移动环境下用户偏好挖掘推荐研究

李微娜+王雪萍+富春岩+周虹+曲思龙+张竞达

摘要：近几年，随着移动互联网的迅速发展、移动终端计算速度的快速提升、移动操作系统的逐渐统一，移动终端的信息资源数量正呈爆炸性的增长。在移动网络环境下，分析用户的浏览行为，并从中提取相关偏好信息，从而实现向用户推荐个性化的信息服务。

关键词：移动环境；用户偏好；挖掘推荐

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）16-0064-02

1 概述

近些年，随着移动网络技术的日益成熟，大量日益增长的网络信息资源涌入移动网络环境中，因此信息过载和信息迷失已严重制约了人们对网络信息的使用。随之而来的是移动网络客户在移动设备上想要购买商品时的挫败感。为了缓解这些问题，搜索引擎和信息检索技术应运而生。但是它们只是将用户等同处理，其并没有考虑用户的特性，没有针对不同的用户反馈有针对性的资源，所以反馈的信息量很大，用户很难找到自己真正喜爱的信息。另一方面，这些问题一部分原因是由于受到了手机的一些特性制约。与电脑相比，手机具有更小的屏幕、更小巧的输入按键以及相对单一的浏览器。因此，移动用户所使用的移动网络应用界面相对来说不如传统网络的亲切适用。为了更好地满足移动用户的搜索偏好，一种更有效的搜索辅助功能应运而生--个性化推荐服务。

本文通过移动环境下获取用户偏好信息，并将MADM算法结合OWA算子分析个性化用户的偏好信息，进而反馈用户隐性信息需求。

2 基于移动环境下的用户信息数据挖掘

用户的偏好信息是通过移动站点中用户浏览行为的相关信息获取，以此建立模型并预测用户偏好。数据的来源是移动网络服务器内的网页数据记录，这与传统网络有些类似，但移动网络由于其独特的特性更简洁更具有优势。首先，在传统网络中，网页中含有大量GIF、JPG、SWF文件等无关元素，并且清除耗时巨大。然而，在移动网络中，受流量、屏幕限制，更多的元素是文本，例如。其次，在移动网络环境中，所有用户只能由单一的电话或是电子设备来接输送数据。这是记录用户信息的必要条件，主要用于防止在用户识别过程中出现混乱。另外，我们可以利用用户的这些相关信息提供更有效的推荐服务。再次，在移动网络中，每个用户在一定时间内所有页面的接收，都会在日志中的特定字段用相同值记录下来，例如会话标识，并且我们可以用会话标识字段作为识别每个用户个体的标识。

因此对于移动环境下的用户信息处理可以分三个步骤：第一阶段是规范化数据挖掘，主要任务是信息选取和信息预处理，可以将日志、Web内容、用户信息等资源中筛选出能为挖掘算法可用的规范化数据，其结果是后续数据处理的基础，所以必须对数据源数据整理并规范化处理；第二阶段是数据预处理，主要任务是识别用户、用户路径记录、识别会话、筛选相关数据等；第三阶段是建模，主要是根据先前处理过的数据建立推荐模型向用户提供进行推荐服务，这是个时时处理的过程，需要考虑用户某时段内浏览路径，用户的浏览路径信息指的就是用户在某时间段在网站内所浏览的不同页面。

3 用户访问偏好兴趣挖掘

在移动网络环境下，就前面提到，由于移动网络的特殊性，我们可以借此对新注册用户和浏览用户这些潜在消费群体推荐。通过用户的浏览轨迹获取偏好，进而分析独立客户偏好特性来进行有针对性的推荐服务。其整个过程如下图1所示。

在此假定用户对某有限数量的特定商品感兴趣，其中该商品分类中的有限商品中每个商品是用户点击浏览过的一个页面。用户浏览时间、点击率、页面结束等信息，我们利用C.Shahabi提出的客户追踪机制原理获取，所得信息自动记录在用户行为数据库内，用来反应用户对该项目的偏好，从而推测出用户的偏好兴趣。可根据用户当前的行为数据，获取商品之间的关系，所要达到从用户行为中反馈的不完全偏好信息提取某用户对该商品的偏好序列，而后通过MADM方法估算每个属性的权重。

假定用户偏好程度有如下情况：

a.用户对只浏览的商品，浏览累积时间越长用户越偏好。

b.相比只浏览商品，用户对放入购物篮的商品更偏好。

同时，首先通过最近产生的反馈产生对偏好判断的最大数设置的约束集，以此类推。假定将某类商品定义成一个集合A={a1，a2，……，am}，设该类商品集合中每个商品有同属性集C={c1，c2，……，cn}，PK是浏览页面集合PK={pk|k=1，…，T}，pk表示所浏览的第k个页面，浏览某商品al所用时间是t（al）。

从用户浏览行为中提取兴趣项目。

根据图1所示，根据用户浏览行为的偏好获取的具体过程如表1所示：

4 结束语

移动网络服务的发展目标更多的是体现在用户在搜索过程中的快速准确找到目标，并且因为移动网络的特殊性，还应考虑便利性和效益问题，需要针对上述问题探讨更愉快的用户购物体验。因此本文通过移动网络环境数据挖掘，提炼用户反馈的不完全偏好信息，并通过分析用户的访问路径向用户推荐个性化的信息服务，以期提高推荐的准确率和用户满意率。

参考文献：

[1] 李微娜，马小琪，冯艳光.基于MADM方法的个性化推荐研究[J].现代情报，2011（5）.

[2] 查凯莱巴蒂.Web数据挖掘[M].北京：人民邮电出版社，2009.

[3] 王继民，李雷明子，郑玉凤.基于日志挖掘的移动搜索用户行为研究综述[J].情报理论与实践，2014（3）.

[4] 李微娜.面向用户偏好的MADM方法在个性化推荐中的应用[D].哈尔滨：黑龙江大学，2011.