ι，r2，r3,......，rk}。R中元素&的长度（权重）设为实际开多式为（ca,cb......crc),ca,cb...... (1彡a,b，rc彡n)为序列中的紧邻的点，ca为起始点，c"为结束点。为了控制序列长 度（权重）r。，r。取1到η的开平方之间的一个随机整数，即1彡rsqrt(η)。
[0016] 第二步，选择最优序列 计算每一条序列的潜在空载距离期望值，并在此基础上选择潜在空载距离期望值最小 者作为最优推荐序列。具体算法如下。
[0017] 算法1 :给出一条序列，计算从序列中给定位置开始到序列结束点的空载距离期 望值。
[0018] 输入：一条需要计算的序列，为一条有序的点集，其中每个点有一个特征点的利用 概率属性；给定开始位置在序列中的序号； 输出：空载距离期望值
算法2 :在序列集合中选择最优序列，即该序列的空载距离期望值最小。
[0019] 输入：潜在特征点集合、推荐序列集合、特征点的利用概率集合 输出：最优序列
第三步，方法优化 在算法1、算法2的基础上进行优化，优化过程如下。
[0020] 算法3 :给出一条序列，计算从序列中给定位置开始的空载距离期望值。
[0021] 输入：一条需要计算的序列，为一条有序的点集，其中每个点有一个特征点的利用 概率属性；给定开始位置在序列中的序号； 输出：序列的空载距离期望值
算法4 :在序列集合中选择最优序列，即该序列空载距离期望值最小。
[0022] 输入：潜在特征点集合、推荐序列集合、特征点的利用概率集合 输出：最优序列
本发明的实验效果描述： 使用随机生成的无向图模拟待解决问题，图中包含10000个点，100000条边，随机生成 5000条序列。假设边的长度（权重）都为1，节点的利用概率采用随机方法自动生成。
[0023]设定的实验效果判定准则是：使用本方法并作优化后，若每次向活动点使用者进 行序列推荐的平均时间低于0. 1秒，则本方法包括优化方法满足"用户体验好"这一指标。
[0024] 首先，根据算法1和算法2进行最优序列选择，在所进行的1000次推荐用时 51. 23s;使用优化后的方法进行最优序列选择，所进行1000次推荐用时10. 22s。使用优化 后的方法进行最佳序列选择，每次推荐平均用时为0. 00151562s。
[0025] 由上可知，本发明方法并优化后将每次推荐时间控制在了可以接受的范围（0.Is) 之内，满足较好的用户体验指标，解决了序列化信息推荐问题效率低下这一技术问题。
[0026] 结论分析： 第一，本发明的方法及其优化方法，其效率优势主要体现在：（1)从潜在特征点集合中 得出空载序列生成活动点序列，并依此构造活动点活动图；（2)结合活动点当前所在位置， 通过对计算空载距离期望值过程的优化，减少了计算次数。
[0027] 第二，对于算法2的时间复杂度分析：设生成序列集合中包含Μ个元素，每个元素 为一个序列。其中最长(权重之和最大)的序列包含S个潜在特征点。假设在计算序列的空 载距离期望值的过程中，每次迭代计算点的代价为1，那么minF函数的时间复杂度为。calF 遍历集合Μ中所有元素，所以calF的时间复杂度为。
[0028] 第三，对于算法3和算法4的综合分析：采用剪枝优化分析，算法3和4在算法1和 2的基础上设定了一个目标，使得之后每次计算逐渐向最优目标逼近，这样可以在计算过程 中将很多无效序列排除，在算法1和2的基础上降低了计算次数，提高了计算效率。
[0029] 第四，本方法中优化方法的有效性可用构造法加以证明：即在本发明中的方法计 算某一个序列rp时，在计算PoCab-cp,a-cp,b-......-cp, 的空载序列期望的过程中， 当计算到cP,q时，得到空载序列期望值大于min值时，舍去此结果，不再继续计算这个序列， 开始下一个序列的计算，此序列省去的计算次数为（h-q)，若此序列一直计算完毕得到的 结果仍比min值小，则此序列省去的计算次数为（h-r。)，即0次。若从第二条序列开始，每 个序列分别计算到qpq2,......，qk 1 (qi，q；!，......，qk通小于等于r。）点时计算终止，则本 发明方法总共减少次数为（1·。％+!·。％+......+re-qk丨）。
【主权项】
1. 一种序列化信息推荐方法，其特征在于该方法包括W下步骤： (1) 生成序列元素特征点；根据历史数据使用聚类方法得到N个簇，选取每个簇的几何 中屯、作为潜在的特征点集合；生成一个潜在的特征点集合C，用点表示特征点，C中包含η个 潜在特征点Ci，集合C中的元素为所有特征点{Ci，〇2，〇3，C4,……，C。}; (2) W历史数据作为样本集，生成序列元素特征点利用概率，作为推荐序列的评价基 础指标；特征点的利用概率计算方法为：首先对聚类结果进行分析，获得每个类簇的区域 点覆盖，然后根据覆盖中包含的点，统计该区域所包含的点的利用频数记为Q，设置所有区 域中所包含点的可能的利用总频数为归一化参数T，则该区域所对应簇的利用概率为Q/T， 对于每一个潜在特征点，把该特征点所代表的簇的利用概率近似作为该点的利用概率；根 据样本分析，赋予每个特征点一个不同的利用概率Pi，用浮点数表示利用概率，得到一个概 率集合P，P中元素Pi的值为0到1之间的一个随机小数，即P中的元素为{p1，P2,化......， Pn}，〇《Pi《l (3) 生成序列信息，即序列活动图；序列活动图定义为Ξ元组：（C，P，E)，其中C表示 特征点集合，P表示每个特征点对应的利用概率集合，E表示边集，E中包含m条边ei，即两 个特征点之间的序列^中元素6鹿义为（0。，叫，(11)，其中0。，^(1《曰，13《11)为表示起 点和终点的两个特征点，di为边的长度，首先生成边的长度，边的长度由待解决问题所关注 的焦点结合实际情况来决定，然后结合步骤（1)、（2)所获得的特征点集和概率集构成序列 活动图； 根据序列活动图生成序列；生成序列集合R，R中包含k条完整的序列Γι，用点的集合形 式表示，即R中的元素为{γι，……，rj，R中元素的长度设为r。，实际形式为 (C。，Cb......Cfc),Ca,Cb......Cfc(1《a,bjc《η)为序列中的紧邻的点，Ca为起始点，crc为 结束点，为了控制序列长度rt，r。取1到η的开平方之间的一个随机整数，即1《rc《sqrt(η)； (4) 计算序列活动图中潜在的空载序列距离期望值，结合活动点的当前位置选择并推 荐最优序列；最优序列的选择方法基于潜在的空载序列距离期望值，空载序列距离期望值 计算方法如下：假设点A到点Β之间有一条长度为dist的序列，A为活动点位置，点Β的 利用概率为Pb，若在B点可W得W应用，那么由A到B构成的序列可看作是有价值的，反之， 若B点没有得到利用，则需要前往下一个潜在特征点，那么由A到B构成的序列是无用的， 假设较坏的情况，即前往的下一个潜在特征点是无用的，将运段序列的消耗记为CostA，计 算方式如下： 。二二4 =二U-托? 即运段序列的消耗等于两点之间的长度乘WΒ点不利用的概率，对于点Β的选取，根 据A得到与之最近的k个点作为待判定点，对其预估的消耗为对应的CostA的值，选取其中 CostA值最小者向后构造后继序列，依此类推，建立一个消耗值为L的有向序列，作为所求 的推荐序列候选；将集合C中N个特征点依次作为活动点起始位置来生成Μ条消耗为L的 推荐序列候选集合，计算每一条序列的潜在空载距离期望值，并在此基础上选择潜在空载 距离期望值最小者作为推荐序列。2. 根据权利要求1所述的序列化信息推荐方法，其特征在于步骤（4)中所述的空载序 列距离期望值计算方法的优化方法，具体过程如下： 对于当前位置化C油，有k条完整的序列，分别为ri,。，。，……，rk，每条序列记为 Ll'a，L!，b 、L2，a, L2，b ^2,rc-^? ^ ^3, a> ^3,b ^3, rc-^? ? ^ ^k, a> ^k,b 曰 先计算序列PoC油一Cl,。一c1,b.......ci,r。的空载序列期望，并存放为最小值变量min 中；然后再依次计算其他序列，若计算得到的其他序列的空载序列期望小于当前min值时， 将此值存入当前min变量中，如此不断迭代，当出现在计算某一序列的过程中，其中间结果 值超过min值时，便不再继续计算，舍弃此序列进行剪枝。
【专利摘要】本发明涉及信息推荐领域，提供一种序列化信息推荐的方法，包括如下步骤：（1）生成序列元素特征点；（2）以历史数据作为样本集，生成序列元素特征点利用概率，作为推荐序列的评价基础指标；（3）生成序列信息，（4）计算序列活动图中潜在的空载序列距离期望值，选择潜在空载距离期望值最小者作为最优推荐序列。本发明方法针对序列元素的特征设定权重，根据序列特征约束进行个性化推荐，解决序列化信息推荐精度不高和效率低下等技术问题。
【IPC分类】G06F17/30, G06K9/62
【公开号】CN105404666
【申请号】CN201510770511
【发明人】叶俊民, 陈曙, 李超, 王继新, 左明章
【申请人】华中师范大学
【公开日】2016年3月16日
【申请日】2015年11月12日