基于本體的個性化主動推送服務(wù)技術(shù)的研究

鄒依彤，王紅霞

（沈陽理工大學(xué)信息科學(xué)與工程學(xué)院，遼寧沈陽，110159）

1　推送服務(wù)的實現(xiàn)形式

推送服務(wù)主要體現(xiàn)為如下三種形式：RSS頻道推送、郵件推送、推送代理推送。

1.1　RSS頻道推送

RSS也稱之為聚合RSS，全稱是Really Simple Syndication，是一種很受歡迎的資源共享應(yīng)用，同時也是資源共享模式的延伸，最早的RSS服務(wù)器就具備了較為完善的服務(wù)推送功能，用戶無需自己手動輸入搜索內(nèi)容，另一方面，在時效性方面，RSS也能夠根據(jù)用戶的需求實時的更新所需要的信息。

1.2　郵件推送

是指將用戶感興趣的信息以電子郵件的形式推送給用戶，用戶也可以選擇閱讀、下載或刪除推送的消息，同時底層的服務(wù)及協(xié)議均由基本的電子郵件服務(wù)提供商提供。

1.3　推送代理推送

這種方式需要在一定程度上依賴用戶，用戶需要首先描述自己的需求，然后服務(wù)器把這份請求傳遞給推送代理，將用戶的需求信息傳送至查詢代理，篩選信息的所有工作都交由查詢代理來完成。因為這種方式需要用戶的干預(yù)，因此智能性還有待提高。

2　推送流程

2.1　信息獲取

首先建立文本數(shù)據(jù)庫，這個步驟又可以細(xì)分為：首先選擇要使用的文檔，然后確定對這些文檔所做的操作，構(gòu)造出文本的模型，進(jìn)而生成文檔的邏輯視圖。之后對生成的邏輯視圖建立倒排索引。在推送之前還需對推送進(jìn)行預(yù)處理，如根據(jù)用戶的反饋進(jìn)行實時的調(diào)整，在獲得結(jié)果之后，還會根據(jù)用戶的感興趣程度對結(jié)果進(jìn)行排序，最后反饋給用戶。整個過程中，為了提高工作效率，必須先對搜索范圍內(nèi)的文檔進(jìn)行文本預(yù)處理，使其成為關(guān)鍵詞類的倒排文件，建立倒排文件的流程如下：詞法、語法分析→刪除無用詞匯→詞干提取→選擇關(guān)鍵詞作為索引詞。

2.2　文本預(yù)處理

這一步驟主要是對詞語的切分，主要采用的中文分詞方法有:最佳匹配法、反向最大匹配法、逐詞遍歷法、正向最大匹配法、設(shè)立切分標(biāo)識法。這幾種方式由于正向最大匹配法原理簡單，而且具有更大的應(yīng)用范圍，因此，這里使用正向最大匹配法來實現(xiàn)詞語的切分。

2.3　信息過濾

本步驟的主要目的是進(jìn)行信息過濾，其目的是把不相關(guān)或相關(guān)程度較低的文檔過濾掉，并將剩下的文檔按照與用戶興趣相似的程度進(jìn)行排序。信息過濾的流程如下：根據(jù)用戶興趣關(guān)鍵字搜索并返回一批文檔，然后將文檔預(yù)處理，過濾掉無用的及其他干擾信息，然后計算該文檔向量與用戶興趣文檔的相似程度，判斷相似度是否大于某一閾值，將符合條件的結(jié)果反饋給用戶。

3　相關(guān)算法

3.1　特征詞向量模型算法

首先根據(jù)用戶的反饋行為，計算每個頁面的“興趣度”，然后用戶瀏覽的頁面統(tǒng)一用tf/tdf的方法產(chǎn)生每個文件的特征詞向量，即1P。之后修改1F中的每個特征詞 ijK 的權(quán)重 ijKW ,產(chǎn)生新的文件向量，將所有文件向量中的相關(guān)特征詞按權(quán)重和排序，產(chǎn)生新的User Profile。最后將 Fi作為輸出，Ii( W)作為期望的輸出，從而訓(xùn)練和更新興趣模型。

3.2　向量模型匹配關(guān)鍵詞算法

向量模型中的權(quán)重是根據(jù)單詞出現(xiàn)的頻率定義的，現(xiàn)在普遍使用的權(quán)重計算方法是：

從上面的公式可以知道，當(dāng)詞條在文章中出現(xiàn)的次數(shù)越多，權(quán)重值也就越大。

3.3　興趣模型的更新

由于用戶的感興趣程度是一個抽象的概念，因此考慮對其進(jìn)行簡單的量化，把用戶對推送結(jié)果的反饋分為五個等級：設(shè)置很不感興趣的值為-2，不感興趣的值為-1，一般為0，感興趣為+1，很感興趣為+2，根據(jù)用戶的評價值，對用戶模型進(jìn)行學(xué)習(xí)、反饋和更新。

反饋學(xué)習(xí)的公式為：P=P+α×*f*D，其中，P為用戶興趣的矢量表示，D為用戶評價文檔的矢量表示，根據(jù)用戶的相關(guān)反饋信息，不斷調(diào)整用戶的興趣模型，使它能夠更精確地描述用戶的興趣和需求。

4　用戶模型本題庫

本體在用戶興趣層面上詳細(xì)描述了概念模型和詞與詞之間的語義關(guān)系，有利于邏輯推理的語義推導(dǎo)，有利于建立用戶的個性化興趣模型，也為根據(jù)相似用戶進(jìn)行推薦提供了基礎(chǔ)。本體用戶模型的形式化表示為：OUM=｛PI，C，D，S｝，其中，PI表示用戶個人信息，用于標(biāo)識區(qū)分各個用戶，C={ 1C，, 2C , 3C ,… nC }表示領(lǐng)域本體中用戶感興趣的概念集合；D=｛1D，2D,3D，…表示用戶對集合C中所有概念的興趣度集合，表示集合C中所有兩兩概念之間的語義相似度。其中，每個元素表示 C i和 C j之間的語義相似度。

5　性能分析

實驗對326個已登錄的用戶使用1000部電影標(biāo)本進(jìn)行實驗，主要測試服務(wù)檢索和主動推送性能，其中，服務(wù)檢索方面的性能通過查全率和查準(zhǔn)率兩個方面進(jìn)行刻畫；主動推送性能利用推送的全面性和多樣性來表達(dá)，實驗結(jié)果證明：針對服務(wù)檢索，引入本體后的模型與傳統(tǒng)的推送服務(wù)相比，有明顯的提高，檢索的服務(wù)質(zhì)量也有明顯的提升；另一方面，模型對個性化服務(wù)的質(zhì)量、推送的多樣性也有了明顯的提高。