情境化偏好知识库的构建与利用方法研究.doc

情境化偏好知识库的构建与利用方法研究 　　【摘要】普适个性化内容推荐是近年来学术界和业界关注的热点问题。本文针对目前该领域研究缺乏从知识管理视角构建情境偏好关系方法的问题，在前期研究的基础上，分析了情境偏好关联构建的过程与方法，以内容推荐为目标，给出了上下文感知领域相关文献对于情境模型操作的解释。最后与相关方法进行了比较分析 【关键词】普适个性化推荐；上下文；情境 一、引言 普适个性化内容推荐是指根据用户偏好、行为习惯和时空环境等因素，将相关内容通过各种网络终端主动推送给用户的一种动态的个性化服务模式。该领域的研究将个性化服务、上下文感知计算和语义网服务等领域的方法和技术相结合，致力于在一种开放、动态和集成的环境下，给用户提供随时随地的，更具针对性和智能化的服务。这些问题的研究对于支持内容服务模式的创新和内容服务行业的发展具有很大的理论意义和商业价值 目前，该领域的研究仍处于探索阶段，成熟的规模化应用并不多见。原因在于个性化、上下文感知计算等领域的研究并未实现深度融合，以解决普适推荐领域的一些新问题。本文在前期研究的基础上，研究情境化用户偏好知识库的构建过程和利用方法，建立情境与服务之间的关系，解释相关文献并未给出的情境操作对于内容推荐目标的意义 二、情境化用户偏好本体模型 本体模型构建的主要目的是实现知识共享和重用、消除数据冗余、克服数据稀疏性。利用到的重要本体模型片段如图2-1所示 该模型包括用户偏好、上下文和情境3个主要概念。用户偏好描述用户频繁访问的内容服务类目，本文区分上下文（Context）和情境（Situation）两个概念：上下文是情境属性取值的概念集；而情境是由属性和取值构成的键值对集，形式化表示为：Situation={c1：V1； c2：V2…cn：Vn}，其中ci为情境的属性，其值域定义为相应上下文本体中的概念。上下文起着衔接用户偏好与情境的桥梁作用，偏好并不直接依赖于情境，而是依赖于不同的情境属性，依赖度描述某类偏好对不同情境属性的依赖关系，用于约减不重要的属性维度 三、情境偏好关联规则构建的过程与方法 （一）关联挖掘的过程 本研究通过关联规则描述偏好与情境的关系，关联规则提供的定量参数利于对存在冲突的规则进行甄选；结合形式概念分析理论，利用量化频繁标引格建立用户偏好与不同粒度情境之间的语义关联。情境偏好关联挖掘的过程主要分为如图3-1所示的5个阶段 各个阶段的任务说明如下： 1、数据获取：是指从分布的各类应用系统中获得原始的用户访问历史数据，这些数据记录了用户在何时、何地和怎样的外部环境条件下获取过哪些内容 2、本体映射：将原始数据通过映射规则转化为相应的本体概念，映射规则可用定义或学习的方法得到 3、数据熔合：将本体映射阶段得到的统一规范的数据整合到集成数据库中，作为构建情境偏好语义关联的输入 4、关联挖掘：通过垂直数据挖掘的方法挖掘不同粒度情境与偏好之间的关联，利用量化频繁标引格结构建立情境偏好知识库。该结构在后续推荐过程中当某些维度的上下文数据不可用的情况下仍然具有一定的有效性。情境偏好关联构建的方法与具体算法实现见诸于笔者的前期研究 5、规则提取：根据推荐需求可沿不同路径提取情境偏好或偏好情境规则，求解当前情境下适宜推荐的内容或要推荐某种内容的最适宜情境 （二）情境模型上的操作及解释 情境模型上的操作是一系列逻辑和时序操作的集合。上下文感知服务的目标是根据上下文的变化而采取服务行动，研究情境（Situation）的相关文献讨论了情境模型上的各种操作，如：Weiβenberg提出了情境模型的特化、泛化、比较等操作；Ye分析了情境之间的分解、组合和时序关系等。但这些文献均未分析情境操作与服务之间的关系。本文定义的情境形式化描述为：Situation={c1：V1； c2：V2…cn：Vn}。情境之间的基本分类组合关系如图3-2所示 原子情境在本研究中是指能在情境格中有哪些信誉好的足球投注网站到的最细粒度的情境，如：图3-3中的第二层结点（#6，#7，#8，#9）对应的上下文取值描述；组合情境是由原子情境或其自身通过逻辑操作导出的情境。下面根据形式概念分析理论，给出情境逻辑操作的定义和解释 定义3.1：定义Op为情境上的操作集，Op={Generalize， Specialize， Negate， Matching， Sequence}，其中各操作依次表示：泛化、特化、取反、匹配和时序 1、情境的泛化 Generalize（Situ1…，SituN）=Situ{Intersection（ContextFeature（Situ1），… ContextFeature （SituN））} 上式表示泛化情境的属性集是被