CN110347928A - 一种个性化信息推荐方法与系统 - Google Patents

Abstract

本发明提供了一种个性化信息推荐方法与系统，所述方法包括：通过获取用户使用电脑过程中的交互特征及用户的身体特征，识别用户；识别出同一台电脑的不同用户后，根据所述同一台电脑上的不同用户，获取所述不同用户的属性特征和信息偏好；所述获取所述不同用户的属性特征是指，根据根据用户的手臂压力特征识别出用户性别和年龄属性、根据掌纹大小和纹路特征，识别用户的年龄和性别特征；根据鼠标点击和键盘打字速度识别用户的年龄特征；根据所述信息偏好，推荐针对所述不同用户的精准信息。本发明能够让一台电脑有多个使用者的时候，获得针对不同使用者的个性化信息，可以针对本来属于一个ip或者一个家庭的广告和信息，进行更近精细的区分，有利于信息推荐的精度。

Description

一种个性化信息推荐方法与系统

技术领域

本发明涉及数据处理领域，尤其涉及一种个性化信息推荐方法与系统。

背景技术

很多家庭电脑，都不只一个用户在使用，例如家庭电脑可能父亲在使用、小孩在使用、爷爷奶奶也会使用。在公司里面也有电脑被多人使用的情况。这时会出现一个问题就是，大多数互联网精准广告或者信息推荐系统是针对同一个ip地址进行特征识别的，大多数的广告推荐或者信息推荐方法，例如信息流、商业广告、网站自适应优化等，都是基于同一个ip地址或者同一个账号等。而同一个家庭中的成员，在使用家庭电脑时，一般都不会特意更换用户，例如打开百度搜索的时候，用户不会进行账号登陆之后再搜索，而是马上就进行搜索，这样电脑给当前用户推荐的信息就不是最个性化的了，因为这个ip地址不只有一个用户。而这也就导致同一个家庭的不同成员，被推送的信息流或者广告信息是相同的，这种不合理的情况发生。所以，需要进一步解决信息推荐精准化的问题。

发明内容

本发明提供了一种个性化信息推荐方法，主要包括以下步骤：

鼠标垫或鼠标装有压力传感器，根据手部压力特征，识别同一台电脑上的不同用户；

鼠标垫或者鼠标具有指纹或掌纹识别模块，根据用户指纹特征或用户掌纹特征，识别同一台电脑上的不同用户；

根据用户使用鼠标过程中鼠标移动和点击操作的操作速度，鼠标对菜单的操作速度，对用户的鼠标操作特征进行识别，进而识别同一台电脑上的不同用户；

根据用户使用键盘过程中键盘的打字速度，输入法类型，对用户的键盘操作特征进行识别，进而识别同一台电脑上的不同用户；

通过将所述手臂压力特征、指纹或掌纹特征、鼠标操作特征、键盘操作特征进行融合，构建特征矩阵，通过深度学习分类算法进行用户分类，进而识别同一台电脑上的不同用户；

根据同一台电脑上的不同用户，获取所述不同用户的属性特征和信息偏好；所述获取所述不同用户的属性特征是指，根据根据用户的手臂压力特征大致识别出用户性别和年龄属性、根据掌纹大小和纹路特征，识别用户的年龄和性别特征；根据鼠标点击和键盘打字速度大致识别用户的年龄特征；

针对所述同一台电脑上的不同用户，根据所述信息偏好，推荐针对所述不同用户的精准信息。

进一步可选地，如上所述的方法中，所述鼠标垫或鼠标装有压力传感器，根据手部压力特征，识别同一台电脑上的不同用户，主要包括：

所述鼠标垫压力传感器安装在鼠标垫的东南西北四个方向；

所述鼠标安装有压力传感器，能够获取手压在鼠标上的重量；

根据用户手臂压在鼠标垫上面的压力的不同，识别不同的用户特征，进行用户识别；

根据用户手臂压在鼠标上的压力的不同，识别不同的用户特征，进行用户识别；

进一步可选地，如上所述的方法中，所述鼠标垫或者鼠标具有指纹或掌纹识别模块，根据用户指纹特征或用户掌纹特征，识别同一台电脑上的不同用户，主要包括：

鼠标上安装有掌纹和指纹图像采集装置，能够对用户对掌纹和指纹进行获取；

鼠标垫上安装有掌纹和指纹图像采集装置，能够对用户的掌纹和指纹进行获取；

获取用户的掌纹和/或指纹，进行数据预处理、获取点特征与线特征，获取纹理特征；

根据掌纹和/或指纹训练数据，进行小波变换,获取图像的局部细节信息；将掌纹局部细节信息作为深度置信网的输入,通过深度学习算法训练,获得最优的网络参数,最后进行分类预测；获得所述掌纹的用户身份信息。区分使用同一台电脑的不同用户；

进一步可选地，如上所述的方法中，所述根据用户使用鼠标过程中鼠标移动和点击操作的操作速度，鼠标对菜单操作的操作速度、对用户的鼠标操作特征进行识别，进而识别同一台电脑上的不同用户，主要包括：

通过调用操作系统api函数接口，计算用户在点击应用程序目标时，从开始移动鼠标直到点击到目标程序的时间差，获取鼠标操作速度；

通过调用操作系统api函数接口，统计用户在操作各类菜单过程中，从打开菜单到选择菜单的操作时间，获取菜单操作速度；

通过所述鼠标操作速度和菜单操作速度的不同，区分同一台电脑上的不同用户；

进一步可选地，如上所述的方法中，所述根据用户使用键盘过程中键盘的打字速度，输入法类型，对用户的键盘操作特征进行识别，进而识别同一台电脑上的不同用户，主要包括：

通过调用操作系统api函数接口，统计用户在操作键盘打字中，打字的速度，获取键盘操作速度特征；

通过调用操作系统api函数接口，获取输入法名称和类型；

根据打字速度和输入法类型，区分同一台电脑上的不同用户。

进一步可选地，如上所述的方法中，所述通过将所述手臂压力特征、指纹或掌纹特征、鼠标操作特征、键盘操作特征进行融合，构建特征矩阵，通过深度学习分类算法进行用户分类，进而识别同一台电脑上的不同用户，主要包括：

构建特征矩阵，特征矩阵的每一行都包含有用户的，所述手臂压力特征、所述指纹或掌纹特征、所述鼠标操作特征、所述键盘操作特征，不同的行表示不同的用户的上述特征。通过这个特征矩阵，进行数据预处理及归一化处理，接着，作为深度置信网的输入,通过深度学习算法训练,获得最优的网络参数,形成深度学习模型；所述深度学习模型，融合了所述手臂压力特征、所述指纹或掌纹特征、所述鼠标操作特征、所述键盘操作特征；

根据该模型进行分类预测；可以根据分类结果，区分使用同一台电脑的不同用户。

进一步可选地，如上所述的方法中，所述信息推荐系统根据同一台电脑上的不同用户，获取所述不同用户属性特征和信息偏好，主要包括：

信息推荐系统针对同一台电脑的用户，根据用户特征，对用户进行再次区分，获取同一台电脑的不同用户的信息偏好；

如果同一台电脑只有一种用户信息偏好，则不对电脑用户特征进行区分；不进行区分同一台电脑的不同用户的计算，节省计算量；

如果同一台电脑具有多种用户信息偏好，则将同一台电脑的信息偏好进行区分，获取不同用户用户属性特征，包括年龄特征和性别特征；针对不同的年龄和不同的性别，推断它们的大致偏好。

进一步可选地，如上所述的方法中，所述针对所述同一台电脑上的不同用户，根据所述信息偏好，推荐针对所述不同用户的精准信息，主要包括：

将同一台电脑或者同一个ip地址上面的用户，进行再次细分，针对不同的用户，信息推荐系统获取他们的用户信息偏好，进行个性化的信息推荐；

将本来针对家庭的广告或信息内容，根据所述不同用户的信息偏好，再次进行细分，面向家庭中不同年龄、不同性别，进行细化，进行更加精确的信息推荐；

本发明公开了一种个性化信息推荐系统，所述系统包括：

用户识别模块，用于根据单一特征和融合特征识别同一台电脑上不同的用户；

用户属性分析模块，用于根据获取的用户特征，分析用户属性和偏好；

用户信息推荐模块，用于根据用户不同的属性和信息偏好，推荐信息；

本发明实施例提供的技术方案可以包括以下有益效果：

本发明能够让一台电脑有多个使用者的时候，获得针对不同使用者的个性化信息，使信息推荐系统更近精准，并且可以针对本来属于一个ip或者一个家庭的广告和信息，进行更近精细的区分，有利于信息推荐的精度，优化了当前的信息推荐方法。

附图说明

图1为本发明的一种个性化信息推荐方法实施例的流程图；

图2为本发明的一种个性化信息推荐方法实施例的另一个流程图；

图3为本发明的一种个性化信息推荐系统实施例的结构图。

具体实施方法

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

图1为本发明的个性化信息推荐方法的流程图。如图1所示，本实施例个性化信息推荐的方法，具体可以包括如下步骤：

步骤101，通过用户使用电脑过程中的交互特征及用户的身体特征，识别用户。交互特征主要是指用户使用鼠标键盘过程中所出现的特有的特征，例如鼠标点击、敲击键盘等，老年人学习电脑慢，与电脑等交互没有年轻人那么熟练。因此交换特征可以区别用户。身体特征是指在操作电脑过程中，由于手臂与鼠标或鼠标垫等有接触，会留下压力特征和指纹掌纹特征，这些特征也是区分用户的重要方法。可以选择其中一种进行用户的识别，虽然具有一定的精准度，但是用单一特征来区分同一台电脑的用户，也可能准确度不如使用融合特征，毕竟基于更多的信息，经常可以获得更加准确的结果。所以可以融合多种特征来共同进行用户识别，融合方法是结合深度学习，将这些特征融合为一个矩阵进行分类。

上述方法和步骤，如图2所示，主要分为下面几个步骤：

步骤a，鼠标垫或鼠标装有压力传感器，根据手部压力特征，识别同一台电脑上的不同用户。

鼠标垫上安装有压力传感器，为了使压力传感器更容易被植入薄薄的鼠标垫里，可以采用柔性传感器。并且安装在鼠标垫的东南西北四个方向；鼠标也安装有压力传感器，能够获取手压在鼠标上的重量；这样能够获得更多手部重量特征信息。

接着可以根据用户手臂压在鼠标垫上面的压力的不同，识别不同的用户特征，进行用户识别；

步骤b，鼠标垫和/或鼠标上，都同时安装有指纹和掌纹识别模块，根据用户指纹特征或用户掌纹特征，识别同一台电脑上的不同用户，主要包括：

鼠标上安装有掌纹和指纹图像采集装置，能够对用户的掌纹和指纹进行获取；

鼠标垫上安装有掌纹和指纹图像采集装置，能够对用户对掌纹和指纹进行获取；

获取用户的掌纹和/或指纹，进行数据预处理、获取点特征与线特征，获取纹理特征，；

根据掌纹和/或指纹训练数据，进行小波变换,获取图像的局部细节信息；将掌纹局部细节信息作为深度置信网的输入,通过深度学习算法训练,获得最优的网络参数,最后进行分类预测；获得所述掌纹的用户身份信息。区分使用同一台电脑的不同用户；

掌纹或指纹信息是最精确能够区分用户的方法。经常的情况是，这个单一特征已经可以很好的区分同一台电脑上的不同用户了。但是也有意外情况是，如果用户带着手套，会导致获取不了掌纹和指纹。所有，前面基于压力特征，或者接下去的鼠标与键盘交互特征也是有用的。

步骤c，根据用户使用鼠标过程中鼠标移动和点击操作的操作速度，鼠标对菜单操作的操作速度、对用户的鼠标操作特征进行识别，进而识别同一台电脑上的不同用户，主要包括：

通过调用操作系统api函数接口，计算用户在点击应用程序目标时，从开始移动鼠标直到点击到目标程序的时间差，获取鼠标操作速度；

通过调用操作系统api函数接口，统计用户在操作各类菜单过程中，从打开菜单到选择菜单的操作时间，获取菜单操作速度；

通过所述鼠标操作速度和菜单操作速度的不同，区分同一台电脑上的不同用户；

WIN32 API就是Microsoft Windows 32位平台的应用程序编程接口，他们可以很好的对任何电脑操作都进行记录和控制。因此也可以监控到用户的各种操作和交互行为。

步骤d，根据用户使用键盘过程中键盘的打字速度，输入法类型，对用户的键盘操作特征进行识别，进而识别同一台电脑上的不同用户，主要包括：

通过调用操作系统api函数接口，统计用户在操作键盘打字中，打字的速度，获取键盘操作速度特征；

通过调用操作系统api函数接口，获取输入法名称和类型；

根据打字速度和输入法类型，区分同一台电脑上的不同用户。

步骤e，通过将所述手臂压力特征、指纹或掌纹特征、鼠标操作特征、键盘操作特征进行融合，构建特征矩阵，通过深度学习分类算法进行用户分类，进而识别同一台电脑上的不同用户，主要包括：

构建特征矩阵，特征矩阵的每一行都包含有用户的，所述手臂压力特征、所述指纹或掌纹特征、所述鼠标操作特征、所述键盘操作特征，不同的行表示不同的用户的上述特征。通过这个特征矩阵，进行数据预处理及归一化处理，接着，作为深度置信网的输入,通过深度学习算法训练,获得最优的网络参数,形成深度学习模型；所述深度学习模型，融合了所述手臂压力特征、所述指纹或掌纹特征、所述鼠标操作特征、所述键盘操作特征；

根据该模型进行分类预测；可以根据分类结果，区分使用同一台电脑的不同用户。

步骤102，根据同一台电脑上的不同用户，获取所述不同用户属性特征和信息偏好，主要包括：

信息推荐系统针对同一台电脑的用户，根据用户特征，对用户进行再次区分，获取同一台电脑的不同用户的信息偏好；

如果同一台电脑只有一种用户信息偏好，则不对电脑用户特征进行区分；不进行区分同一台电脑的不同用户的计算，节省计算量；

因为每一次用户的识别都需要耗费计算资源，如果识别几次都是家庭电脑只有一个用户在使用，那么就没有必要再每次用户使用电脑时都进行用户区分，这样反而浪费了计算资源。

如果同一台电脑具有多种用户信息偏好，则将同一台电脑的信息偏好进行区分，获取不同用户用户属性特征，包括年龄特征和性别特征；针对不同的年龄和不同的性别，推断它们的大致偏好。

获取所述不同用户的属性特征是指，根据根据用户的手臂压力特征大致识别出用户性别和年龄属性、根据掌纹大小和纹路特征，识别用户的年龄和性别特征；根据鼠标点击和键盘打字速度大致识别用户的年龄特征。一般来说，大人的手臂比小孩重、男人的手比女人的重、而女人的手臂和掌纹大小也比男人的要小，小孩掌纹也比成人的小。这些特征都可以大致的区分家庭成员。

根据用户属性，可以推断用户的更加深入的偏好。例如，如果是用户属性是女性，那么他们对护肤对首饰的喜好程度，会远大于男性用户。

步骤103，针对所述同一台电脑上的不同用户，根据所述信息偏好，推荐针对所述不同用户的精准信息，主要包括：

将同一台电脑或者同一个ip地址上面的用户，进行再次细分，针对不同的用户，信息推荐系统获取他们的用户信息偏好，进行个性化的信息推荐；这种推荐方法，是把用户重新进行分析，就是把本来针对ip或者账号的识别的工作，进一步深化到基于真实的用户，基于家庭电脑的不同真实用户，区分用户后，针对每一个用户，用原来的方法，做个性化推荐。这样达比针对家庭电脑更加精准的信息推荐效果。

另一种方法是，将本来针对家庭的广告或信息内容，根据所述不同用户的信息偏好，再次进行细分，面向家庭中不同年龄、不同性别，进行细化，进行更近精确的信息推荐；

例如，本来是针对一次家庭旅游推送的全家游服务，因为识别出当前的家庭成员用户是一个不喜欢旅游的老人，但是喜欢音乐会，因此给他推荐成一场音乐会的广告。这样就达到了更近高效精准的效果。因为按以前的技术，获取到的，是一个由多个人杂合在一起的虚拟人物的用户特征，现在有了区分家庭成员特征的技术，就能够更近精准的识别家庭成员或者公司的不同成员的喜好了。达到了精准推送信息的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (9)

1.一种个性化信息推荐方法与系统，其特征在于，所述方法包括：

通过获取用户使用电脑过程中的交互特征及用户的身体特征，识别用户；所述交换特征和用户身体特征主要包括：

鼠标垫或鼠标装有压力传感器，根据手部压力特征，识别同一台电脑上的不同用户；

鼠标垫和/或鼠标上，都同时安装有指纹和掌纹识别模块，根据用户指纹特征或用户掌纹特征，识别同一台电脑上的不同用户；

根据用户使用鼠标过程中鼠标移动和点击操作的操作速度，鼠标对菜单的操作速度，对用户的鼠标操作特征进行识别，进而识别同一台电脑上的不同用户；

根据用户使用键盘过程中键盘的打字速度，输入法类型，对用户的键盘操作特征进行识别，进而识别同一台电脑上的不同用户；

通过将所述手臂压力特征、指纹或掌纹特征、鼠标操作特征、键盘操作特征进行融合，构建特征矩阵，通过深度学习分类算法进行用户分类，进而识别同一台电脑上的不同用户；

识别出同一台电脑上的不同用户之后，

根据所述同一台电脑上的不同用户，获取所述不同用户的属性特征和信息偏好；所述获取所述不同用户的属性特征是指，根据根据用户的手臂压力特征识别出用户性别和年龄属性、根据掌纹大小和纹路特征，识别用户的年龄和性别特征；根据鼠标点击和键盘打字速度识别用户的年龄特征；

针对所述同一台电脑上的不同用户，根据所述信息偏好，推荐针对所述不同用户的精准信息。

2.根据权利要求1所述的方法，其中，所述鼠标垫或鼠标装有压力传感器，根据手部压力特征，识别同一台电脑上的不同用户，主要包括：

所述鼠标垫压力传感器安装在鼠标垫的东南西北四个方向；

所述鼠标安装有压力传感器，能够获取手压在鼠标上的重量；

根据用户手臂压在鼠标垫上面的压力的不同，识别不同的用户特征，进行用户识别；

根据用户手臂压在鼠标上的压力的不同，识别不同的用户特征，进行用户识别。

3.根据权利要求1所述的方法，其中，所述鼠标垫和/或鼠标上，都同时安装有指纹和掌纹识别模块，根据用户指纹特征或用户掌纹特征，识别同一台电脑上的不同用户，主要包括：

鼠标上安装有掌纹或指纹图像采集装置，能够对用户的掌纹和指纹进行获取；

鼠标垫上安装有掌纹或指纹图像采集装置，能够对用户的掌纹和指纹进行获取；

获取用户的掌纹和/或指纹，进行数据预处理、获取点特征与线特征，进一步的，获取纹理特征；

根据掌纹和/或指纹训练数据，进行小波变换,获取图像的局部细节信息；将掌纹局部细节信息作为深度置信网的输入,通过深度学习算法训练,获得最优的网络参数,最后进行分类预测；获得所述掌纹的用户身份信息；区分使用同一台电脑的不同用户。

4.根据权利要求1所述的方法，其中，所述根据用户使用鼠标过程中鼠标移动和点击操作的操作速度，鼠标对菜单操作的操作速度、对用户的鼠标操作特征进行识别，进而识别同一台电脑上的不同用户，主要包括：

通过调用操作系统api函数接口，计算用户在点击应用程序目标时，从开始移动鼠标直到点击到目标程序的时间差，获取鼠标操作速度；

通过调用操作系统api函数接口，统计用户在操作各类菜单过程中，从打开菜单到选择菜单的操作时间，获取菜单操作速度；

通过所述鼠标操作速度和菜单操作速度的不同，区分同一台电脑上的不同用户。

5.根据权利要求1所述的方法，其中，所述根据用户使用键盘过程中键盘的打字速度，输入法类型，对用户的键盘操作特征进行识别，进而识别同一台电脑上的不同用户，主要包括：

通过调用操作系统api函数接口，统计用户在操作键盘打字过程中，打字的速度，获取键盘操作速度特征；

通过调用操作系统api函数接口，获取输入法名称和类型；

根据打字速度和输入法类型，区分同一台电脑上的不同用户。

6.根据权利要求1所述的方法，其中，所述通过将所述手臂压力特征、指纹或掌纹特征、鼠标操作特征、键盘操作特征进行融合，构建特征矩阵，通过深度学习分类算法进行用户分类，进而识别同一台电脑上的不同用户，主要包括：

构建特征矩阵，特征矩阵的每一行都包含有用户的，所述手臂压力特征、所述指纹或掌纹特征、所述鼠标操作特征、所述键盘操作特征，不同的行表示不同的用户的上述特征；通过所述特征矩阵，进行数据预处理及归一化处理，接着，作为深度置信网的输入,通过深度学习算法训练,获得最优的网络参数,形成深度学习模型；所述深度学习模型，融合了所述手臂压力特征、所述指纹或掌纹特征、所述鼠标操作特征、所述键盘操作特征；

根据该模型进行分类预测；可以根据分类结果，区分使用同一台电脑的不同用户。

7.根据权利要求1所述的方法，其中，所述信息推荐系统根据同一台电脑上的不同用户，获取所述不同用户属性特征和信息偏好，主要包括：

信息推荐系统针对同一台电脑的用户，根据用户特征，对用户进行再次区分，获取同一台电脑的不同用户的信息偏好；

如果同一台电脑只有一种用户信息偏好，则不对电脑用户特征进行区分；不进行区分同一台电脑的不同用户的计算，节省计算量；

如果同一台电脑具有多种用户信息偏好，则将同一台电脑的信息偏好进行区分，获取不同用户用户属性特征，包括年龄特征和性别特征；针对不同的年龄和不同的性别，推断它们的大致偏好。

8.根据权利要求1所述的方法，其中，所述针对所述同一台电脑上的不同用户，根据所述信息偏好，推荐针对所述不同用户的精准信息，主要包括：

将同一台电脑或者同一个ip地址上面的用户，进行再次细分，针对不同的用户，信息推荐系统获取他们的用户信息偏好，进行个性化的信息推荐；

将本来针对家庭的广告或信息内容，根据所述不同用户的信息偏好，再次进行细分，面向家庭中不同年龄、不同性别，进行细化，进行更加精确的信息推荐。

9.一种个性化信息推荐系统，其特征在于，所述系统包括：

用户识别模块，用于根据单一特征和融合特征识别同一台电脑上不同的用户；

用户属性分析模块，用于根据获取的用户特征，分析用户属性和偏好；

用户信息推荐模块，用于根据用户不同的属性和信息偏好，推荐信息。