【论文答辩ppt】空间信息服务个性化推荐模型与技术研究_答辩

选题依据 研究内容、研究目标 研究方案 研究进度计划和条件保障,目录,空间信息服务个性化推荐模型与算法研究,姓 名： 李方林专 业： 地图学与地理信息系统研究方向：空间信息网络共享与服务技术导师姓名：邬群勇副研究员,目录,空间信息个性化服务模型,个性化推荐用户模型构建,个性化推荐算法研究,网络地图服务推荐原型系统的实现,研究概述,1,2,5,3,4,兴趣采集服务匹配,.,1,研究概述,研究概述,空间数据共享是伴随地理信息系统发展的热点问题，也是空间信息科学的重点。,空间数据共享模式,数据复制模式,信息服务模式,通过对个性化推荐的三个重要过程进行研究，探讨空间信息领域个性化推荐的问题。面向空间信息服务个性化推荐的服务模型研究空间信息服务用户信息采集、处理及其建模与表达研究基于不同信息，提出不同的个性化推荐算法,研究概述,研究内容,用户模型研究,推荐算法研究,空间服务模型研究,研究概述,技术路线,空间信息服务研究,空间信息个性化服务模型,研究思路,研究目标,空间信息服务模型分析,动名词二元组,空间信息服务与用户之间的相关关系,原子服务,空间信息服务,相关关系,空间信息服务中的两个对象,拆分处理,映射,用户,抽象表达,空间信息服务研究,空间信息服务组织模型,基于动态服务组合的模型,空间信息服务研究,空间信息个性化服务组织模型,空间信息个性化服务三层组织模型,Sa=,User=+,空间三层模型,个性化推荐,空间信息服务研究,空间信息个性化服务组织模型,源服务到原子服务的映射,源服务拆分为原子服务的必要性源服务拆分为原子服务的意义源服务拆分为原子服务的过程源服务拆分为原子服务表现形式 如： (1) (2),空间信息服务研究,空间信息个性化服务组织模型,用户动作二元组的表达,用户的兴趣偏好表达对其操作行为的记录过程用户模型的构成,空间信息服务研究,空间信息服务个性化推荐过程模拟,模型在个性化推荐中的应用,用户的操作的采集用户二元组的抽象二元组与原子服务的语义匹配相似度计算源服务的推荐,空间信息服务研究,空间信息服务个性化推荐过程模拟,仿真实验,空间信息服务研究,本章小结,本章对个性化中的空间信息服务模型以及建模的相关技术进行了研究空间信息服务组织架构的研究空间信息源服务的拆分空间信息原子服务的组织以及表现形式源服务到原子服务的映射原子服务与用户行为二元组的映射个性化模型在空间信息服务个性化推荐中的必要性,研究内容,空间信息服务研究,个性化推荐用户模型构建,研究思路,研究目标,空间信息用户分析,空间信息服务的用户模型构建,3.1信息采集方式,3.4用户信息数据库,3.2信息采集实现,3.4分析与建模,3.3清洗和处理,空间信息服务研究,用户信息的采集策略,互联网用户采集方式,空间个性化推荐用户信息类型,空间信息服务研究,用户信息的采集实现,基于Servlet技术的注册及位置信息采集,基于JS与Servlet技术的索引位置信息采集方法,空间信息服务研究,用户信息的采集实现,基于Ajax技术的用户行为信息采集方法,空间信息服务研究,用户信息清洗与处理,用户信息清洗与处理策略,网站上记录用户一些行为数据，通常由cookie文件进行记录，倘若用户清除或禁用cookie，造成了统计得到的数据不完整，则要丢弃该数据。,空间信息服务研究,用户信息清洗与处理,用户信息内容细化,空间信息服务研究,用户信息清洗与处理,针对用户不同类型数据的处理策略,空间信息服务研究,用户信息清洗与处理,IP2City技术处理用户数据流程,通过固化功能模块，处理用户各类的行为信息。,空间信息服务研究,用户信息分析与建模,用户分析,大致可以分为三类：面向程序的开发人员：指对服务进行增值服务开发的用户。这类用户更关注于服务质量(QoS)，即包含服务响应时间、价格、稳定度、可用性等参数；面向空间数据的用户：指通过GIS相关的软件产品使用空间信息服务所提供数据的用户。这类用户关注于服务所含有的空间实体的属性(如位置信息、几何性质、拓扑关系等)；空间信息服务的终极用户：指只使用空间信息服务，而不对服务进行二次处理的用户，也即普通大众。这类用户可以通过查询空间信息服务解决方案得到最新的空间信息报告、地图和感兴趣的应用程序。,空间信息服务研究,用户信息分析与建模,用户建模,空间位置Location(纬度、经度表示)：包括用户当前所在的位置，感兴趣位置等；客户端信息cookie：即客户端登陆ID、登陆状态等。时间特征Time：指用户登录时间及其动作发生的时间，历史的、当前的或将来的某个时间（涉及空间信息的推演）；空间服务的特性DomainFeature：空间服务的比例尺、投影特征等；空间服务的质量QoS：包括服务价格，服务节点响应时间，服务器端的最大负载量等；用户特征User_BaseInfo：年龄、性别、从事工作、使用服务的目的等；用户行为：用户在使用服务过程中所作出的行为。用户完整模型(适合于以上三类用户建模)如下：User_Info=(Location，cookie，Time，DomainFeature，QoS，User_BaseInfo，),空间信息服务研究,用户模型数据库,用户基本信息记录表,用户索引位置信息表,用户模型存储表设计图,研究内容,空间信息服务研究,空间信息服务个性化推荐算法,根据推荐对象的不同，空间信息个性化推荐可分为：位置的个性化推荐，主要表现为提供位置临近以及属性相近的信息服务，是用户感兴趣地区与推荐位置作用的结果，并且也是用户偏好与位置场所中的属性特征耦合作用的结果。空间信息服务本身推荐，这里的WebService指的是空间网络服务，包括WMS、WFS、WCS等服务。,空间信息服务研究,面向用户历史库的个性化推荐算法,空间信息服务研究,面向用户历史库的推荐建模,对面向某个用户的历史行为进行分析(1). 用户的单次行为是不确定的；(2). 用户单次行为对下次的行为并无直接影响；(3). 综合所有用户的历史记录来看，用户群的历史行为对某个用户的单次行为存在着某种联系；(4). 单个的因素影响着用户的行为，如药店的价格对用户选择药店是有影响的，同样地理地图服务对用户选择药店也存在着相似的影响，例如某个地图服务分辨率不高，则会导致页面的显示程度不够，就会使用户错过很多药店，而对于开车的用户显然不需要高分辨率的地图服务，但基于用户行为是在复杂的因素集体作用下发生的，显然单个因素对用户整体行为的影响很微小。且由于多个因素影响着用户的行为，这种影响变得更加弱化，即在多因素影响的事件中，单个因素对结果的影响与因素的个数而呈现反相关(5). 通过对用户历史行为的记录，能够明确找出影响其行为的因素，并且查明各影响因素之间的关系：如相关性或无相关性；(6). 通过结果对因素的后验概率能够计算出在已知因素发生的条件下，结果发生的先验概率大小；(7). 所有用户的历史行为以及所有用户的特征信息、某个用户的特征信息属于先验知识，其中各种因素的统计概率为后验概率，即在结果已经发生的条件下，导致结果发生的原因的概率；(8). 对某个用户的单次行为概率的求解过程中，所有用户的统计概率又被看做是先验概率，即在用户尚未作出该行为之前，各种参数的统计概率。通过以上分析，得出空间信息个性化推荐方法可转化为：通过对所有用户历史兴趣以及行为的分析、统计，判断用户下次发生某种行为的概率问题，且以概率为依据，使得推荐变得更加科学。,面向用户历史库的推荐建模,推荐算法流程建模,空间信息服务研究,面向用户历史库的推荐验证,用户特征总体概率分布表,各参数的先验概率分布图,空间信息服务研究,面向用户历史库的推荐验证,推荐候选结果的概率分布,空间信息服务研究,基于用户地图操作行为的个性化推荐,基于用户地图操作行为的推荐算法流程,空间信息服务研究,基于用户地图操作行为的推荐应用,服务数据,空间信息服务研究,基于用户地图操作行为的推荐应用,相似度计算,空间信息服务研究,基于用户地图操作行为的推荐应用,实验结果,空间信息服务研究,网络地图服务个性化推荐原型系统,体系架构,空间信息服务研究,网络地图服务个性化推荐原型系统,功能设计,空间信息服务研究,网络地图服务个性化推荐原型系统,系统展示,空间信息服务研究,网络地图服务个性化推荐原型系统,用户采集结果展示,空间信息服务研究,网络地图服务个性化推荐原型系统,统计结果,空间信息服务研究,网络地图服务个性化推荐原型系统,面向用户历史库的位置信息推荐,空间信息服务研究,网络地图服务个性化推荐原型系统,基于用户地图操作行为的空间信息WebService推荐,空间信息服务研究,总结与展望,总结,(1). 论文综述了用户模型、空间信息服务以及个性化推荐系统的研究现状，分析了当前空间信息服务领域存在的弊端及个性化服务应用的局限。在此基础上提出本文的研究目标，即空间信息服务个性化推荐模型与算法研究。(2). 对空间信息服务个性化推荐模型进行了研究。主要是对空间信息服务的内部机理进行了详细的分析，提出了面向用户的个性化服务三层模型的思想。在个性化服务模型中存在三个层次，即源服务层、原子服务层以及用户动名词二元组，在此基础上存在了两个双向映射的关系，即源服务与原子服务的映射以及原子服务与用户动名词二元组的映射，通过原子服务，有效的沟通了用户与源服务之间的关系。(3). 对空间信息服务用户模型进行了研究。概括其用户建模的主要过程：用户信息采集、用户数据清洗、用户数据统计分析、用户信息建模与表述，并分别予以阐述。对用户信息的三种类型即用户注册信息、用户索引位置信息以及用户行为信息，提出了针对性的三个采集方式，并在此基础上对采集方法以及相关技术进行了详细阐述。对采集到的用户信息进一步细化，并进行了用户数据的清洗以及处理，针对不同的信息内容，提出了五种清洗与处理策略。根据上述研究，构建了空间信息服务用户模型，并展示模型在数据库中的组织方式。(4). 对个性化推荐的相关算法进行了研究。对用户不同的信息(用户历史库以及用户地图操作行为信息)进行了详细分析，并基于不同信息，分别提出了面向于用户历史库的数据和面向于用户地图操作行为的个性化推荐算法，最后给出了实例展示算法在空间信息服务推荐中的应用效果。(5). 基于前面所做的研究，在对网络地图服务以及用户搜集技巧研究的基础上，通过构建存储模型，设计并实现了基于网络地图服务的个性化推荐原型系统。,空间信息服务研究,总结与展望,展望,(1). 用户信息细粒度提取问题，本文探讨了如何提取用户信息以及如何对这些信息进行有效的处理等问题，提出了将用户行为映射到其具体模块的使用情况上，从而抽象出代表用户行为特征的动名词二元组，在一定程度上满足了空间信息服务个性化推荐的需求。但对于多样化、多层次用户的行为采集与处理是个复杂、深