面向遙感信息智能分發(fā)的用戶模型建模方法
【專利摘要】面向遙感信息智能分發(fā)的用戶模型建模方法，基于用戶檢索歷史樣本數(shù)據(jù)和瀏覽行為統(tǒng)計數(shù)據(jù)，包括對元數(shù)據(jù)的建模，及對每一元數(shù)據(jù)項對應的目標權重向量建模，及對效用度進行計算并排序的步驟，還包括對用戶興趣度的建模，所述用戶興趣度的建?；趯τ脩舨僮餍袨榈姆治鼋y(tǒng)計；所述對效用度進行計算的方法為：?其中Zi為用戶興趣度，Wi為目標權重向量，下標i表示不同的元數(shù)據(jù)項，j表示不同的備選方案。采用本發(fā)明所述面向遙感信息智能分發(fā)的用戶模型建模方法，設計了適合遙感信息智能分發(fā)的用戶模型形式，適合描述用戶在遙感信息各項關鍵屬性的興趣分布；并且能夠隨著用戶興趣的變化進行動態(tài)修正。
【專利說明】面向遙感信息智能分發(fā)的用戶模型建模方法

【技術領域】
[0001] 本發(fā)明屬于遙感信息領域，涉及遙感信息的處理分發(fā)方法，特別是一種面向遙感 信息智能分發(fā)的用戶模型建模方法。

【背景技術】
[0002] 遙感信息分發(fā)是遙感信息得以充分利用的一個必要環(huán)節(jié)。傳統(tǒng)的分發(fā)方法都是由 用戶提供查詢條件，通過查詢與下載的方式，完成空間信息的分發(fā)過程。這種模式存在兩點 不足：1)對于不同興趣的用戶，只要提供的查詢條件相同，系統(tǒng)都返回相同的結果，不能反 映不同空間信息用戶的個性化的需求；2)對于用戶的興趣和需求，不能被系統(tǒng)"理解"，也就 不能提供主動的分發(fā)服務。隨著遙感信息應用領域的不斷拓展，這種傳統(tǒng)的分發(fā)模式越來 越不能滿足人們的需求。人們越來越期望遙感信息的智能分發(fā)服務，遙感信息智能分發(fā)的 "智能"體現(xiàn)在個性化和主動分發(fā)兩個方面，個性化意味著可以針對不同的用戶分發(fā)不同的 遙感信息，主動分發(fā)指系統(tǒng)能夠按一定的機制在適當?shù)臅r機自主地將用戶需求的相關信息 提供給用戶。
[0003] 遙感信息用戶模型是遙感信息智能分發(fā)的基礎和依據(jù)之一，用戶模型并不是對 用戶個體的一般性的描述，而是能充分表達用戶興趣偏好信息的可計算性描述，是一種具 有面向算法、具有特定數(shù)據(jù)結構、形式化的可計算模型。
[0004] 目前，淘寶、亞馬遜等購物網(wǎng)站均具有個性化推薦的功能，這些網(wǎng)站在用戶登錄 后，會根據(jù)以往的購物和瀏覽記錄為用戶建立用戶模型，以便提供相應的產(chǎn)品推薦列表。這 類用戶模型雖然在電子商務領域產(chǎn)生了良好效果，但是由于空間信息的特殊性和復雜性， 需要考慮到地理位置、空間關系及遙感信息的多源、多時相與多分辨率等特性，因此電子商 務領域的用戶模型并不能很好的應用于遙感信息的表達與智能分發(fā)。夏宇提出了面向空間 信息智能分發(fā)的用戶偏好模型，采用區(qū)間數(shù)表達具有區(qū)間范圍特征的經(jīng)度、緯度、時間、頻 譜和空間分辨率等指標的用戶檢索特征。該模型較好地解決了空間數(shù)據(jù)各屬性特征的表達 問題，但仍存在空間范圍定位不夠準確、效用度估計存在偏差、特征值分布過于集中、模型 缺少完整的動態(tài)化機制等不足。李新廣、范明虎和杜虎在已有基礎上進行擴展，引入?yún)^(qū)域 數(shù)、興趣度、興趣度密度等概念和算法，以及目標權重向量衰減函數(shù)和用戶信息反饋等動態(tài) 化因素。但是，該模型只單一地考慮了時間因素對興趣度、興趣密度的影響，忽略了用戶操 作行為在檢索過程中的重要作用。總之，現(xiàn)有的用戶模型只考慮時間因素而忽略了用戶操 作行為對興趣度的影響，導致用來獲取用戶興趣的信息不足，不能深入發(fā)現(xiàn)和及時根據(jù)用 戶自身興趣的偏移進行調整。


【發(fā)明內容】

[0005] 為克服現(xiàn)有遙感數(shù)據(jù)分發(fā)過程中忽略用戶興趣度，不能深入發(fā)現(xiàn)和及時根據(jù)用戶 自身興趣的偏移進行調整的技術缺陷，本發(fā)明公開了一種面向遙感信息智能分發(fā)的用戶模 型建模方法。
[0006] 本發(fā)明所述面向遙感信息智能分發(fā)的用戶模型建模方法，基于用戶檢索歷史樣本 數(shù)據(jù)和瀏覽行為統(tǒng)計數(shù)據(jù)，包括對元數(shù)據(jù)的建模，及對每一元數(shù)據(jù)項對應的目標權重向量 建模，及對效用度進行計算并排序的步驟， 還包括對用戶興趣度的建模，所述用戶興趣度的建?；趯τ脩舨僮餍袨榈姆治鼋y(tǒng) 計；所述對效用度進行計算的方法為：

【權利要求】
1. 面向遙感信息智能分發(fā)的用戶模型建模方法，基于用戶檢索歷史樣本數(shù)據(jù)和瀏覽行 為統(tǒng)計數(shù)據(jù)，包括對元數(shù)據(jù)的建模，及對每一元數(shù)據(jù)項對應的目標權重向量建模，及對效用 度進行計算并排序的步驟， 其特征在于，還包括對用戶興趣度的建模，所述用戶興趣度的建?；趯τ脩舨僮餍?為的分析統(tǒng)計；所述對效用度進行計算的方法為：
其中Zi為用戶興趣度，Wi為目標權重向量，下標i表示不同的元數(shù)據(jù)項，j表示不同的 備選方案。
2. 如權利要求1所述的面向遙感信息智能分發(fā)的用戶模型建模方法，其特征在于，所 述用戶興趣度的建模包括如下步驟： 構建興趣行為集合
/B的分量L B2，…，BN表征用戶的不同操作行 為； 計算標準化值
Sij為元素項檢索時第i條記錄中第j種操作行為的標準化值， min (By)和max (By)分別為第i條記錄中第j項操作行為的最小值和最大值； 計算操作行為的信息熵
，其中
，N為興趣行為集合忍的分量數(shù)量； 計算各個操作行為的權重；
;則.
計算興趣度；
3. 如權利要求2所述的面向遙感信息智能分發(fā)的用戶模型建模方法，其特征在于，所 述N=7,7種操作行為分別為用戶的平均瀏覽時間、重復訪問同一頁面、訪問的同一關鍵詞、 點擊鏈接、拉動滾動條、將頁面保存于書簽中，以及下載影像。
4. 如權利要求1所述的面向遙感信息智能分發(fā)的用戶模型建模方法，其特征在于，用 戶模型為M={X, W, R, V，Z}，其中X表征元數(shù)據(jù)，W表征每一元數(shù)據(jù)項的目標權重向量，R表 征Xi的分布范圍和步長，V表征Xi的分布特征值，Z表征用戶興趣度； 所述
\代表遙感信息中的元數(shù)據(jù)項，
，Wi為 \的目標權重向量； 求解Wi的方法包括如下步驟： 確定各個Xi的區(qū)間權重向量，
其中，f?t]為元素項6的區(qū)間權重向量，為備選方案h中元素項Xi對應的檢索樣本 值，:[G1-Μ為備選方案Sj的標準指標值?"到理想解Γ;的距離，
為備選方案Sj的 標準指標值--_Ι到負理想解^的距離；所述備選方案h為根據(jù)用戶檢索歷史得到的遙感數(shù)據(jù) 分發(fā)的初選方案； 然后將區(qū)間權重向量:[WJ轉化為目標權重向量Wi，記為
，則得到 不同元素項Xi對應的目標權重向量Wi ;轉化的計算方法為：
其中
分別為該區(qū)間權重的下限和上限，Wi為元素項Xi最終 對應的權重。
5. 如權利要求4所述的面向遙感信息智能分發(fā)的用戶模型建模方法，其特征在于，所 述理想解與負理想解的確定依賴于分布特征值V，分布特征值最大的屬性值組成的區(qū)間數(shù) 向量為理想解，分布特征值最小的屬性值組成的區(qū)間數(shù)向量為負理想解。
6. 如權利要求5所述的面向遙感信息智能分發(fā)的用戶模型建模方法，其特征在于，所 述分布特征值

其中，Λ表示第i個單位子區(qū)間的出現(xiàn)概率，區(qū)間變量At為用戶所檢索的元素項\的 第t個樣本值，L為元數(shù)據(jù)所處完整區(qū)間分割后的第i個子區(qū)間A表示第i個單位子區(qū)間 的分布特征值；求和符號表示是對示性函數(shù)Ι &Θ進行求和，k?為示性函數(shù)，當
非空 時為1，空集時為0。
7. 如權利要求6所述的面向遙感信息智能分發(fā)的用戶模型建模方法，其特征在于，所 述/1根據(jù)為根據(jù)用戶檢索歷史樣本數(shù)據(jù)得出。
8. 如權利要求6所述的面向遙感信息智能分發(fā)的用戶模型建模方法，其特征在于，對 于元數(shù)據(jù)所處完整區(qū)間進行分割子區(qū)間的方法為 ： 根據(jù)用戶檢索歷史樣本數(shù)據(jù)中的各個檢索樣本
，其中
分別為檢索 樣本At的下限和上限，則分布區(qū)間最小值和最大值分別為：
尋找分布區(qū)間步長rst印，使其同時滿足下列條件81至83 :
81. 存在正整數(shù) h，使 rmin+h*rstep=rmax ;
82. 對于任一檢索樣本
，均存在唯一的整數(shù)J和L，使
83. 在滿足條件81至82的全部rstep中選擇一個最大值作為最終結果；以rmin為起 點，利用rst印分割元數(shù)據(jù)所處完整區(qū)間，得到若干子區(qū)間。
9. 如權利要求4所述的面向遙感信息智能分發(fā)的用戶模型建模方法，其特征在于，所 述元數(shù)據(jù)項Xi至少包含以下五項數(shù)據(jù)：經(jīng)度范圍、緯度范圍、時間范圍、波譜范圍、空間分辨 率。
【文檔編號】G06F17/50GK104063555SQ201410319361
【公開日】2014年9月24日 申請日期:2014年7月7日 優(yōu)先權日:2014年7月7日
【發(fā)明者】楊曉霞, 徐婷, 楊容浩, 李少達 申請人:成都理工大學