一種主動的空間信息個性化分發(fā)方法
【專利摘要】本發(fā)明公開了一種主動的空間信息個性化分發(fā)方法，該方法通過構(gòu)建空間信息用戶模型、建立和過濾分發(fā)候選集、求解分發(fā)決策集等三個步驟來實現(xiàn)。本發(fā)明提供的一種空間信息用戶模型的建立方法，通過查詢分解、權(quán)值求解、分布特征值求解、興趣度和規(guī)則建立等四個步驟來實現(xiàn)；建立和過濾分發(fā)候選集通過空間信息用戶模型的興趣度和規(guī)則過濾來實現(xiàn)；求解分發(fā)決策集通過顧及分布特征值的效用度計算方法來實現(xiàn)。本發(fā)明的有益效果是：通過建立一種空間信息用戶模型，實現(xiàn)了一種主動的空間信息個性化分發(fā)方法。
【專利說明】一種主動的空間信息個性化分發(fā)方法
[0001]

【技術(shù)領(lǐng)域】
[0002] 本發(fā)明屬于信息領(lǐng)域，具體涉及一種主動的空間信息個性化分發(fā)方法。
[0003]

【背景技術(shù)】
[0004] 空間信息分發(fā)是將空間信息由數(shù)據(jù)源傳遞到用戶的過程。
[0005] 目前的空間信息分發(fā)主要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。
[0006] 這種按照用戶提出的查詢指令查找符合條件的相關(guān)內(nèi)容，并把檢索結(jié)果組織起來 返回給用戶的分發(fā)模式，具體存在以下問題： 1. 不同的空間信息之間不能互聯(lián)互通和共享； 2. 使用不方便，用戶不能按應(yīng)用需求一次得到多種類型的信息，需分多次獲取不同種 類的信息； 3. 難以準(zhǔn)確獲取所需信息，往往還需人工從大量查詢結(jié)果中進行挑選； 4. 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(jié)果，不能反映 不同用戶的個性化需求； 5. 對于用戶的興趣和需求，不能被系統(tǒng)理解，也就不能向用戶提供主動的分發(fā)服務(wù)。
[0007] 因此，目前的空間信息分發(fā)由于其分發(fā)模式處于單一、被動的狀況。當(dāng)用戶需要 相似或相關(guān)信息之時，需頻繁地通過查詢獲取，通常還需要二次檢索從大量查詢結(jié)果中進 行挑選。這種模式需要消耗大量的重復(fù)勞動，難以滿足用戶對空間信息主動服務(wù)和個性 化服務(wù)的應(yīng)用需求。為適應(yīng)主動服務(wù)和個性化服務(wù)的應(yīng)用需求，文獻（Sung Ho Ha and Jang Lee Lee, "Dynamic Dissemination of Personalized Content on the Web"， Journal of Organizational Computing and Electronic Commerce, Volume 19, Issue 2, pp. 96-111, 2009)提出動態(tài)數(shù)字信息分發(fā)系統(tǒng)（Dynamic Dissemination of Digital Information system, DDDIs),通過為用戶建立一種動態(tài)的用戶偏好模型，根據(jù)用戶偏好 模型與新待分發(fā)信息的內(nèi)容相關(guān)性進行在線內(nèi)容匹配，從而可以主動的提供個性化的內(nèi)容 分發(fā)。DDDIs的用戶偏好模型是通過貝葉斯分類器計算待分發(fā)信息的各個分類的后驗概率 組成的向量來表達的，而內(nèi)容匹配則先通過自組織映射（Self-organizing Map, S0M)進行 新信息的聚類，再通過聚類中心與用戶偏好向量的歐式距離計算得到。由于空間信息的多 維和區(qū)間覆蓋的特性，這種建立在信息分類基礎(chǔ)上的用戶偏好模型是難以滿足空間信息分 發(fā)的應(yīng)用需求的。
[0008]


【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的是解決現(xiàn)有空間信息分發(fā)技術(shù)中存在的不能提供主動的空間信息 個性化分發(fā)服務(wù)的問題。
[0010] 為此，本發(fā)明提供一種主動的空間信息個性化分發(fā)方法，該方法克服了目前的空 間信息分發(fā)模式的單一和被動的狀況，實現(xiàn)了一種主動的空間信息的個性化分發(fā)方法，從 而能夠滿足用戶對空間信息的主動服務(wù)和個性化服務(wù)的應(yīng)用需求。
[0011] 本發(fā)明提供的一種主動的空間信息個性化分發(fā)方法，其特征在于它包括下述步 驟： 第1步建立空間信息用戶模型 建立空間信息用戶模型的方法為：

【權(quán)利要求】
1. 一種主動的空間信息個性化分發(fā)方法，其特征在于它包括下述步驟： 第1步構(gòu)建空間信息用戶模型M 抝建空問#T.自、田戶摁型M的忖耜晝，

A為元素項，是用來描述空間信息內(nèi)容和特征的不可再分的元數(shù)據(jù)項，I- 是元素項的序號，jr表示元素項的個數(shù)，^ 是馬的權(quán)值，^表示反映6的分布 特征的二元組集合，
為A的區(qū)間變量根據(jù)觀測樣本的 上限和下限對樣本空間進行非均勻分割的子區(qū)間，％是巧的子區(qū)間的個數(shù)，貧是5的子區(qū) 間的序號，4^是，的區(qū)間變量在子區(qū)間~上的分布特征值；4是巧的區(qū)間變量的區(qū)間方 差； _
4是第;j個用戶感興趣的概念^是概念的個數(shù)，L是用戶 對4的興趣度；J*
rf表示第f條產(chǎn)生 式規(guī)則，B是規(guī)則的個數(shù)，< 是規(guī)則的前件,<_辦> 是規(guī)則的后件； 第2步建立和過濾分發(fā)候選集 第2. 1步將初始空間信息集作為分發(fā)候選集，根據(jù)P = k|?_：=：lXL,依次判斷空 間信息是否滿足G的前件<jF?*fcalK> ,如果滿足，則執(zhí)行規(guī)則的后件,當(dāng)規(guī)則的
后件為<N>，則直接從分發(fā)候選集中刪除；當(dāng)規(guī)則的后件為<D>，則從分發(fā)候選集中刪除，并 加入分發(fā)決策集； 第2. 2步在分發(fā)候選集中，根據(jù) 將h大于給定閾值的空間 信息，從分發(fā)候選集中刪除，并加入分發(fā)決策集； 第3步求解分發(fā)決策集 第3. 1步構(gòu)造決策矩陣，并求理想解 首先，將分發(fā)候選集中空間信息內(nèi)容表達為： St ={X^D} (II) 式中，尾為空間信息內(nèi)容表達式；I = ，5工A)，今為元素項，是用來描述空間 信息內(nèi)容和特征的不可再分的元數(shù)據(jù)項，稱為決策矩陣的屬性；D = (〇i工，⑴， 為戽在屬性巧下的屬性值，為區(qū)間數(shù)[4'*r], c為a的下限,為焉的上限，則對于空 間信息集S =識〇〇工》足U工AraK每一個元素足ca為（II)所述的表達式，其下標(biāo)集為 Sa={c〇Xi_ c〇x u(價，f為下標(biāo)集的個數(shù)，為下標(biāo)集的序號，對于VcC/)eSs， 3
表示第J個u， ~表示第J個A; 其次，建立方案集{足〇〇1，足ul，足^關(guān)于屬性集(V-4幻的決策矩陣jr :
(III) 式中，7#為方案尾u在決策屬性巧下的屬性值；最后，建立備選方案的理想解與備選方案的負(fù)理想解
(IV) (V) 式中，4-為屬性巧的理想解，4a為屬性$的負(fù)理想解；若用戶模型中每個非均勻分 割的子區(qū)間％對應(yīng)的區(qū)間數(shù)為&，則
(VI) (VII) 式中，《為屬性$的非均勻分割子區(qū)間&，丄，"％對應(yīng)的效用度最大的區(qū) 間數(shù)，巧為子區(qū)間個數(shù)，和分別為該區(qū)間數(shù)的下限和上限，此時子區(qū)間記為 ，/&為子區(qū)間對應(yīng)的分布特征值；4°為屬性&的負(fù)理想解，為屬性&的效用度最 小的區(qū)間數(shù)，和分別為該區(qū)間數(shù)的下限和上限，此時子區(qū)間為為子區(qū)間 對應(yīng)的分布特征值； 第3. 2步確立分發(fā)決策集 第3. 2. 1步，與理想解和負(fù)理想解的特征距離為
' ' (VIII) (IX) (X) 式中，rf/為方案尾_與理想解的特征距離，為方案sfU)與負(fù)理想解的特征距離，I 為方案筆03在各個屬性，，f=l, 的屬性值向量；為備選方案的理想解；，是屬 性巧的權(quán)值，< 為屬性5的理想解，爲(wèi)為方案5在屬性A的屬性值，4°為屬性6的負(fù) 理想解，j為正理想解和負(fù)理想解，#為區(qū)間屬性值，嶙是A的區(qū)間變量的區(qū)間方差，為 是巧的區(qū)間變量的區(qū)間方差的閾值，為子區(qū)間對應(yīng)的分布特征值；為求理想 解與區(qū)間屬性值的距離函數(shù)，#?<?)為求最大值函數(shù)； 第3. 2. 2步，計算方案足w的效用度巧
(XI) 其中，
式中，W是屬性&的權(quán)值，<是屬性&的理想解，J〇f是方案Ssca在屬性&的屬性值， 為區(qū)間數(shù)，4是巧的區(qū)間變量的區(qū)間方差，為是褐的區(qū)間變量的區(qū)間方差的閾值； 第3. 2. 3步，根據(jù)效用度巧值，將大于或等于給定閾值的方案依次加入分發(fā)決策集，從 而確立分發(fā)決策集。
2.根據(jù)權(quán)利要求1所述的一種主動的空間信息個性化分發(fā)方法，其特征在于：第1步 中的空間信息用戶模型按照下述步驟建立： 第1. 1步查詢分解： 將用戶的查詢條件分解為僅包含元素項的原子查詢條件，元素項是指用來描述空間信 息內(nèi)容和特征的不可再分的元數(shù)據(jù)項；原子查詢條件是指不可再分解為包含元素項的查詢 條件，將原子查詢條件中元素項又稱為檢索分量； 第1. 2步按照下述過程進行權(quán)值求解： (1. 2. 1)統(tǒng)計檢索分量的頻率巧：
式中，f表示檢索分量序號，4表示第f個檢索分量的檢索次數(shù)，#表示檢索次數(shù)，ir表 示檢索分量的個數(shù)，ft表示第1個檢索分量的檢索頻率； (1.2. 2)計算歸一化檢索頻率:
式中，惠表示第i個檢索分量的歸一化檢索頻率； (1. 2. 3)計算檢索分量的權(quán)值wf : = P\ 第1. 3步按照下述步驟求解分布特征二元組集合：
(1.3. 1)樣本空間的非均勻分割： 令Zf為巧對應(yīng)的區(qū)間變量，芩t為Zf的第個樣本的觀測值
,最小樣本空間
其中，I為區(qū)間變量4的觀 測樣本的序號，為區(qū)間變量驀的第Jt個樣本的觀測值的下限，為區(qū)間變量；的第 I:個樣本的觀測值的上限，矣為區(qū)間變量芩的樣本集合，Hf為區(qū)間變量zl的觀測樣本的總 數(shù)；通過各樣本觀測值的上限和下限將if非均勻分割成子區(qū)間，子區(qū)間的個數(shù)為1%,記為
式中，&表示第1?個檢索分量的第#個子區(qū)間，U為的下限，^為&的上限， 為子區(qū)間個數(shù)，^為的下限，為&，的上限； (1. 3. 2)計算子區(qū)間的出現(xiàn)概率/^ :
式中，表示第f個分量的第貧個子區(qū)間的出現(xiàn)概率，為區(qū)間變量芩的第Jt個觀 測樣本值，&為根據(jù)觀測樣本的上限和下限非均勻分割的第#個子區(qū)間，4(*)為示性函 數(shù)，非空時為1，空集時為〇 ; (1. 3. 3)通過子區(qū)間出現(xiàn)概率的線性變換，計算子區(qū)間的分布特征值:
式中，/?ir表示第i?個分量的第貧個子區(qū)間的出現(xiàn)概率，^^為屙的區(qū)間變量在子區(qū)間 上的分布特征值，為取最小值的函數(shù)，為取最大值的函數(shù)； 第1.4步通過人工交互輸入確立用戶感興趣的概念與興趣度以及分發(fā)決策的規(guī)則， 形功
式中，4是用戶感興趣的概念，If是 用戶對4的興趣度
表示第f條產(chǎn)生式規(guī)則《是規(guī)則 的個數(shù)，< >是規(guī)則的前件，< FKSIiif >是規(guī)則的后件。
【文檔編號】G06F17/30GK104281696SQ201410544892
【公開日】2015年1月14日 申請日期:2014年10月16日 優(yōu)先權(quán)日:2014年10月16日
【發(fā)明者】夏宇, 朱欣焰 申請人:江西師范大學(xué)