基于屏幕视觉热区的网络用户偏好提取及交互式个性化推荐研究

User preference is the groundwork of personalized recommender system, thereupon accurate user preference and excellent personalized recommendation algorithm are keys to improve the quality of personalized recommender system. . Firstly, inspired by cognitive psychology theory, user psychological style will be tested and verified based on the observation of their behaviors on the Internet; Main purpose is to construct a bidirectional path model about users’ behavior and psychology particularly on users’ cognitive style, emotional style and decision style.. Secondly, different from traditional preference extraction methods which highly fouses on the label, log or the analysis of the web page, we propose a new method in this research to extract user preference from short-text in screen visual hotspots, which was already found and confirmed by the eye movement experiment of psychology in our previous study of the research group. On the benefit of that, this study presents an Online User Preference Integrated Model (OUPIM) with the algorithmic support of real-time keywords extraction, commodity self-driven hierarchical clustering and session identification. . Thirdly, regarding the adjusted online commodity scores as explanation of recommendation, and counting user, terms and context as the constraints, then propose an interactive, convergent, real-time and personalized recommendation method, so as to furnish user with corresponding recommendation for selection according to different constraints and gradually narrow the scope of alternatives and clarify users’requirements through interaction. . Finally, combining with the related theory in engineering psychology, this research will develop an interactive personalized recommender prototype system, take a series of empirical analysis through the education clouding platform and e-commerce websites, and provide theoretical guidance for the analysis of users’ behavior on the Internet and commercial application of personalized recommender system.

用户偏好是个性化推荐系统的基础，用户偏好的准确获取及优良的个性化推荐算法便是提升个性化推荐质量的关键。首先，从认知心理学角度出发，通过对用户网络行为的观测探察其心理的个性特征，从认知风格、情绪风格、决策风格三方面来构建用户行为—心理双向通路模型；其次，与其他基于标注或依靠日志、网页分析的偏好提取方法不同，本研究在前期眼动实验证明了屏幕视觉热区存在的基础上，通过关键词实时提取、商品自组织层次聚类和网络用户会话切分来建立网络用户偏好复合模型；再次，以修正后的在线商品评分信息作为推荐解释，以“用户—资源—情境”为约束条件，构建交互收敛式实时个性化推荐算法，通过与用户互动逐步明晰用户需求，从而为其提供不同约束条件下推荐项目的待选集合；最后，结合工程心理学相关理论，开发交互式个性化推荐原型系统，并通过教育云平台和电子商务网站进行实证分析，为网络用户行为分析和个性化推荐的应用提供理论与方法指导。

用户偏好的准确获取及优良的个性化推荐算法是提升个性化推荐质量的关键。现有对网络用户偏好的挖掘大都基于用户的网络历史行为数据，难以反映用户的即时需求；同时对用户的认知、人格、情感和价值观等心理因素的挖掘不够。因此，本项目应用认知心理学、管理学和计算机科学等理论与方法，多维度、多层次挖掘网络用户偏好特征，构建融合即时偏好、短期偏好和长期偏好的网络用户偏好复合模型，研究基于用户—资源—情境条件下的交互个性化推荐方法，以实现更精准、更个性化的推荐服务。本项目深化了网络用户行为偏好和个性化推荐研究，具有较强的创新性和应用价值。.第一、针对用户心理与行为的双向映射关系，建立用户行为—心理双向通路模型。通过对用户网络行为的观测探察其心理的个性特征，从认知风格、情绪风格、决策风格三方面来构建用户行为——心理双向通路模型，以实现从行为向心理的还原及心理对行为的预测，为后续开展基于心理与行为视角的网络用户偏好研究奠定理论基础。.第二、网络用户偏好识别与提取和网络用户偏好复合模型构建。首先，利用网络浏览、在线评论等历时行为数据，多维度分析网络用户情感、心境、人格与价值观和生活方式等特征，实现用户短时和长期偏好特征的识别或预测；其次，研究网络浏览屏幕视觉热区中短文本关键词实时提取方法，实现用户偏好的实时提取；最后，构建融合即时偏好、短时偏好和长期偏好的网络用户偏好复合模型，以实现了对用户偏好的完整刻画。.第三、提出基于用户-资源-情境条件下的交互个性化推荐方法。以用户的即时偏好、短期偏好和长期偏好为依据，以评论修正后的商品分数及其感知特征为数据支撑，引入语言学中的评价介入和话语标记理论对电子商务网站在线商品评论信息进行修正，以修正后的在线商品评分信息作为推荐解释，以用户-资源-情境为约束条件，构建交互收敛式实时个性化推荐算法，通过与用户互动逐步明晰用户需求，从而为其提供不同约束条件下推荐项目的待选集合。.