内容，在精准推送的基础上增加多样性内容的选择以及新颖性的内容，来培养用户兴趣点。这一点要通过多样化的推荐策略来处理，使之达到平衡。其次，个性化推荐可以结合社交关系来推荐。朋友在做什么，也是自己的一个兴趣点所在。这个也可以做到推荐策略中。最后，场景的挖掘和利用，按照时间轴的活跃性推荐，位置信息的推荐等等，在不同的场景完成不同内容的配置。

(009)场景装置。本发明专利涉及到的场景装置，涵盖产品终端设备及软件终端；还涉及数据处理引擎，实现用户装置和内容装置之间的数据共享。除完成本装置工作外，核心在采集用户行为及兴趣点。场景装置直接面向用户的，采集用户的各种需求，这些需求归纳为基本功能以及个性化用户偏好。例如，高考前十天，是A题型强化突破的最佳时段，可以在这个时间重点推送A题型给所有需要强化的学生，这是群体特征。同时，小王喜欢晚上19：30做题，尽量在晚上推送给小王，这是个性化需求。

(010)兴趣点。兴趣点有临时性和阶段性，挖掘用户兴趣点，采用分层级来表示用户兴趣点的结构，目的是为了从不同的粒度定位用户的兴趣。从内容划分，按照不同的维度，例如，视频教学，做一套视频标签，每个视频标签有用户量化的兴趣点标签，从视频标签到用户兴趣标签一一对应，实现兴趣点标签的量化与采集。给用户打上各层级标签。

(011)用户行为。分析用户行为，以目标导向，数据挖掘与指标分析，重点观察三个方面：黏性，活跃，产出。深入理解用户行为，分析用户行为脱离不了业务，不同的业务用户行为不同，行业不同，用户行为也不同。教育行业中，渠道分析、转化分析和留存分析是教学产品最为重要的。用户获取、用户激活和用户留存，三者间的关系及规律性是核心，学生年级变化，从低年级升入高年级后，本人是否继续使用，是否传播给低年级学生等等。这三个环节覆盖了用户从获取、激活转化、活跃、留存到最后的流失；也在一定程度上决定用户变现和推荐传播。渠道分析保证优质的流量来源；转化分析保证用户能准确的激活个性化需求，保证高注册、高成单；留存分析保证产品活跃用户正向增长，最终完成持续地变现。所以说，渠道、转化和留存是用户行为数据分析中比较重要的三个点。每一用户行为特征，都要与业务结合，构建完整的用户行为数据体系，满足一定的产品化规律，采取多种策略分析并调整策略，使之达到用户行为的要求。

本发明带来的有益效果：

①用户装置。本发明专利，核心在挖掘用户特征，发现用户偏好。采用用户标签、用户偏好、基础资料标准化定位用户需求。

②用户标签。本发明专利，能力和影响力标签，实现群体和个性化识别，带来巨大的场景化价值。能力标签，通过用户间关系、用户参与的内容、用户的行为挖掘出用户的能力及其权重，还引入个性化作为能力权重的因子参与计算，通过多个维度的定向挖掘，形成能力标签体系。影响力标签，是用户在某个特定的影响力，影响力计算的边界是标签对应的兴趣用户群体满足用户行为场景化服务。

③用户偏好。本发明专利，偏好具有内在的一致性和有序性，发掘用户偏好应遵循与个人特征一致。采用多元化用户特征分析用户需求，用户偏好发挥了重要作用。

④内容特征。本发明专利，所述内容特征不等同于文本内容的概念，覆盖性更加丰富。可以提取尽可能多的资源的特征：包括知识点、内容、分类、主题等等，实现内容到能力，能力到用户标签的映射，同步内容特征，更好的满足的用户场景要求。

⑤推荐规则。本发明专利，推荐是一个适应和学习过程，用户需求和内容同向而行，不断完善。三个方面贯穿始终。实现用户、内容、场景的数据互传和迭代更新。

⑥用户行为。观察三个方面：黏性，活跃，产出。深入理解用户行为，构建完整的用户行为数据体系，采取多种策略分析用户行为并自动调整策略，使之达到满足用户要求的目的。

附图说明

图1是本发明所述的系统结构示意图。

具体实施方式

下面结合图1对本发明的具体实施方式作进一步详细的说明。

如图1所示，本发明所设计一种基于用户行为场景的个性化推荐方法及系统在实际应用过程当中，具体包括如下步骤：

步骤001.用户装置，含用户标签体系、用户偏好及用户资料等内容，由本装置控制，在本装置内，按照不同场景处理并相应完成步骤002、步骤003、步骤004工作，并进入步骤005；

步骤002.在用户装置内，收集来源于用户行为的数据，采集用户标签特征，并进入步骤001，进行相关作业；

步骤003.在用户装置内，收集来源于用户行为的数据，采集用户偏好，并进入步骤001，进行相关作业；

步骤004.在用户装置内，基础资料数据可通过用户行为分析也可以来源于注册新用户时录入，收集用户基础资料，并进入步骤001，进行相关作业；

步骤005.内容装置，含群体特征、内容特征及推荐规则等内容，由本装置控制，在本装置内，按照不同场景处理并相应完成步骤006、步骤007、步骤008工作，并进入步骤009；

步骤006.在内容装置内，收集来源于内容信息的数据，采集于用户标签特征相关的群体特征，并进入步骤005，进行相关作业；

步骤007.在内容装置内，收集来源于内容信息的数据，采集内容知识点相关的内容特征，并进入步骤005，进行相关作业；

步骤008.在内容装置内，处理或挖掘用户装置和内容装置作业时，提供各种推荐策略，用户和内容匹配，并进入步骤005，进行相关作业；

步骤009.场景装置，兴趣点、用户行为内容，由本装置控制，在本装置内，按照不同场景处理并相应完成步骤010、步骤011工作，并进入步骤001；

步骤010.在场景装置内，采集来源于用户与内容信息的数据，采集兴趣点数据，并进入步骤009，进行相关作业；

步骤010.在场景装置内，采集来源于用户与内容信息的数据，采集用户行为数据，并进入步骤 009，进行相关作业；

上面结合图1对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (7)

1.一种基于用户行为场景的个性化推荐方法及系统，其特征在于包括三大核心装置：用户装置，内容装置，场景装置；所述用户装置和内容装置的关系，内容装置处理特征及关系数据，通过数据验证并确定用户丰富的特征；所述内容装置和场景装置的关系，基于场景与内容的推荐过程是推荐内容的特征和待推荐对象的特征相匹配的过程，从而得到待推荐的物品集合；匹配算法采用相似性算法与反馈算法相结合；以含有相同标签、同类别的其它内容等形式出现；保证推荐内容的相关性，并且根据内容特征可以完成个性化推荐。

2.根据权利要求1所述的一种基于用户行为场景的个性化推荐方法及系统，其特征在于：挖掘用户特征，发现用户偏好；采用用户标签、用户偏好、基础资料标准化定位用户需求。

3.根据权利要求1所述的一种基于用户行为场景的个性化推荐方法及系统，其特征在于：能力和影响力标签，实现群体和个性化识别，带来巨大的场景化价值；能力标签，通过用户间关系、用户参与的内容、用户的行为挖掘出用户的能力及其权重，还引入个性化作为能力权重的因子参与计算，通过多个维度的定向挖掘，形成能力标签体系；影响力标签，是用户在某个特定的影响力，影响力计算的边界是标签对应的兴趣用户群体满足用户行为场景化服务。

4.根据权利要求1所述的一种基于用户行为场景的个性化推荐方法及系统，其特征在于：偏好具有内在的一致性和有序性，发掘用户偏好应遵循与个人特征一致；采用多元化用户特征分析用户需求，用户偏好发挥了重要作用。

5.根据权利要求1所述的一种基于用户行为场景的个性化推荐方法及系统，其特征在于：内容特征不等同于文本内容的概念，覆盖性更加丰富；可以提取尽可能多的资源的特征：包括知识点、内容、分类、主题等等，实现内容到能力，能力到用户标签的映射，同步内容特征，更好的满足的用户场景要求。

6.根据权利要求1所述的一种基于用户行为场景的个性化推荐方法及系统，其特征在于：推荐是一个适应和学习过程，用户需求和内容同向而行，不断完善；三个方面贯穿始终；实现用户、内容、场景的数据互传和迭代更新。

7.根据权利要求1所述的一种基于用户行为场景的个性化推荐方法及系统，其特征在于：观察三个方面：黏性，活跃，产出；深入理解用户行为，构建完整的用户行为数据体系，满足产品化规律，采取多种策略分析并调整策略，使之达到用户行为的要求。