的多个用户模型。
[0030] 有益效果
[0031] 通过应用本发明的方法，能够通过利用与目标用户具有相同或相似的用户模型演 进模式的用户的信息来预测目标用户未来的兴趣偏好或行为模式，并将与预测结果相应的 推荐内容提供给目标用户，因此能够获得更可靠的个性化推荐结果。此外，本发明考虑时间 因素对用户兴趣度的影响，并且使用对用户未来的兴趣偏好或行为模式的预测进行推荐， 因此能够获得更具前瞻性和可信性的推荐结果。
【附图说明】
[0032] 通过下面结合本发明的示例性实施例对附图进行的描述，本发明的上述和其他目 的和特点将会变得更加清楚，其中：
[0033] 图1是示出根据本发明的示例性实施例的基于用户模型演进的推荐系统的框图；
[0034] 图2是示出根据本发明的示例性实施例的基于用户模型演进的推荐装置的详细 框图；
[0035]图3是示出根据本发明的示例性实施例的建模模块的操作的示例流程图；
[0036] 图4是示出根据本发明的另一示例性实施例的基于用户模型演进的推荐系统中 的用户模型建模单元的配置的示例；
[0037]图5是示出根据本发明的示例性实施例的演进模式分析模块的操作的示例流程 图；
[0038] 图6是示出根据本发明的实施例的表现用户模型随时间的演进模式的示例；
[0039] 图7是示出根据本发明的示例性实施例的预测模块的预测操作的示例流程图；
[0040] 图8是示出根据本发明的示例性实施例的基于用户模型演进的推荐方法的流程 图。
[0041] 贯穿附图和详细说明，除非另有描述，否则相同的附图标号将被理解为是指相同 的元件、特征和结构。
【具体实施方式】
[0042] 提供以下参照附图进行的描述以帮助全面理解由权利要求及其等同物限定的本 发明的示例性实施例。所述描述包括各种特定细节以帮助理解，但这些细节被认为仅是示 例性的。因此，本领域的普通技术人员将认识到：在不脱离本发明的范围和精神的情况下， 可对这里描述的实施例进行各种改变和修改。此外，为了清楚和简明，可省略已知功能和构 造的描述。
[0043] 除非另有定义，否则这里使用的所有术语(包括技术和科学术语）具有与示例性实 施例所属领域的普通技术人员通常理解的含义相同的含义。还应该理解，除非这里明确定 义，否则术语(诸如在常用词典中定义的术语）应被解释为具有与所述术语在相关领域的上 下文中的含义一致的含义，而不应理想化或过于正式地被理解。
[0044]图1是示出根据本发明的示例性实施例的基于用户模型演进的推荐系统10的框 图。
[0045]参照图1，根据本发明的实施例的基于用户模型演进的推荐系统10可包括一个或 多个客户端装置1〇〇和基于用户模型演进的推荐装置200。尽管在图1中仅示出一个客户 端装置100,但应该理解，这仅是为了便于描述而示出的示例，本发明的推荐系统10可包括 更多个客户端装置100。本发明的推荐装置200可以是网络中的服务器。
[0046] 客户端装置100可被配置为收集使用客户端装置100的用户的用户日志信息并从 推荐装置200接收推荐内容。在本发明中，用户日志信息可包括关于用户使用互联网时的 行为的数据，即，用户使用互联网时关于用户浏览行为的数据。
[0047] 推荐装置200可被配置为从客户端装置100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100。 在本发明中，演进模式用于表示用户在不同时间段的兴趣偏好或行为的变化。
[0048] 如图1中所示，在本发明的实施例中，客户端装置100可包括用户日志提交单元 110和推荐内容接收单元120。用户日志提交单元110可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200,推荐内容接收单 元120可被配置为从推荐装置200接收推荐内容。收集用户日志信息的方法对于本领域技 术人员而言是已知的，因此为了简明将省略其详细描述。此外，在本发明中，由用户日志提 交单元110收集的用户日志信息可能不适合于被直接发送到推荐装置200,因此用户日志 提交单元110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200。所述 可传输格式可以是json字符串格式，并且经过转换的用户日志信息可通过http协议被发 送到推荐装置200。
[0049] 参照图1，根据本发明的实施例的推荐装置200可包括用户模型建模单元210、演 进模式分析单元220和推荐内容生成单元230。
[0050] 在当前实施例中，用户模型建模单元210可被配置为从一个或多个客户端装置 1〇〇接收用户日志信息，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220可被配置为对每个用户的用户模型随时间的演进模式（即， 用户模型演进模式）进行分析。推荐内容生成单元230可被配置为基于演进模式分析单元 220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。
[0051] 以下将结合图2至图6详细描述本发明的基于用户模型演进的推荐系统100的配 置。
[0052] 图2是示出根据本发明的示例性实施例的基于用户模型演进的推荐装置200的详 细框图。
[0053] 图2中示出的客户端装置100中的用户日志提交单元110和推荐内容接收单元 120的功能和操作与图1中示出的用户日志提交单元110和推荐内容接收单元120的功能 和操作相同，因此将省略其详细描述。
[0054] 参照图2,推荐装置200中的用户模型建模单元210可包括日志信息存储模块 211、建模模块212和用户模型存储模块213。
[0055] 日志信息存储模块211可被配置为存储从客户端装置100接收的用户日志信息。 建模模块212可被配置为从日志信息存储模块211获取由日志信息存储模块211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213可被配置为存储为每个 用户建立的用户模型。
[0056] 在本发明的实施例中，建模模块212可每隔预定时间段从日志信息存储模块211 获取在所述预定时间段内由日志信息存储模块211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。通过这种方式，建模模块212 可为每个用户建立针对不同时间段的多个用户模型。
[0057] 以下将结合图3详细描述使用本发明的建模模块212建立用户模型的操作。
[0058] 图3是示出根据本发明的示例性实施例的建模模块212的操作的示例流程图。在 当前实施例中，仅作为示例，所述建模模块212可使用Ontology方法为所有的用户建立用 户模型。
[0059]在步骤301，所述建模模块212可从日志信息存储模块211中获取由日志信息存储 模块211在特定时间段内存储的用户的用户日志信息(例如，从3个月前到目前为止这段时 间存储到日志信息存储模块211的用户日志信息)，从获取的用户日志信息中提取该用户的 偏好，并为该用户建立基于用户行为的用户描述文件。
[0060] 在本发明中，可使用机器学习的方法来建立所述用户描述文件。所述用户描述文 件可包括用户浏览期间涉及的关键字和与每个关键字相应的权值。
[0061] 仅作为示例，使用机器学习的方法建立用户描述文件，主要是对关键字的处理。关 键字可分为机器新学习到的关键字和用户描述文件中已经存在的关键字两种。具体地讲， 可首先抽取用户的用户日志信息文件中的关键字，然后通过机器学习获取新学习到的关键 字并计算其权值。以下简单介绍建立和更新用户描述文件的方法：
[0062] (1)对于每个被用户点击或浏览的页面(其可从用户日志信息包含的页面集确 定)，筛选出相对新增关键字集，然后根据每个新增关键字在页面中出现的次数及每个新 增关键字所属类标签的归一化权值来计算出每个新增关键字的权值，从而形成页面集 的新增关键字集。此处，假设Wi为新增关键字ti的权值，则Wi可通过如下公式来计算：
【主权项】
1. 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，