一种上下文信息处理方法及装置的制造方法
【技术领域】
[0001] 本发明涉及数据处理领域，具体地，涉及一种上下文信息处理方法及装置。
【背景技术】
[0002] 随着信息技术的不断发展，为了更好的服务于用户，提高用户体验，个性化推荐技 术应运而生，用于为用户提供符合其需求的个性化推荐内容。通常，个性化推荐技术以用户 的兴趣特点、动作行为等用户数据为基础，再结合一定的数据分析方法，为用户生成个性化 推荐内容。
[0003] 进行个性化推荐时，可以结合用户数据，利用推荐算法计算用户对潜在物品的评 分值，并将评分值较高的潜在物品作为推荐内容，提供给用户，其中，评分值较高可以理解 为超过了预设值。也就是说，这种推荐方法主要研究的是如何将用户数据与潜在物品进行 关联，建立用户与物品之间的二元关系，以便进行个性化推荐。
[0004] 在实际应用过程中，人们意识到用户数据所对应的上下文信息，对于提高个性化 推荐的准确性也十分重要。举例来说，抓取用户点击行为时，还可同时获得点击行为对应的 上下文信息，如，时间、地点、用户所用设备类型、设备联网方式等等。其中，每种类型的上下 文信息可以视为一种维度，每种类型的上下文信息的一个具体取值可以视为该维度下的一 个向量。举例来说，时间维度下，可以包括上午、中午、下午、傍晚和深夜5个向量。
[0005] 如何对多维度的上下文信息进行合理处理，以便基于此为用户进行较为客观和准 确的个性化推荐，成为一个亟待解决的问题。
【发明内容】
[0006] 本发明的目的是提供一种上下文信息处理方法及装置，综合考虑每个维度的上下 文信息，将多维度上下文信息降阶处理为单维度的抽象维度上下文，并建立抽象向量与应 用场景间的映射关系，基于本发明方案，不仅有助于实现个性化推荐的客观性和准确性，还 有助于简化个性化推荐过程。
[0007] 本发明实施例提供了一种上下文信息处理方法，所述方法包括：
[0008] 分别对各维度的上下文信息做如下处理:根据该维度上下文信息所包括的各个向 量之间的紧密程度，将所述各个向量划分到不同向量组；
[0009] 将所述各维度的上下文信息划分出的向量组的笛卡尔积，作为抽象向量，获得抽 象维度的上下文信息；
[0010] 根据所述抽象向量之间的紧密程度，将所述抽象向量划分到不同应用场景，建立 所述抽象向量与所述应用场景的映射关系。
[0011] 可选地，针对各维度上下文信息，预先建立有物品、向量和评分值三者之间的对应 关系，则，所述根据该维度上下文信息所包括的各个向量之间的紧密程度，将所述各个向量 划分到不同向量组，包括：
[0012] 利用所述物品在任两个向量下的评分值进行欧式距离计算，获得所述任两个向量 之间的距离；
[0013] 利用所述任两个向量之间的距离，通过聚类分析，将所述各个向量划分到不同向 量组。
[0014] 可选地，根据所述物品，确定该维度上下文信息中向量的划分粒度。
[0015] 可选地，所述通过聚类分析，将所述各个向量划分到不同向量组，包括：
[0016] 获得向量组划分指令，所述向量组划分指令包括指定向量组数目；
[0017] 按照所述指定向量组数目，调整聚类分析划分出的向量组数目，将所述各个向量 划分到不同向量组。
[0018] 可选地，建立应用场景与推荐内容的对应关系，所述方法还包括：
[0019] 获取用户数据对应的多维度上下文信息，查找与所述多维度上下文信息相匹配的 抽象向量，确定出所述多维度上下文信息对应的应用场景；
[0020] 将确定出的应用场景对应的推荐内容发送给用户。
[0021] 本发明实施例还提供了一种上下文信息处理装置，所述装置包括：
[0022] 向量组划分单元，用于分别对各维度的上下文信息做如下处理:根据该维度上下 文信息所包括的各个向量之间的紧密程度，将所述各个向量划分到不同向量组；
[0023]抽象维度获得单元，用于将所述各维度的上下文信息划分出的向量组的笛卡尔 积，作为抽象向量，获得抽象维度的上下文信息；
[0024] 映射关系建立单元，用于根据所述抽象向量之间的紧密程度，将所述抽象向量划 分到不同应用场景，建立所述抽象向量与所述应用场景的映射关系。
[0025] 可选地，针对各维度上下文信息，预先建立有物品、向量和评分值三者之间的对应 关系，则所述向量组划分单元包括：
[0026]距离计算单元，用于利用所述物品在任两个向量下的评分值进行欧式距离计算， 获得所述任两个向量之间的距离；
[0027]聚类分析单元，用于利用所述任两个向量之间的距离，通过聚类分析，将所述各个 向量划分到不同向量组。
[0028] 可选地，所述向量组划分单元还包括：
[0029] 粒度确定单元，用于根据所述物品，确定该维度上下文信息中向量的划分粒度。
[0030] 可选地，所述聚类分析单元，具体用于获得向量组划分指令，所述向量组划分指令 包括指定向量组数目；按照所述指定向量组数目，调整聚类分析划分出的向量组数目，将所 述各个向量划分到不同向量组。
[0031] 可选地，建立应用场景与推荐内容的对应关系，所述装置还包括：
[0032] 查找单元，用于获取用户数据对应的多维度上下文信息，查找与所述多维度上下 文信息相匹配的抽象向量，确定出所述多维度上下文信息对应的应用场景；
[0033] 发送单元，用于将确定出的应用场景对应的推荐内容发送给用户。
[0034] 本发明技术方案中，针对抓取用户数据过程中获取的多维度上下文信息，可以将 多维度上下文信息降阶处理为单维度的抽象维度上下文信息，然后再对抽象维度上下文信 息进行聚类分析，获得抽象维度上下文信息包括的抽象向量与应用场景间的映射关系。本 发明方案综合考虑每个维度的上下文信息，最终获得所述映射关系，处理过程不受人为因 素的影响，故基于该映射关系进行个性化推荐时，有助于实现个性化推荐的客观性和准确 性。另外，基于本发明映射关系，主要通过查表方式实现个性化推荐，还有助于简化个性化 推荐过程。
[0035]本发明的其他特征和优点将在随后的【具体实施方式】部分予以详细说明。
【附图说明】
[0036]附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具 体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
[0037]图1是本发明上下文信息处理方法的流程图；
[0038]图2是本发明上下文信息处理装置的结构示意图。
【具体实施方式】
[0039] 以下结合附图对本发明的【具体实施方式】进行详细说明。应当理解的是，此处所描 述的【具体实施方式】仅用于说明和解释本发明，并不用于限制本发明。
[0040] 参见图1，示出了本发明一种上下文信息处理方法的流程图，可包括：
[0041] SlOl，分别对各维度的上下文信息做如下处理:根据该维度上下文信息所包括的 各个向量之间的紧密程度，将所述各个向量划分到不同向量组。
[0042] 为了提高个性化推荐的