技术内容
基于情景感知组建模提供推荐的方法和装置
背景技术
[0001] 服务提供商和设备制造商(例如无线、蜂窝等)不断地面临例如通过提供有竞争力的网络服务来向客户传递价值和便利的挑战。一个发展领域已经使用推荐系统基于用户的偏好来向用户提供对内容的建议或推荐。虽然个性化的情景感知推荐系统的发展是重要的领域，但是诸如数据稀疏和算法有效性的问题仍然是需要克服的挑战。诸如利用来自相似用户的数据以得到目标用户的数据的基于群体智慧的方法的构思已经发展成克服这些挑战的一种方式。然而，随着情景维度数的增加，当将这些方法的适用范围扩展以用于考虑丰富的情景特征的推荐系统时，此类方法常常是费时的。因此，对于丰富的情景环境，服务提供商和设备制造商在向用户提供推荐系统的方面面临着技术挑战。
发明内容
[0002] 因此，需要有一种用于基于与用户情景感知组相关联的推荐模型和相对于所述用户情景感知组的针对用户的相似度值来提供推荐的方法。
[0003] 根据一个实施例，一种方法，其包括：至少部分地基于关联于用户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，来确定一个或多个相似度值。所述方法还包括：处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理，以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择。所述方法还包括处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理，以生成一个或多个用户推荐。
[0004] 根据另一实施例，一种装置，其包括：至少一个处理器，以及至少一个存储器，所述至少一个存储器包括用于一个或多个计算机程序的计算机程序代码，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，至少部分地使得所述装置至少部分地基于关联于用户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，来确定一个或多个相似度值。还使得所述装置用以处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理，以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择。所述装置还使得处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理，以生成一个或多个用户推荐。
[0005] 根据另一实施例，一种计算机可读存储介质，其载有一个或多个指令的一个或多个序列，当一个或多个指令的一个或多个序列由一个或多个处理器执行时至少部分地使得装置至少部分地基于关联于户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，来确定一个或多个相似度值。还使得所述装置处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理，以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择。还使得所述装置处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理，以生成一个或多个用户推荐。
[0006] 根据另一实施例，一种装置，其包括用于至少部分地基于关联于用户相关联的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度来确定一个或多个相似度值的构件。所述装置还包括用于处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择的构件。所述装置还包括用于处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理以生成一个或多个用户推荐的构件。
[0007] 另外，对于本发明的各种示例实施例，以下是可适用的：一种方法，其包括有助于(1)数据和/或(2)信息和/或(3)至少一个信号的处理和/或处理(1)数据和/或(2)信息和/或(3)至少一个信号，所述(1)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于(或至少部分地源自)本申请中公开的与本发明的任一个实施例相关的方法的任何一个方法或任何组合。
[0008] 对于本发明的各种示例实施例，以下也是可适用的：一种方法，其包括有助于对被配置为允许访问至少一种服务的至少一个接口的访问，所述至少一种服务被配置为执行本申请所公开的网络或服务提供商方法(或过程)中的任何一个方法或任何方法的组合。
[0009] 对于本发明的各种示例实施例，以下也是适用的：一种方法，其包括有助于创建和/或有助于修改(1)至少一个设备用户接口单元和/或(2)至少一个用户接口功能，所述(1)至少一个设备用户接口单元和/或(2)至少一个设备用户接口功能(至少部分地)基于从本申请中所公开的与本发明的任何实施例相关方法或过程中的任何一个或任何组合中产生的数据和/或信息，和/或至少一个从本申请中所公开的与本发明的任何实施例相关方法(或过程)中的任何一个或任何组合中产生的至少一个信号。
[0010] 对于本发明的各种示例实施例，以下也是适用的：一种方法，其包括创建和/或修改(1)至少一个设备用户接口单元和/或(2)至少一个设备用户接口功能，所述(1)至少一个设备用户接口单元和/或(2)至少一个设备用户接口功能至少部分地基于从本申请中所公开的与本发明的任何实施例相关方法(或过程)中的任何一个或任何组合中产生的数据和/或信息，和/或至少一个从本申请中所公开的与本发明的任何实施例相关方法(或过程)中的任何一个或任何组合中产生的至少一个信号。
[0011] 在各种示例实施例中，可以在所述服务提供商侧或所述移动设备侧，或以服务提供商和移动设备之间任何共享方式在两侧都执行动作来完成所述方法(或过程)。
[0012] 对于本发明各种示例实施例，以下也是适用的：一种装置，其包括用于执行原始提交权利要求1-13、27-39和45-48中的任何一项所述方法的构件。
[0013] 从以下仅通过说明包括用于实施本发明所预期的最优模式的多个特定实施例和实施方式的详细说明中，本发明的其它方面、特征、和优点是非常明显的。在不背离本发明精神和范围情况下，本发明还可以有其它或不同实施例，并且可对其若干细节在各种明显的方面进行修改。因此，附图和说明书本质上被认为是说明性的，而非限制性的。
附图说明
[0014] 在附图的图中作为示例而不作为限制来说明本发明的实施例：
[0015] 图1是根据一个实施例的能够基于用户情景感知组提供推荐的系统的图；
[0016] 图2是根据一个实施例的基于用户情景感知组提供推荐的推荐平台的组件的图；
[0017] 图3是根据一个实施例的用于基于用户情景感知组提供推荐的过程的流程图；
[0018] 图4是根据一个实施例的用于确定一个或多个相似度值的过程的流程图，以用于基于用户情景感知组提供推荐；
[0019] 图5是根据一个实施例的用于选择一个或多个推荐模型的过程的流程图，以用于基于用户情景感知组提供推荐；
[0020] 图6是根据一个实施例的用于生成一个或多个推荐的过程的流程图，以用于基于用户情景感知组提供推荐；
[0021] 图7是根据一个实施例的用于将用户与用于基于用户情景感知组提供推荐的至少一个用户情景感知组相关联的过程的流程图；
[0022] 图8是根据一个实施例的用于训练用于基于用户情景感知组提供推荐的用户组的推荐模型的过程的流程图；
[0023] 图9A和图9B是根据各种实施例的在图3-8的过程中所使用的用户接口的图；
[0024] 图10是能够用于实现本发明的实施例的硬件的图；
[0025] 图11是能够用于实现本发明的实施例的芯片组的图；以及
[0026] 图12是能够用于实现本发明的实施例的移动终端(例如，手机)的图。
具体实施方式
[0027] 公开了一种用于基于用户情景感知组提供推荐的方法、装置、和计算机程序的示例。在以下描述中，出于解释的目的，阐述了许多特定细节以便于提供对本发明实施例的完全理解。然而，对于本领域的技术人员来说，在没有这些特定细节或具有等同布置的情况下，也可实践本发明的实施例是显而易见的。在其它情况下，众所周知的结构和设备以框图形式示出，以避免不必要地使本发明的实施例不清楚。
[0028] 图1是根据一个实施例的能够基于用户情景感知组提供推荐的系统的示意图。如上所述，对于服务提供商来说，一种能够在变化的情景下根据用户的个性化偏好向用户进行推荐的鲁棒性、个性化的情景感知推荐系统是最有前景的服务中的一种服务。情景感知推荐系统可以根据变化的情景和用户的偏好提供关于例如软件应用、服务、音乐、书籍和其它媒体的推荐。然而，在关于数据的稀疏性以及在生成推荐中所使用的算法的有效性方面存在挑战，所述数据的稀疏性可被分析以确定推荐内容。随着用于生成推荐的可获得的情景信息的广度和可用于推荐的内容的增加，加强了这些挑战。
[0029] 为了缓解这些挑战，已经提出了基于群体智慧的情景感知推荐系统。然而，由于由推荐系统所覆盖的大量用户以及与推荐内容的丰富情景特征相比的用户数据的稀疏性，这些系统是非常耗时的并且不可靠。作为示例，一些基于群体的推荐系统依赖于现有用户的数量K以便为具有相似情景信息的新用户生成推荐。然而，当考虑到相比于新用户可能有数百万用户以从中进行选择时，确定与新用户相似的用户数量K是费时的。此外，当考虑到与现有用户的情景信息的稀疏性相比的丰富的情景感知数据集时，将新用户与现有用户进行比较以确定它们的相似度可能是困难的。也就是说，现有用户可能没有足够的数据，或者甚至根本没有数据以便将其与新用户进行比较。甚至，必须基于K个现有用户的每个新集合(从该新集合来选择推荐系统)来生成针对每个新用户的推荐模型。因此，推荐模型不能重新用于新用户。
[0030] 为解决这些问题，图1的系统100引入了基于与一个或多个用户组的参考行为信息相比的用户行为信息的相似度以及相对应的推荐模型来提供用户推荐的能力。用户情景感知组基于相似的行为信息构成了组合在一起的用户。系统100还引入了基于与超过一个用户情景感知组相关联的超过一个推荐模型来确定推荐的能力。系统100基于与用户情景感知组相关联的推荐模型来提供规格化的推荐，通过从与用户情景感知组的参考行为信息相比的用户行为信息生成的对应的相似度值对所述推荐进行规格化。偏向于特定的一个或多个用户组的调整后的推荐能够针对每个用户提供更多变化的推荐。
[0031] 作为示例，本文所描述的方法的各种实施例可用于在用户首次购买或者说获得新电话时帮助用户。例如，当用户从卖家或商店购买新电话时，可能缺乏可用于生成针对该用户的推荐的信息。然而，当接收到新设备时，用户常常希望或需要针对应用、响铃、主题、媒体等的推荐以安装在他们设备上。在这种情况下，系统200能够使用本文所描述的各种实施例以针对该用户确定适当的推荐以更好地个性化用于用户的设备。因此，当用户购买电话或推荐的应用等时，系统100使能改进用户体验(例如，使该用户更高兴)。另外，系统
100减少了用户针对此类应用必须花费的在线搜索的时间量，从而减少了针对该用户的连通性成本和在应用服务器上的网络流量和载荷。
[0032] 系统100还引入将新用户与一个或多个用户情景感知组相关联的能力。系统100挖掘新用户的情景交互信息和用户偏好以确定行为信息。然后，使用行为信息以便将新用户划分到用户情景感知组中。可将新用户分类成一个或多个监督的用户情景感知组和/或聚类成一个或多个非监督或半监督用户情景感知组。分类的用户情景感知组构成对应于预定行为特征的预定分类，诸如学生、旅游者、专业人士等。当新用户的行为信息满足于针对预定行为特征的特定阈值时，就将该新用户分类成监督的用户情景感知组。聚类的用户情景感知组构成根据聚类方法所确定的具有相似行为信息的用户组，使得可以完全基于数学来定义组。
[0033] 一旦将新用户与一个或多个用户情景感知组相关联，系统100引入了训练和/或重新训练与新用户当前相关联的组相关联的推荐模型的能力，以便考虑与该新用户相关联的新的、改变的情景感知信息，进而增加在推荐模型中所考虑的信息的广度。系统100可以基于计划表，诸如，在N的时间段之后(例如，每周、每月、每年等)来训练推荐模型。可替代或另外的，当新用户刚刚关联于用户情景感知组时，系统100能够基于新用户具有的新的情景交互信息的数量来训练推荐模型。
[0034] 如图1中所示出的，系统100包括：用户设备(UE)101a-101n(统称为UE101)具有经由通信网络105到推荐平台103的连通性。UE101还经由通信网络105连接到服务平台
107和内容提供商113a-113n(统称为内容提供商113)。
[0035] UE101包括：推荐模块111a-111n(统称为推荐模块111)，其与推荐平台103进行交互，推荐平台103用于收集和/或挖掘用户情景交互信息和用户偏好以用于确定用户行为信息。推荐模块111还能够与运行在UE101上的一个或多个应用进行连接，以用于显示由推荐平台103所生成的一个或多个推荐。虽然，在一个实施例中，推荐模块111被说明和/或描述成UE101的模块，但是推荐模块111可以构成运行在UE101上的一个或多个应用，所述应用可以与用于收集和/或挖掘用户情景交互信息和用户偏好的推荐平台103进行连接。此外，在一个实施例中，推荐平台103可以不使用推荐模块111而直接与UE101进行连接或者可以是运行在UE101上的模块和/或应用。
[0036] UE101还包括：传感器117a-117n(统称为传感器117)，其收集与UE101、UE101的用户、周围环境或其组合相关联的情景交互信息。传感器117例如可包括：位置传感器、速度传感器、亮度传感器、音频传感器、湿度传感器、加速度传感器等，其能够确定与UE101、UE101的用户、UE101的周围环境和/或UE101的用户的周围环境、或其组合相关联的情景感知信息。UE101还包括：数据存储设备119a-119n(统称为数据存储119)，其用于存储用于传送到推荐平台103的信息，诸如情景感知信息。
[0037] 如以下详细描述的，推荐平台103基于用户情景感知组提供推荐。虽然，在一个实施例中将推荐平台103说明为系统100的分离的、不同的特征，但是如果例如UE101不包括推荐模块111，则推荐平台103可以存在于UE101内。在一个实施例中，推荐平台103可以存在于服务平台107上作为服务109a。与推荐平台103或其部分通信的是平台存储115，所述平台存储115用于存储关于用户情景感知组的信息，诸如与用户情景感知组相关联的参考行为信息和推荐模型，以及用户行为信息。平台存储115能够存储用于基于用户情景感知组提供推荐的任何其他模型和/或规则。
[0038] 如上所述，推荐平台103和UE101具有经由通信网络105至包括一个或多个服务
109a-109n(统称为服务109)的服务平台107的连通性。服务109可包括：天气服务、位置服务、地图服务、导航服务、媒体服务等。服务109能够提供例如关于环境条件(例如，天气)、活动(例如，参与在线游戏)、偏好(例如，音乐偏好)、位置(例如，位置偏好)等的附加或补充信息。这个附加信息可以用于进一步限定用户行为信息以用于基于用户情景感知组提供推荐。作为示例，服务平台107能够提供服务109a，所述服务109a能够提供导航信息以便推荐平台103能够将导航信息与用户行为信息进行关联。因此，当用户正沿着路由导航时，推荐平台103能够生成相对于用户行为模式的信息。
[0039] 如上所述，推荐平台103和UE101具有经由通信网络105至内容提供商113的连通性。内容提供商能够提供关于天气、位置、地图、导航路由、媒体等的内容，进而提供可用于进一步限定用于基于用户情景感知组提供推荐的用户行为信息的附加或补充信息。作为示例，内容提供商113a能够提供过去的天气信息，使得推荐平台103能够使用户行为信息与过去天气信息相关，以便推荐平台103能够生成相对于用户在天气晴朗、多云、下雨、下雪等的行为模式。
[0040] 作为示例，系统100的通信网络105包括一个或多个网络，诸如数据网络、无线网络、电话网络，或其组合。可以设想：数据网络可以是任何局域网(LAN)、城域网(MAN)、广域网(WAN)、公共数据网络(例如互联网)、短距无线网络，或任何其它适当的分组交换网络(诸如商业所有的专有分组交换网络，例如专用线缆或光纤网络等)，或其组合。另外，无线网络例如可以是蜂窝网络，并可以利用多种技术，该多种技术包括全球演进的增强型数据速率(EDGE)、通用分组无线业务(GPRS)、全球移动通信系统(GSM)、互联网协议多媒体子系统(IMS)、通用移动电信系统(UMTS)等，以及任何其它适当的无线介质，例如，全球互通微波存取(WiMAX)技术、长期演进(LTE)网络、码分多址(CDMA)、宽带码分多址(WCDMA)、无线保真(WiFi)、无线局域网(WLAN)、蓝牙 、互联网协议(IP)数据广播、卫星、移动ad-hoc网络(MANET)等，或它们的任意组合。
[0041] UE101是任何类型的移动终端、固定终端或便携式终端，其包括移动手机、站、单元、设备、多媒体计算机、多媒体平板计算机、互联网节点、通信器、台式计算机、便携式计算机、笔记本计算机、上网本、平板计算机、个人通信系统(PCS)设备、个人导航设备，个人数字助理(PDA)、音频/视频播放器、数码相机/摄像机、定位设备、电视接收机、无线电广播接收器、电子书籍设备、游戏设备，或它们的任意组合，包括这些设备的附件和外围设备，或它们的任意组合。还可以设想UE101可以支持至用户的任何类型的接口(如“可穿戴”电路等等)。
[0042] 作为示例，UE101、推荐平台103、服务平台107以及内容提供商113使用众所周知的、新的、或仍在开发中的协议彼此相互通信，并与通信网络105的其它组件通信。在这种情景中，协议包括一组规则，其定义通信网络105中网络节点如何基于通信链路发送的信息彼此进行交互。协议在每个节点内的不同操作层是有效的，从生成和接收各种类型的物理信号，到选择链路传输这些信号，到将由这些信号表示的信息的格式化，到指示计算机系统执行的哪个软件应用发送或接收信息。用于在网络上交换信息的协议的不同概念层在开放系统互联(OSI)参考模型中描述。
[0043] 网络节点之间的通信通常通过交换离散数据分组来实施。每个分组通常包括(1)有关特定协议的报头信息，和(2)有效载荷信息，有效载荷信息跟随报头信息并包括有可独立由特定协议进行处理的信息。在某些协议中，分组包括(3)尾部信息，尾部信息跟随有效载荷并指示有效载荷信息的结束。报头包括如下的信息，诸如分组的源、它的目的地、有效载荷长度和该协议使用的其它属性。通常，用于特定协议的在有效载荷中的数据包括与OSI参考模型不同的、更高层相关联的不同协议的报头和有效载荷。用于特定协议的报头通常指示包含在其有效载荷中的下一个协议的类型。更高层协议可以说是封装在更底层协议中。如OSI参考模型所定义的那样，包括在分组中的报头穿过多个异构网络，诸如互联网，其通常包括物理层(层1)报头、数据链路层(层2)报头、互联网层(层3)报头和传输层(层4)报头和各种应用层(层5，层6和层7)报头。
[0044] 图2是根据一个实施例的推荐平台的组件的示意图。作为示例，推荐平台103包括一个或多个组件，其用于基于用户情景感知组提供推荐。可以设想：这些组件可以组合成一个或多个组件或由等同功能的其它组件来实现。在这个实施例中，推荐平台103包括：行为模块201、相似度模块203、组模块205、训练模块207、推荐模块209以及通信模块211.[0045] 行为模块210收集由推荐平台103所使用的信息以确定用户的行为信息。在一个实施例中，行为模块201通过通信模块211与UE101a、UE101a的推荐模块111a或其组合通信以确定该UE101a的情景交互信息和偏好信息。在一个实施例中，行为模块201与服务平台107、内容提供商113或其组合通信以确定在确定UE101a的用户的行为信息中所使用的附加或补充信息。一旦确定UE101a的情景交互信息和偏好信息，行为模块201挖掘针对行为信息的信息，所述行为信息由推荐平台103使用以生成一个或多个推荐。
[0046] 作为示例，行为模块201与UE101a的推荐模块111a通信以收集UE101a的用户的情景记录。所述情景记录例如可以根据时间戳、与时间戳相关联的情景交互信息、与情景交互信息和/或时间戳相关联的软件应用、以及软件应用的种类进行格式化。此类的情景记录的示例包括：
[0047]
