姜建武,，李景文，陸妍玲,，葉良松
(桂林理工大學 測繪地理信息學院,，廣西 桂林 541004)
摘要：針對傳統(tǒng)信息推送服務由于缺少對用戶個人綜合因素的考慮，存在針對性差,、推廣轉(zhuǎn)化率低的問題,，在大數(shù)據(jù)理論基礎上提出了一種基于用戶畫像的智能信息推送方法。該方法將用戶抽象為結構化信息本體,，通過構建行為－主題,、主題－詞匯及行為－詞匯三位一體的數(shù)學模型，研究基于用戶畫像的信息本體提取方法,。采用包含對象,、時間、地點,、內(nèi)容,、行為和重返次數(shù)六方面內(nèi)容的事件描述法計算本體權重，以此構建用戶畫像,。設計了基于用戶畫像的智能信息推送系統(tǒng),，為大數(shù)據(jù)環(huán)境下面向用戶的智能信息推送提供了一種新的方法。
關鍵詞：用戶畫像,；信息推送,；信息本體；大數(shù)據(jù)
中圖分類號：TP399文獻標識碼：ADOI： 10.19358/j.issn.16747720.2016.23.025
引用格式：姜建武,，李景文,，陸妍玲,，等. 基于用戶畫像的信息智能推送方法［J］.微型機與應用，2016,35（23）：86-89,92.
0引言
基于“用戶畫像”的信息智能推送服務已經(jīng)廣泛應用于亞馬遜,、京東,、阿里、百度,、百分點,、騰訊等電商和信息服務企業(yè)，國內(nèi)外眾多學者也對其進行了深入研究,。彭藝等研究了云環(huán)境下智能推送服務在數(shù)字化教學中的應用［1］;顏友軍研究了移動平臺上基于本體知識庫的問答與Web服務推送系統(tǒng)［2］;赫磊研究了基于云平臺的智慧旅游信息推送系統(tǒng)［3］;黃舒榕提出了基于JXTA的移動智能小區(qū)信息推送服務平臺［4］;劉海等采用4C理論構建了服裝領域的“用戶畫像”數(shù)據(jù)庫,，并在此基礎上構建了精準營銷細分模型［5］;莫靜泱構建了B/S架構的用戶健康消費智能推送系統(tǒng)［6］;肖鋒等圍繞LBS服務、情景模型和智能信息推送,，提出了基于位置的智能信息服務模式［78］,。然而，這些研究都是傳統(tǒng)的信息推送方法,，缺少對用戶的偏好,、時間、購買力等個人因素的考慮,，導致推送信息泛濫,，缺乏精準性。本文研究了用戶畫像數(shù)學模型的構建及基于用戶畫像的智能信息推送方法,，通過對用戶網(wǎng)絡行為數(shù)據(jù)和個人信息數(shù)據(jù)的采集,、處理，建立用戶畫像數(shù)學模型,，提取信息本體,、計算本體權重，構建用戶個人信息畫像,，并融入信息智能推送過程,，提供面向用戶的個性化精準信息推送服務。
1構建用戶畫像數(shù)學模型
1.1信息本體的確定
用戶畫像又稱用戶角色［9］,，是一種大數(shù)據(jù)環(huán)境下用戶信息標簽化方法,。信息本體是一種語義本體，分為靜態(tài)(如人口屬性,、商業(yè)屬性等)和動態(tài)兩類,。靜態(tài)本體來自用戶注冊信息，該類本體自成標簽,，在實際提取中主要進行數(shù)據(jù)清洗工作,。動態(tài)本體隱藏于用戶隨機互聯(lián)網(wǎng)行為中，具有隱蔽性，需通過數(shù)據(jù)分析,，挖掘隱藏信息并提取本體,，其提取過程如圖1所示,。
圖1中,，K表示主題集合，M表示行為集合,，Nm表示第m個行為中的詞匯個數(shù),，α,β為先驗參數(shù)。
動態(tài)本體的提取分為數(shù)據(jù)預處理,、行為主題建模,、主題詞匯建模和行為詞匯建模四個部分，其中行為主題模型與主題詞匯模型服從Dirichlet分布,，行為詞匯模型服從Multiomial分布,。
(1)行為數(shù)據(jù)預處理
首先過濾用戶行為數(shù)據(jù)，去除非文本信息,，且只保留行為文本中的動詞和名詞［10］,，然后求解各詞匯的TFIDF指標，保留指標在70%以上的詞匯,，構成動態(tài)本體數(shù)據(jù)源,。
其中，TF指詞項頻率,，TFIDF指逆文檔頻率［11］,，TFIDF指標的計算公式為：
式（1）中，N代表互聯(lián)網(wǎng)行為總集,，ni為詞匯i出現(xiàn)過的行為集合,，j為某一行為記錄，fi,j表示詞i在j中出現(xiàn)的次數(shù)［12］,。
(2)行為主題建模
從參數(shù)為α的Dirichlet分布中抽取各文檔M對應的行為主題分布模型,，記為θm，則有［10］：
其中整個行為庫中主題的生成概率為：
(3) 主題－詞匯建模
從參數(shù)為β的Dirichlet分布中抽取各主題K對應的主題－詞匯分布模型,，記為φk,，則：
其中所有主題中詞匯生成的概率為：
根據(jù)主題生成概率和詞匯生成概率得出主題詞匯的聯(lián)合分布為：
(4) 行為 詞匯建模
根據(jù)主題 詞匯分布模型和行為主題分布模型，則行為m對應的第n個詞匯的計算過程為：
?、?從θm中采樣一個主題,，記為Zm,n，則 ［10］：
?、?根據(jù)計算的主題Zm,n,，從φk中取出與Zm,n對應的特定單詞Wm,n：
在以上求解過程中，Wm,n為獲取量，Zm,n為隱含量,，本文采用Gibbs Sampling采樣法求解Zm,n,，由于圖1中①和②兩過程均服從Dirichlet－Multiomial共軛分布，根據(jù)前述所得的聯(lián)合分布p(w,z|α,β),，并將行為Z中的第i個詞對應的主題記為Zi,，i表示去除下標為i的詞，假設已經(jīng)觀測的詞wi=t,，則有如下推導：
mk和kt是對應的兩個Dirichlet后驗分布在貝葉斯框架下的參數(shù)估計,，根據(jù)Dirichlet參數(shù)估計公式得［13］：
根據(jù)以上兩式，得到最終行為－詞匯模型的Gibbs Sampling公式如下［13-14］：
通過以上步驟,，提取用戶隨機互聯(lián)網(wǎng)行為中的動態(tài)信息本體,，綜合靜態(tài)信息本體，構成用戶畫像數(shù)學模型的label參數(shù),。label只能表示用戶的興趣偏向內(nèi)容,，而無法體現(xiàn)偏向程度，需計算label權重p(i),。
1.2本體權重的計算
權重用于表示用戶對某一本體的偏向程度,。靜態(tài)本體相對穩(wěn)定，權重設為1,。目前,，用戶畫像標簽權重的計算主要考慮對象、時間,、地點,、內(nèi)容4個因素，文中提出用戶隨機互聯(lián)網(wǎng)行為的對象,、時間,、地點、內(nèi)容,、行為和重返次數(shù)6因素事件描述法,，可更全面地描述用戶的隨機互聯(lián)網(wǎng)行為。采用6因素事件描述法表示的互聯(lián)網(wǎng)隨機行為動態(tài)本體的權重計算方法如下：
(1) 對象
對象即互聯(lián)網(wǎng)上區(qū)分用戶的標識(Cookie,、IP,、Email、身份證等),，不同標識的可信度不同,。對象權重為該標識可信度值與可信度值總和的比值，即：
(2) 時間
時間包含時間戳和時間間隔兩方面內(nèi)容,。時間戳用于標識事件發(fā)生,、結束的時刻，時間間隔用于標識瀏覽時間，則時間對動態(tài)本體的權重T(label)記為瀏覽本體的時間與用戶所有上網(wǎng)時間的比值,，即：
(3) 地點(接觸點)
地點是用戶互聯(lián)網(wǎng)行為的接觸點(天貓,、官網(wǎng)等)，用戶行為接觸點的不同,，對標簽的影響亦不同,。為不同接觸點設置重要程度度量值，則地點對本體的權重L(label)為：
(4) 內(nèi)容
內(nèi)容是動態(tài)本體權重的重要組成部分,，標識了一個互聯(lián)網(wǎng)行為的核心,，用C(label)表示，即該動態(tài)本體包含詞匯的最大TFIDF指標：
(5) 行為
行為是用戶對網(wǎng)站內(nèi)容的操作,，如瀏覽、收藏等,，不同的行為具有的權重不同,，用A(label)表示，計算公式為：
(6) 重返次數(shù)
重返次數(shù)體現(xiàn)了用戶對該網(wǎng)站(產(chǎn)品,、內(nèi)容)的關注程度,，這將在很大程度上影響該次互聯(lián)網(wǎng)行為的“有效性”。重返次數(shù)采用R(label)表示,，其權重為該行為的重返次數(shù)與用戶所有瀏覽次數(shù)的比值,，計算公式為：
1.3用戶畫像最終數(shù)學模型
用戶畫像最終數(shù)學模型如式（18）所示。
式中l(wèi)abeli表示某一方面用戶的信息標簽,，p(i)表示該標簽的權重,，Obj(label)、T(label),、L(label),、C(label)、 A(label),、R(label)為事件對應六方面內(nèi)容對標簽的權重,，r為衰減因子，用來描述信息本體對某一標簽的興趣隨著時間變化的衰減程度,。
2基于用戶畫像的智能信息推送系統(tǒng)
推送技術的模式分為操作式推送和觸發(fā)式推送兩種［15］,。基于用戶畫像的智能信息推送系統(tǒng)是操作式推送與觸發(fā)式推送的結合體,，即客戶端操作觸發(fā)信息推送與服務器主動推送二者相結合,。該系統(tǒng)分為數(shù)據(jù)獲取及處理、信息本體獲取及權重計算,、信息推送三個階段,，具體過程如下：
(1) 數(shù)據(jù)獲取及處理
用戶基本數(shù)據(jù)(年齡、體重等)通過注冊信息獲取，該部分信息相對穩(wěn)定,，為靜態(tài)信息本體(如表1所示),，權重定為1。動態(tài)本體隱藏于用戶行為中,，通過用戶互聯(lián)網(wǎng)行為抓取,，實現(xiàn)電商、社交,、媒體等信息的獲取,。對數(shù)據(jù)進行預處理，主要獲取網(wǎng)頁的標題信息,，過濾用戶行為中非文本信息,，只保留動詞與名詞，且只保留TFIDF指標在70%以上的詞匯,，并按照對象,、時間、地點,、內(nèi)容,、行為五方面內(nèi)容以天為單位存儲至數(shù)據(jù)庫(如表2所示)。
(2)動態(tài)信息本體獲取
通過行為主題建模,、主題詞匯建模,、行為詞匯建模三個過程，從用戶行為庫中挖掘動態(tài)信息本體,，提取行為主體及主題詞匯,。
(3)動態(tài)信息本體權重計算
根據(jù)對象、時間,、地點,、內(nèi)容、行為五個方面,，依據(jù)動態(tài)信息本體權重計算公式求解其聯(lián)合影響權重,。
(4)用戶畫像構建
根據(jù)步驟(1)、(2),、(3)所得結果,，結合用戶畫像數(shù)學模型，構建特定用戶的用戶畫像,，采用非關系型數(shù)據(jù)庫MongoDB以Bson格式存儲,。對用戶畫像做可視化處理，直觀顯示用戶偏向內(nèi)容及偏向程度,，如圖2所示,。
(5)信息推送
將用戶畫像中各信息本體按照權重排列,，采用LBS技術定位用戶實時位置，以位置和信息本體為查詢條件,，查詢信息數(shù)據(jù)庫,，將查詢結果組合、排序,，為用戶提供符合個人情況的智能信息,，如圖3。
3結束語
本文提出的信息本體概念利于用戶描述和計算機處理,，基于行為主題,、主題詞匯及行為詞匯模型的信息本體提取方法和采用對象、時間,、地點,、內(nèi)容、行為和重返次數(shù)的聯(lián)合影響權重計算方法構建的用戶畫像數(shù)學模型,，能夠較好地描述用戶偏好,。本文設計的基于用戶畫像的智能信息推送系統(tǒng)，為大數(shù)據(jù)環(huán)境下的精準營銷提供了一種新的方法,。
參考文獻
［1］ Peng Yi .An application for digital teaching of intelligent push technology under the cloud environment［C］.International Conference on Social Science and Education,2013:398-403.
?。?］ 顏友軍.移動平臺上基于本體知識庫的問答與Web服務推送系統(tǒng)［D］.南京:南京大學,2013.
?。?］ 赫磊.基于云平臺的智慧旅游信息推送系統(tǒng)研究［D］.西安:西安工業(yè)大學,2014.
［4］ 黃舒榕.基于JXTA的移動智能小區(qū)信息推送服務平臺的設計與實現(xiàn)［D］.廈門:廈門大學,2014.
?。?］ 劉海,盧慧,阮金花,等.基于“用戶畫像”挖掘的精準營銷細分模型研究［J］.絲綢,2015,52(12):37-42.
?。?］ 莫靜泱.基于數(shù)據(jù)挖掘的用戶個性化健康消費智能推送系統(tǒng)設計與實現(xiàn)［D］.南京:南京郵電大學,2015.
［7］ 肖鋒,侯岳,王留召,等.基于LBS的智能信息推送技術研究［J］.測繪與空間地理信息,2015 (6):125-127.
?。?］ 肖鋒,侯岳,賈寶.情境建模下的LBS智能信息服務推送方法［J］.測繪通報,2016(4):96-98.
?。?］ 余孟杰.產(chǎn)品研發(fā)中用戶畫像的數(shù)據(jù)建模——從具象到抽象［J］.設計藝術研究,2014,，4（6）:62-64.
?。?0］ 何建云,陳興蜀,杜敏,等.基于改進的在線LDA模型的主題演化分析［J］.中南大學學報（自然科學版），2015(2):547-553.
?。?1］ 周品.云時代的大數(shù)據(jù)［M］.北京:電子工業(yè)出版社,2013.
?。?2］ 張亮.數(shù)字圖書館多層次閱讀擴展系統(tǒng)［D］.杭州:浙江大學,2010.
［13］ LDA math LDA ［EB/OL］.（2013-02-03）［2016-07-30］.https://www.baidu.com/link?url=7pX4p07QnrELNMnz Fp8w_tOVaZQjd_M_YCzHJ3K76EkWWlLdGHKTz7O0 BUQlsgOrp5zWAa87JtJ082036AWV_DTPWUPvUrK 0x9U8Wc44_&wd=&eqid=d0a6f0b80002a92f000000035672ad45.
?。?4］ GREGOR Heinrich. Parameter estimation for text analysis［R］.Darmstadt: Fraunhofer,2009:17-30.
?。?5］ 石巖.基于智能推送技術的個性化服務系統(tǒng)研究［J］.現(xiàn)代情報，2006,，26(10):146-148.