电子计算装置及其个人化信息推荐方法

电子计算装置及其个人化信息推荐方法
【专利摘要】一种电子计算装置及其个人化信息提供方法。电子计算装置用以将安排于一时段的一第一使用者的一第一数据以及一第二使用者的一第二数据分别以一本体树建构演算法建立一第一树状数据及一第二树状数据，并以一相似度评估演算法计算第一树状数据及第二树状数据间的一相似度，且以一分群演算法根据相似度而将第一树状数据及第二树状数据归纳为一群组，以及根据群组决定第一树状数据相对于第二树状数据的一第一差异信息，并且，根据第一差异信息产生对应至第一使用者于时段的一推荐信息，并使能一屏幕显示推荐信息。
【专利说明】电子计算装置及其个人化信息推荐方法

【技术领域】
[0001] 本发明关于一种电子计算装置及其个人化信息推荐方法。更具体而言，本发明的 电子计算装置将使用者的个人行为数据建立为树状结构，并两两相比较后产生相似度，再 以分群演算法分析该相似度并为使用者的个人数据分设群组，之后以关联性最高的群组进 行群组内的信息推荐。

【背景技术】
[0002] 在信息科技进步的现代，使用者有许多信息获取的方法，其中一种是由处理系统 通过数据关联性对使用者进行信息推荐。以目前的推荐方式而言，通常是利用一矩阵数据 对使用者的行为数据进行评比，之后再以该评比结果为使用者推荐信息。
[0003] 具体而言，假设某超市有A、B、C、D及E五种品项商品，此时使用者的行为数据为 购头商品品项，一消费者甲在该超市购头的商品品项及数量累计为：A品项5个、C品项3个 及E品项1个，则甲的购买数据可表示为{A，B，C，D，E} = {5, 0, 3, 0, 1}。类似的，假设另一消 费者乙在该超市购买的商品品项及数量累计表示为{A，B，C，D，E} = {4,5,0,0，1}。则对甲而 言，品项B是甲未购买而乙有购买的，因此，超市可将品项B推荐给甲，以作为甲的推荐购买 品项；另一方面，对乙而言，品项C是乙未购买而甲有购买的，因此，超市可将品项C推荐给 乙，以作为乙的推荐购买品项。
[0004] 然而，上述推荐方式在消费者不只两位的情况下，无法计算消费者之间的信息关 联性，导致购买不同属性商品的消费者之间相互推荐，并造成推荐信息的有效性大幅降低。 再者，上述推荐方式所或信息，仅是消费者数据的累加结果，在时间上并未进行有效区隔并 同时进行评估，若消费者的生活大幅度的改变，则上述推荐方式无法分析出该大幅改变的 情况。
[0005] 有鉴于此，如何增加使用者间的信息关联性、推荐数据间的信息有效性，以及进一 步考量使用者间行为信息（如交易数据、活动数据或购买品项等）于不同时间区段的差异， 仍是本领域亟待解决的课题。


【发明内容】

[0006] 本发明的目的在于提供一种电子计算装置、其个人化信息推荐方法及其电脑程序 产品。本发明提供一种将使用者个人信息之间的关联性精确化，并进一步提供有时间区隔 效果的推荐信息，以提升推荐数据的有效性，达成良好的推荐效果。
[0007] 为达上述目的，本发明揭露了一种用于提供个人化信息推荐的电子计算装置，其 包含一输入/输出接口、一存储器及一处理器，该输入/输出接口用以接收一第一使用者的 一第一行为数据以及一第二使用者的一第二行为数据，其中该第一行为数据及该第二行为 数据皆安排于一第一时段中。该存储器与该输入/输出接口电性连接，用以存储该第一行 为数据及该第二行为数据。该处理器与该存储器电性连接并用以执行下列操作：自该存储 器撷取该第一行为数据及该第二行为数据；将该第一行为数据及该第二行为数据分别以一 本体树建构演算法建立一第一树状数据及一第二树状数据；以一相似度评估演算法计算该 第一树状数据及该第二树状数据之间的一第一相似度；以一分群演算法分析该第一相似度 而将该第一树状数据及该第二树状数据归纳为一第一群组；根据该第一群组决定该第一树 状数据相对于该第一使用者的该第二树状数据的一第一差异信息；以及根据该第一差异信 息产生对应至该第一使用者于该第一时段的一第一推荐信息，并使能一第一屏幕显不该第 一推荐信息。
[0008] 为达上述目的，本发明更揭露一种用于一电子计算装置的个人化信息推荐方法， 该电子计算装置包含一输入/输出接口、一存储器及一处理器，该行程推荐方法包含下列 步骤：令该输入/输出接口接收一第一使用者的一第一行为数据以及一第二使用者的一第 二行为数据，其中该第一行为数据及该第二行为数据皆安排于一第一时段中；令该存储器 存储该第一行为数据及该第二行为数据；令该处理器自该存储器撷取该第一行为数据及该 第二行为数据；令该处理器将该第一行为数据及该第二行为数据分别以一本体树建构演算 法建立一第一树状数据及一第二树状数据；令该处理器以一相似度评估演算法计算该第一 树状数据及该第二树状数据之间的一第一相似度；令该处理器以一分群演算法分析该第一 相似度而将该第一树状数据及该第二树状数据归纳为一第一群组；令该处理器根据该第一 群组决定该第一使用者的该第一树状数据相对于该第二树状数据的一第一差异信息；以及 令该处理器根据该第一差异信息产生对应至该第一使用者于该第一时段的一第一推荐信 息，并使能一第一屏幕显不该第一推荐信息。
[0009] 此外，本发明更揭露一种电脑程序产品，经由一电子计算装置载入该电脑程序产 品后，执行该电脑程序产品所包含的多个程序指令，以使该电子计算装置执行一种个人化 信息推荐方法，该等程序指令包含：程序指令A，由该电子计算装置接收一第一使用者的一 第一行为数据以及一第二使用者的一第二行为数据，其中该第一行为数据及该第二行为数 据皆安排于一第一时段中；程序指令B，由该电子计算装置存储该第一行为数据及该第二 行为数据；程序指令C，由该电子计算装置将该第一行为数据及该第二行为数据分别以一 本体树建构演算法建立一第一树状数据及一第二树状数据；程序指令D，由该电子计算装 置以一相似度评估演算法计算该第一树状数据及该第二树状数据之间的一第一相似度；程 序指令E，由该电子计算装置以一分群演算法分析该第一相似度而将该第一树状数据及该 第二树状数据归纳为一第一相似群组；程序指令F，由该电子计算装置根据该第一群组决 定该第一使用者的该第一树状数据相对于该第二树状数据的一第一差异信息；以及程序指 令G，由该电子计算装置根据该第一差异信息产生对应至该第一使用者于该第一时段的一 第一推荐信息，并使能一第一屏幕显不该第一推荐信息。
[0010] 在参阅图式及随后描述的实施方式后，所属【技术领域】具有通常知识者便可了解本 发明的其它目的，以及本发明的技术手段及实施态样。

【专利附图】

【附图说明】
[0011] 图IA是描绘第一实施例的电子计算装置的功能方块图；
[0012] 图IB是描绘第一实施例的通用本体树及使用者树状数据的示意图；
[0013] 图IC是描绘第一实施例的群组示意图；
[0014] 图2A是描绘第二实施例的电子计算装置的功能方块图；
[0015] 图2B是描绘第二实施例的使用者树状数据的示意图；
[0016] 图2C是描绘第二实施例的群组示意图；
[0017] 图3A是描绘第三实施例的电子计算装置的功能方块图；
[0018] 图3B是描绘第三实施例的使用者树状数据的示意图；
[0019] 图3C是描绘第三实施例的群组示意图；
[0020] 图4是描绘第四及第五实施例的个人化信息推荐方法的流程图；以及
[0021] 图5是描绘第六实施例的个人化信息推荐方法的流程图。
[0022] 【符号说明】
[0023] 1电子计算装置
[0024] 21、25智能手机
[0025] 23、27个人电脑
[0026] 11输入/输出接口
[0027] 13处理器
[0028] 15存储器
[0029] 210、230、250、270、280、290 行程数据
[0030] 212、232、252、272、282、292 树状数据
[0031] 214、234、254、274、284、294 推荐行程
[0032] 800通用本体树
[0033] W1、W2、W3、W4、W5、W6 相似度
[0034] C1、C2、C3 核心群组
[0035] S400 ?S470 步骤
[0036] S500 ?S570 步骤

【具体实施方式】
[0037] 以下将通过实施例来解释本
【发明内容】
。然而，本发明的实施例并非用以限制本发 明需在如实施例所述的任何环境、应用或方式方能实施。因此，关于实施例的说明仅为阐释 本发明的目的，而非用以直接限制本发明。需说明者，以下实施例及图示中，与本发明非直 接相关的接口已省略而未绘示。
[0038] 本发明第一实施例请同时参考图1A、图IB及图1C，图IA描绘电子计算装置1的 功能方块图，图IB描绘使用者的树状数据的示意图，图IC描绘群组示意图。
[0039] 本发明的电子计算装置1用以提供个人化信息推荐，其所提供的个人化推荐信息 可以是旅游行程推荐、购物品项推荐等等。电子计算装置1为一网页服务器、或其他相类似 的计算装置，其包含一输入/输出接口 11、一存储器13以及一处理器15。处理器13分别 与输入/输出接口 11及存储器15电性连接。接下来将针对本发明如何对使用者提供信息 推荐进行说明。
[0040] 以提供旅游行程为个人化推荐信息为例，台湾某大学举办了一个国际研讨会，为 期五天，且日本人丙(第一使用者）及丁(第二使用者）准备参加。电子计算装置1已事先在 存储器13中存储了一套以不同国籍人建立的行程树状数据，例如，根据美国人的喜好，建 立美国人行为树数据，也能根据日本人的喜好，建立日本人行为树数据，该些行为树数据之 内容皆针对各国籍人的喜好行程，以具组织化的方式建立。
[0041] 举例来说，如图IB所示，存储器15中预先存储了与日本人喜好相关的一通用本体 树800,树根可以是「景点」，其中，「景点」的分支有「古迹」及「自然」，「古迹」的分支更包 含「庙宇」、「老街」及「城堡」，「自然」的分支则包含「山林」、「海」及「公园」，以此类推。由 于丙及丁皆欲进行一个共同事件，即参与该国际研讨会，该事件形成了丙与丁的一基础共 同点，在此前提下，本发明的电子计算装置1将进一步交互提供推荐信息给丙及丁。
[0042] 假定在研讨会五天期间内，除了既定的研讨会行程外，丙还规划了去「行天宫」、 「淡水老街」以及「太鲁阁国家公园」，丙将上述行程数据输入到自己的智能手机21，成为一 第一行为数据，于本实施例中，该第一行为数据为一第一行程数据210 ;丁则规划了去「龙 山寺」、「新社古堡」及「阳明山」，丁将上述行程通过个人电脑23及建置于电子计算装置1 的网页接口传送给电子计算装置1，成为一第二行为数据，于本实施例中，该第二行为数据 为一第二行程数据230。
[0043] 于此，电子计算装置1为网页服务器，而该网页接口所显示的方式为行事历接口。 须说明的是，由于本实施例的行为数据举例为行程数据，因此，将本实施例的推荐信息一并 举例为推荐行程。
[0044] 在电子计算装置1通过其输入/输出接口 11，例如一网络接口，接收丁的第二行程 数据230,接着，处理器13可通过输入/输出接口 11向智能手机21撷取丙的第一行程数 据210,或由智能手机21于检测到丙将其第一行程数据210输入至智能手机21时，将第一 行程数据210经由输入/输出接口 11更新至该电子计算装置1，电子计算装置1或处理器 13将第一行程数据210及第二行程数据230存储于存储器15。
[0045] 处理器13自存储器15撷取第一行程数据210及第二行程数据230根据通用本体 树800以一本体树建构演算法（Ontology Construction Algorithm)将第一行程数据210 及第二行程数据230分别建立为一第一树状数据212及一第二树状数据232。
[0046] 详言之，首先由处理器13判断第一行程数据210及第二行程数据230的每一 关键字词与通用本体树800的各节点以一正规化的Google距离（Normalized Google Distance ;NGD)演算法进行与通用本体树800的各节点之间的关联性该判断方法例如是一 正规化的Google距离（Normalized Google Distance ;NGD)演算法，其表示如下：
[0047]

【权利要求】
1. 一种用于提供个人化信息推荐的电子计算装置，包含： 一输入/输出接口，用以接收一第一使用者的一第一行为数据以及一第二使用者的一 第二行为数据，其中该第一行为数据及该第二行为数据皆安排于一第一时段中； 一存储器，与该输入/输出接口电性连接，用以存储该第一行为数据及该第二行为数 据；以及 一处理器，与该存储器电性连接，该处理器用以执行下列操作： 自该存储器撷取该第一行为数据及该第二行为数据； 将该第一行为数据及该第二行为数据分别以一本体树建构演算法建立一第一树状数 据及一第二树状数据； 以一相似度评估演算法计算该第一树状数据及该第二树状数据之间的一第一相似 度； 以一分群演算法分析该第一相似度而将该第一树状数据及该第二树状数据归纳为一 第一群组； 根据该第一群组决定该第一树状数据相对于该第二树状数据的一第一差异信息；以及 根据该第一差异信息产生对应至该第一使用者于该第一时段的一第一推荐信息，以便 一第一屏幕显不该第一推荐信息。
2. 如权利要求1所述的电子计算装置，其特征在于，该输入/输出接口更用以接收一第 三使用者的一第三行为数据，且该第三行为数据安排于该第一时段中，该存储器更用以存 储该第三行为数据，该处理器更用以执行下列操作： 自该存储器撷取该第三行为数据； 将该第三行为数据以该本体树建构演算法建立一第三树状数据； 以该相似度评估演算法计算该第一树状数据及该第三树状数据之间的一第二相似度 以及该第二树状结构及该第三树状数据之间的一第三相似度；以及 其中，该第一群组更归纳了该第三树状数据，且由该处理器更通过该分群演算法分析 该第一相似度、该第二相似度及该第三相似度而将该第一树状数据而获得； 其中，该第一差异信息更由该处理器根据该第一群组并判断该第一行为数据相对于该 第二树状数据及该第三树状数据的一差异而获得。
3. 如权利要求2所述的电子计算装置，其特征在于，该第一差异信息包含多个差异字 词，该处理器更将各该差异字词的一出现次数进行累计，并根据累计数量最多的一最佳差 异字词产生该第一推荐信息。
4. 如权利要求2所述的电子计算装置，其特征在于，该第一差异信息包含多个差异字 词，该处理器更根据多个差异字词的至少其中之一的一出现比例高于一门槛值而产生该第 一推荐信息。
5. 如权利要求1所述的电子计算装置，其特征在于，该输入/输出接口更用以接收一第 四使用者的一第四行为数据、该第一使用者的一第五行为数据以及该第二使用者的一第六 行为数据，其中该第四行为数据、该第五行为数据及该第六行为数据皆安排于一第二时段 中，该存储器更用以存储该第四行为数据、该第五行为数据及该第六行为数据，该处理器更 用以执行下列操作： 自该存储器撷取该第四行为数据、该第五行为数据及该第六行为数据； 将该第四行为数据、该第五行为数据及该第六行为数据分别通过该本体树建构演算法 建立一第四树状数据、一第五树状数据及一第六树状数据； 以该相似度评估演算法分别计算该第四树状数据及该第五树状数据之间的一第四相 似度、该第五树状数据及该第六树状数据之间的一第五相似度以及该第六树状数据及该第 四树状数据之间的一第六相似度； 以该分群演算法分析该第四相似度、该第五相似度及该第六相似度而将该第四树状数 据及该第五树状数据归纳为一第二群组，以及将该第四树状数据、该第五树状数据以及该 第六树状数据归纳为一第三群组，其中该第二群组的一内部数据关联性高于该第三群组的 一内部数据关联性； 根据该第二群组决定该第五树状数据相对于该第四树状数据的一第二差异信息；以及 根据该第二差异信息产生对应至该第一使用者于该第二时段的一第二推荐信息，以便 该第一屏幕显不该第二推荐信息。
6. -种个人化信息推荐方法，用于一电子计算装置，该电子计算装置包含一输入/输 出接口、一存储器及一处理器，该个人化信息推荐方法包含下列步骤： (a) 令该输入/输出接口接收一第一使用者的一第一行为数据以及一第二使用者的一 第二行为数据，其中该第一行为数据及该第二行为数据皆安排于一第一时段中； (b) 令该存储器存储该第一行为数据及该第二行为数据； (c) 令该处理器自该存储器撷取该第一行为数据及该第二行为数据； (d) 令该处理器将该第一行为数据及该第二行为数据分别以一本体树建构演算法建立 一第一树状数据及一第二树状数据； (e) 令该处理器以一相似度评估演算法计算该第一树状数据及该第二树状数据之间的 一第一相似度； (f) 令该处理器以一分群演算法分析该第一相似度而将该第一树状数据及该第二树状 数据归纳为一第一群组； (g) 令该处理器根据该第一群组决定该第一行为数据相对于该第二行为数据的一第一 差异彳目息；以及 (h) 令该处理器根据该第一差异信息产生对应至该第一使用者于该第一时段的一第一 推荐信息，以便一第一屏幕显不该第一推荐信息。
7. 如权利要求6所述的个人化信息推荐方法，其特征在于： 于步骤（a)中更包含下列步骤： (al)令该输入/输出接口接收一第三使用者的一第三行为数据，且该第三行为数据安 排于该第一时段中； 于步骤（b)中更包含下列步骤： (bl)令该存储器存储该第三行为数据； 于步骤（c)中更包含下列步骤： (cl)令该处理器自该存储器撷取该第三行为数据； 于步骤（d)中更包含下列步骤： (dl)令该处理器将该第三行为数据以该本体树建构演算法建立一第三树状数据； 于步骤（e)中更包含下列步骤： (el)令该处理器以该相似度评估演算法计算该第一树状数据及该第三树状数据之间 的一第二相似度以及该第二树状结构及该第三树状数据之间的一第三相似度； 步骤（f)更为下列步骤： (fl)令该处理器以该分群演算法分析该第一相似度、该第二相似度及该第三相似度而 将该第一树状数据、该第二树状数据及该第三树状数据皆归纳为该第一群组；以及 步骤（g)更为下列步骤： (gl)令该处理器决定该第一行为数据相对于该第二行为数据及该第三行为数据的该 第一差异息。
8. 如权利要求7所述的个人化信息推荐方法，其特征在于，该第一差异信息包含多个 差异字词，该处理器更将各该差异字词的一出现次数进行累计，并根据累计数量最多的一 最佳差异字词产生该第一推荐信息。
9. 如权利要求7所述的个人化信息推荐方法，其特征在于，该第一差异信息包含多个 差异字词，该处理器更根据多个差异字词的至少其中之一的一出现比例高于一门槛值而产 生该第一推荐信息。
10. 如权利要求6所述的个人化信息推荐方法，其特征在于，更包含下列步骤： (i) 令该输入/输出接口接收一第四使用者的一第四行为数据、该第一使用者的一第 五行为数据以及该第二使用者的一第六行为数据，其中该第四行为数据、该第五行为数据 及该第六行为数据皆安排于一第二时段中； (j) 令该存储器存储该第四行为数据、该第五行为数据及该第六行为数据； (k) 令该处理器自该存储器撷取该第四行为数据、该第五行为数据及该第六行为数 据； (l) 令该处理器将该第四行为数据、该第五行为数据及该第六行为数据分别通过该本 体树建构演算法建立一第四树状数据、一第五树状数据及一第六树状数据； (m) 令该处理器以该相似度评估演算法分别计算该第四树状数据及该第五树状数据之 间的一第四相似度、该第五树状数据及该第六树状数据之间的一第五相似度以及该第六树 状数据及该第四树状数据之间的一第六相似度； (n) 令该处理器以该分群演算法分析该第四相似度、该第五相似度及该第六相似度而 将该第四树状数据及该第五树状数据归纳为一第二群组，以及将该第四树状数据、该第五 树状数据以及该第六树状数据归纳为一第三群组，其中该第二群组的一内部数据关联性高 于该第三群组的一内部数据关联性； (〇)令该处理器根据该第二群组决定该第五行为数据相对于该第四行为数据的一第二 差异彳目息；以及 (P)令该处理器根据该第二差异信息产生对应至该第一使用者于该第二时段的一第二 推荐信息，以便该第一屏幕显不该第二推荐信息。
【文档编号】G06F17/30GK104516938SQ201310494650
【公开日】2015年4月15日 申请日期:2013年10月21日 优先权日:2013年10月7日
【发明者】薛荣银, 王可言, 史孟蓉, 杜定杰, 詹雅慧, 陈棅易, 王泰钧 申请人:财团法人资讯工业策进会