个性化交通服务PPT格式课件下载.ppt
- 文档编号:14313575
- 上传时间:2022-10-22
- 格式:PPT
- 页数:19
- 大小:642.50KB
个性化交通服务PPT格式课件下载.ppt
《个性化交通服务PPT格式课件下载.ppt》由会员分享,可在线阅读,更多相关《个性化交通服务PPT格式课件下载.ppt(19页珍藏版)》请在冰豆网上搜索。
该系统的建立不仅能够满足用户的需求,而且也兼顾到了信息提供者的利益,将他们的信息以最高的效率投放给对信息感兴趣的用户,大大的提高了交通资源的利用效率,个性化交通信息服务系统实现的可行性和必要性,目前,市场上的移动终端设备,像笔记本,智能手机,PDA等,已经给人们的生活带来方便。
而且人们接收信息的形式也趋向多元化,像文字,语音,图片,视频等形式。
获取信息的途径随着通信技术、互联网技术、多媒体技术、计算机技术的发展趋向多样化,如有线Internet网络、无线Internet网络,移动通信网等,它们已经或多或少的实现了一些交通信息服务,用户通过这些系统可以得到所需信息。
由此可见,实现个性化的交通信息服务系统是可行的。
人们身边往往伴随着大量的与自己无关的交通信息,这些信息或多或少的干扰者人们的生活,与此同时,它们可能会希望得到为自己量身定制的信息,也就是对信息的个性化和本地化要求越来越强烈。
其次,为公众出行提供便利,也符合“以人为本”的社会理念。
最后,也能提高道路利用率、减少交通拥挤、改善交通安全,更能为社会带来一些潜在的经济效益。
从众多方面来看,实现个性化的交通信息服务系统是必要的。
交通信息服务之个性化推荐整体框架,交通信息服务之个性化推荐的构成,输入模块主要用来搜集用户个人以及用户所在“群体”的信息。
推荐模块是个性化推荐系统的核心模块,和推荐系统的性能直接相关。
推荐模块的主要功能就是根据输入模块获得的用户信息、项目信息以及其他用于推荐的信息(主要是与用户相关的个人历史信息和群体历史信息)来预测用户对候选项目的评价。
在推荐模块中主要包含两部分:
用户行为模型和个性化推荐算法。
输出模块主要是输出个性化服务请求,便于服务器查找出符合用户要求的最佳服务。
输入模块,输入模块搜集的信息的全面性与否直接影响到推荐系统推荐出的结果的优劣性,但过于全面性又增大了信息处理的难度,因此在这里需要我们对用户行为进行准确的分类,只有对用户行为进行准确的分类,才可以帮助推荐系统挖掘出与用户更为密切的情境信息,以便能更好的满足用户的需求。
从用户的角度来看,需要收集的信息有三种,分别是用户的基本信息,用户的行为信息和用户的情境信息。
从采集方式的角度来看,需要收集的信息有两种,分别是显式信息和隐式信息。
用户信息分类,用户的基本信息主要指用户的个人信息,例如用户的ID、性别、年龄等;
用户的行为信息主要包括用户的偏好信息,用户的历史行为信息等,例如用户的时空信息、经验值、兴趣度等;
用户的情境信息主要包括(大众)显著地点、用户偏好情境、用户所在位置情境。
用户信息分类,显式信息主要包括用户基本信息(即:
用户的手机号码、性别、年龄、职业)及用户对项目的偏好信息(包括对价格的偏好、对距离的偏好、对口碑的偏好,及对附加项目的偏好),这些信息可以通过调查问卷和用户询问的方式(比如软件交互、传感器测量等)获取。
这种信息收集的方式操作简单、信息获取直接有效且获取的信息质量较好,能加速推荐算法的学习速度。
但这种机制的明显缺陷就在于用户的配合程度,通常情况下,如果没有任何的回报或者是直接利益的诱惑,用户一般都不会乐意付出自己的时间和精力去参与免费的信息提供,加之其对个人隐私的保护心理,进一步加剧了这种信息收集方式的困难度,降低了收集信息的真实性。
隐式信息的获取方式方式主要是在不打扰用户的情况下,通过系统监测或者是跟踪用户的浏览行为和操作记录,进而来推测和分析用户的兴趣信息。
这种方式不需要用户的正面参与和直接提供数据,对用户的干扰程度较低,在传统的电子商务推荐系统中已经得到了普遍的应用。
相对于显性的信息获取方式而言,隐性的信息收集方式对用户不造成额外的负担,但通常来说,所收集的隐性数据的质量往往来说没有显性收集的数据的质量高,其中可能会包含很多的无关数据,其搜集的数据的格式和存储也往往千差万别,这就会增大整个推荐系统的数据清洗成本和数据计算的复杂度。
小结,在实际情况中,用户的特征信息是包含很多,用户间任何一个特征因素不同都会导致不同用户使用某个产品的行为习惯偏好等的不同。
比如用户的年龄、性别、学历、收入水平、职业、地域等因素都会导致不同用户不同的使用习惯和偏好。
所以在用户分类时需要从多个维度的特征因素去考虑如何划分用户。
引来的问题:
由于用户信息来源广泛、格式不一,导致数据的维度和稀疏程度也有很大的差异,面对这些维度不同的数据,其数据处理方法也有难有易。
像用户的年龄、性别,这些特征的维度较低,处理起来较为简单,不需要进行过多的处理和挖掘即可得到较为精确的信息,同时,这些维度较低的信息的使用价值也较小。
而像时间和地点(时空信息)、经验值、兴趣度,用户情境信息,显著地点,用户情感信息及社交关系,这些特征的维度较高、数据较为稀疏,处理起来较为麻烦,因此要牵涉到数据挖掘和数据融合等方面的知识。
用户行为模型,用户的兴趣和用户的行为是密不可分的,即用户的兴趣可从很大程度上影响到用户的行为,同时用户的行为也反映了用户的兴趣,故可把对用户行为的建模问题转换到对用户兴趣的建模问题。
用户兴趣模型用来表示用户对特定主题信息相对稳定的兴趣需求,具有相当长一段时间内的稳定性与倾向性。
用户兴趣模型最初是在信息过滤系统中提出的,是对用户信息需求的一种描述形式。
用户兴趣模型是用于存储用户的兴趣、存储和管理用户的行为历史、存储学习用户行为的知识和进行相关推导的知识的功能集合。
用户行为(兴趣)建模,用户兴趣建模包括以下四个步骤:
收集用户信息。
包括用户的基本信息、行为信息、情境信息等有助于识别用户兴趣的信息用户兴趣模型的表示。
用户兴趣模型是具有特定数据结构的、形式化的用户描述,用户兴趣模型的表示技术多种多样,需要选择合适的表示方法和技术用户兴趣模型的学习。
将用户兴趣用结构化、形式化的语言描述出来以后,需要通过一些学习技术,分析、挖掘出用户的兴趣需求用户兴趣模型的更新和评价。
用户的兴趣不是一成不变的,同样,用户的兴趣模型也需要根据用户需求的改变而更新。
另外,用户兴趣模型是否准确反映了用户的兴趣需求,需要对建立的用户需求模型进行相应的评价,用户兴趣模型的表示,用户兴趣模型的选择,对于新项目和新用户,使用的是短期兴趣模型(即基于案例的模型),当项目获得的评分以及用户给出的评分达到一定程度之后,系统就会使用长期兴趣模型(集基于用户-项目评价模型)。
之所以这么做是出于两点:
一是条件足够了,可以这么做了;
二是对于那些稳定的、变化不大的兴趣,需要更有效的推荐方法,才能使用户满意,选择用户项目评价模型的原因是:
处理短期兴趣时用到的模型是基于案例的,保留下来的记录是用户在某时某地的偏好信息,如果用户没有对被推荐的项目做出评价,则可以使用历史记录计算所有未过滤项目的可能评分,当用户选择同类应用或服务多次之后,就可以将短期兴趣配置文件中的信息写入长期兴趣配置文件中,就可以在处理长期兴趣时加以利用。
个性化推荐算法,虽然个性化推荐系统使用的推荐技术千差万别,但从技术实现角度来看,个性化推荐系统一般可以分为以下四类:
一是基于规则的;
二是基于内容的;
三是基于协同过滤技术的;
四就是基于内容和协同过滤混合型的。
第一类通过事先生成的规则向客户推荐信息;
第二类通过比较项(商品)之间的相似性而不是客户之间的相似性实现推荐功能;
第三类根据目标客户和历史客户的行为特征相似性进行推荐;
在实践中往往使用两类技术相结合,也就是第四类的混合技术来实现推荐系统。
个性化推荐算法,输出模块,由于数据异构性,故经由推荐模块推荐出的用户个性化服务请求采用统一XML格式发送至服务器端。
以下图中数据表示成下图所示的形式。
这样在进行数据交换的时候可以都以同一种标准作为接口实现用户数据的交换,以便不同的应用系统使用。
目前已定义的属性可以作为参考模板,在实际应用可以按需求修改添加属性,在本系统内称之为交通数据统一标准(UnitedFormofTransportationData),简称UFTD。
谢谢!
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 个性化 交通 服务
![提示](https://static.bdocx.com/images/bang_tan.gif)