基于用户模型演进的推荐装置和方法
【技术领域】
[0001] 本申请涉及一种推荐装置和方法，更具体地讲，涉及一种基于用户模型演进的个 性化推荐装置和方法。
【背景技术】
[0002] 随着互联网技术的迅速发展，互联网上能够使用的服务数量急剧增加，人们在海 量数据中寻找感兴趣的信息变得越发困难。因此，需要一种可根据每个用户的不同兴趣偏 好，在用户进行搜索或网络浏览时为该用户推荐相应内容(例如，网页）的方法，从而为用户 提供有针对性的个性化推荐服务。
[0003] 现有的个性化推荐方法主要包括两种：内容推荐方法和协同过滤方法。基于内容 的推荐方法适用于内容类别便于分辨和标注的情况。协同过滤方法通常基于用户历史数 据，以用户对产品和/或服务的评价为基础向目标用户推荐其潜在感兴趣的产品和/或服 务。
[0004] 然而，现有的方法均是针对历史数据进行用户建模，并根据用户的历史和/或现 有的兴趣偏好或行为进行推荐，这样只能反映出用户过去或已经存在的兴趣或行为模式， 而没有考虑到用户的兴趣或行为的未来发展趋势。此外，现有的个性化推荐方法对于时间 因素的考虑均是针对用户建模过程进行的，而并未将其扩展到对用户未来的兴趣或行为趋 势的预测上。
【发明内容】
[0005] 根据本发明的一方面，提供了一种基于用户模型演进的推荐装置，所述装置包括： 用户模型建模单元，被配置为从一个或多个客户端装置接收用户日志信息，并基于每个客 户端装置的用户的用户日志信息，为每个用户建立用户模型；演进模式分析单元，被配置为 对每个用户的用户模型随时间的演进模式进行分析；推荐内容生成单元，被配置基于演进 模式分析单元的分析结果来预测目标用户的用户模型演进趋势，产生与预测结果相应的推 荐内容并将与预测结果相应的推荐内容发送给目标用户的客户端装置。所述用户日志信息 可包括用户使用互联网时关于用户浏览行为的数据。所述演进模式可表示用户在不同时间 段的兴趣偏好的变化。
[0006] 所述用户模型建模单元可包括：日志信息存储模块，被配置为存储从客户端装置 接收的用户日志信息；建模模块，被配置为从日志信息存储模块获取由日志信息存储模块 在特定时间段内存储的每个用户的用户日志信息，并基于获取的每个用户的用户日志信 息，为每个用户建立针对所述特定时间段的用户模型；用户模型存储模块，被配置为存储为 每个用户建立的用户模型。
[0007] 所述演进模式分析单元可包括：演进模式分析模块，被配置为使用所有用户的针 对最近时间段建立的用户模型以及上一次的用户模型演进模式的分析结果，对每个用户的 用户模型演进模式进行分析；演进分析结果存储模块，被配置为存储演进模式分析模块的 分析结果。
[0008] 所述推荐内容生成单元可包括：预测模块，被配置为在演进分析结果存储模块中 搜索与目标用户具有最相似的用户模型演进模式的用户，使用搜索到的用户的用户模型演 进模式来预测目标用户的用户模型演进趋势，并产生与预测结果相应的推荐内容；推荐内 容存储模块，被配置为存储与预测结果相应的推荐内容；推荐内容同步模块，将存储的与预 测结果相应的推荐内容发送给目标用户的客户端装置。
[0009] 如果客户端装置收集的原始格式的用户日志信息被所述客户端装置转换为可传 输格式之后发送到推荐装置，则所述用户模型建模单元还可包括：日志同步模块，被配置为 将从客户端装置接收的可传输格式的用户日志信息转换回原始格式的用户日志信息，并将 原始格式的用户日志信息存储在日志信息存储模块中。
[0010] 所述用户模型建模单元还可包括：数据提取模块，被配置为基于建模需求对获取 的所述特定时间段的用户日志信息中的数据进行处理，并将经过处理的数据提供给建模模 块进行建模。
[0011] 所述可传输格式可以为json字符串格式。
[0012] 所述建模模块可使用Ontology方法为用户建立用户模型。
[0013] 所述演进模式分析模块可使用所有用户的针对最近时间段建立的用户模型以及 上一次的用户模型演进模式的分析结果，通过迭代聚类来分析每个用户的用户模型随时间 的演进模式。
[0014] 所述预测模块可使用最长路径匹配算法来确定与目标用户具有最相似的用户模 型演进模式的用户。
[0015] 所述建模模块可被配置为每隔预定时间段从日志信息存储模块获取在所述预定 时间段内由日志信息存储模块存储的用户日志信息，并使用获取的用户日志信息为每个用 户建立针对所述预定时间段的用户模型，从而为每个用户建立针对不同时间段的多个用户 模型。
[0016] 根据本发明的另一方面，提供了一种客户端装置，所述客户端装置包括：用户日志 提交单元，被配置为收集使用所述客户端装置的用户的用户日志信息，并将收集的用户日 志信息发送到推荐装置；推荐内容接收单元，被配置为从推荐装置接收推荐内容；其中，所 述推荐装置基于从一个或多个客户端装置接收的用户日志信息为每个客户端装置的用户 建立用户模型，对每个用户的用户模型随时间的演进模式进行分析，基于分析结果来预测 每个用户的用户模型演进趋势，产生与预测结果相应的推荐内容并将与预测结果相应的推 荐内容发送给每个用户的客户端装置。所述用户日志信息可包括用户使用互联网时关于用 户浏览行为的数据。所述演进模式可表示用户在不同时间段的兴趣偏好的变化。
[0017] 所述用户日志提交单元可将收集的用户日志信息转换为可传输格式之后发送到 推荐装置。
[0018] 根据本发明的另一方面，提供了一种基于用户模型演进的推荐系统，所述系统包 括：一个或多个客户端装置，被配置为收集使用客户端装置的用户的用户日志信息并从推 荐装置接收推荐内容；推荐装置，被配置为从所述一个或多个客户端装置接收用户日志信 息，基于接收的每个客户端装置的用户的用户日志信息为每个用户建立用户模型，对每个 用户的用户模型随时间的演进模式进行分析，基于分析结果来预测目标用户的用户模型演 进趋势，产生与预测结果相应的推荐内容并将与预测结果相应的推荐内容发送给目标用户 的客户端装置。所述用户日志信息包括用户使用互联网时关于用户浏览行为的数据。所述 演进模式表示用户在不同时间段的兴趣偏好的变化。
[0019] 根据本发明的另一方面，提供了一种基于用户模型演进的推荐方法，所述方法包 括：由推荐装置从一个或多个客户端装置接收用户日志信息，并基于每个客户端装置的用 户的用户日志信息，为每个用户建立用户模型；由推荐装置对每个用户的用户模型随时间 的演进模式进行分析；由推荐装置根据分析结果来预测目标用户的用户模型演进趋势，产 生与预测结果相应的推荐内容并将与预测结果相应的推荐内容发送给目标用户的客户端 装置。所述用户日志信息包括用户使用互联网时关于用户浏览行为的数据。所述演进模式 表示用户在不同时间段的兴趣偏好的变化。
[0020] 建立用户模型的步骤可包括：存储从客户端装置接收的用户日志信息；获取推荐 装置在特定时间段内接收并存储的每个用户的用户日志信息，并基于获取的每个用户的用 户日志信息，为每个用户建立针对所述特定时间段的用户模型；存储为每个用户建立的用 户模型。
[0021] 分析演进模式的步骤可包括：使用所有用户的针对最近时间段建立的用户模型以 及上一次的用户模型演进模式的分析结果，对每个用户的用户模型演进模式进行分析；存 储分析结果。
[0022] 产生推荐内容的步骤可包括：在所述分析结果中搜索与目标用户具有最相似的用 户模型演进模式的用户，使用搜索到的用户的用户模型演进模式来预测目标用户的用户模 型演进趋势，并产生与预测结果相应的推荐内容；存储与预测结果相应的推荐内容；将存 储的与预测结果相应的推荐内容发送给目标用户的客户端装置。
[0023] 如果客户端装置收集的原始格式的用户日志信息在被客户端装置转换为可传输 格式之后发送到推荐装置，则推荐装置可在接收到可传输格式的用户日志信息之后，将可 传输格式的用户日志信息转换回原始格式的用户日志信息，并存储原始格式的用户日志信 肩、。
[0024] 建立用户模型的步骤还可包括：基于建模需求对获取的所述特定时间段的用户日 志信息中的数据进行处理，以使用经过处理的数据进行建模。
[0025] 所述可传输格式可以为json字符串格式。
[0026] 可使用Ontology方法为用户建立用户模型。
[0027] 分析演进模式的步骤可使用所有用户的针对最近时间段建立的用户模型以及上 一次的用户模型演进模式的分析结果，通过迭代聚类来分析每个用户的用户模型随时间的 演进模式。
[0028] 可使用最长路径匹配算法来确定与目标用户具有最相似的用户模型演进模式的 用户。
[0029] 建立用户模型的步骤可包括：每隔预定时间段获取在所述预定时间段内在推荐装 置中接收并存储的用户日志信息，并使用获取的用户日志信息为每个用户建立针对所述预 定时间段的用户模型，从而为每个用户建立针对不同时间段