基于Android平台的个性化信息推送

摘 要：针对目前信息服务中存在时效性差、针对性不强等问题，本文提出一种基于地理空间位置，顾及用户爱好和时间等因素的个性化信息推送方法，并在Android端进行实现。个性化信息推送系统建立用户动态预测模型，将要推送的信息进行过滤，实现针对用户的个性化信息推送服务。结果表明个性化信息推送能提高推送信息的质量，弥补信息搜索功能的不足。

关键词：信息推送；个性化服务；数据挖掘

中图分类号：TP393 文献标识码：A 文章编号：2095-2163（2015）05-

Personalized Information Push based on Android Platform

SHAO Gaige

（Institute of Surveying & Land Information Engineering， Henan Polytechnic University， Jiaozuo Henan 454000， China）

Abstract： Aiming at problems of poor timeliness and pertinence in the current information service， this paper puts forward a kind of personalized information push method based on geographical spatial location， user preferences， time and other factors， which is implemented on Android. Personalized information push system provides personalized information push service， and it uses a dynamic prediction model of user to filter push information. The results show that personalized information push service can improve the quality of push information and make up the deficiency of information search function.

Keywords： Information Push； Personalized Service； Data Mining

0 引 言

近几年随着以智能手机为代表的移动终端设备的飞速发展和普及，极大促进了移动端应用开发的迅速崛起，移动端设备凭借其随时随地、方便快捷等特性，而备受用户和开发者青睐。在Google公司推出开源的Android移动设备操作系统后，运营商又适时推出3G和4G网络，由此宣告基于位置服务的应用程序开发进入一个新的高峰期。现阶段基于位置的信息服务商都提供搜索功能，用户输入关键词后可以检索相关信息，但这种服务方式得到的搜索结果往往很多，并且不具针对性，让用户难以抉择。搜索最大的弊端在于其服务方式的被动性，即用户必须提供检索的关键词，虽然也有部分服务商提供主动的推送服务，但推送内容多为广告，推送信息不够准确、不合时宜，用户不堪其扰的情况下即会关闭推送服务[1-2]。

由于用户需求存在差异，对信息服务的要求也各不相同，信息推送服务应该根据用户需求的变化，提供具有针对性的私人化、个性化服务。个性化信息推送服务是一种基于位置、顾及用户兴趣爱好，综合多方面因素的主动信息服务方式。信息推送应根据用户所处的位置、生活行为和兴趣爱好、社会潮流等，设计控制对用户的主动信息推送，从而实现针对用户的个性化信息推送服务。个性化信息推送服务平台应建立每个用户的动态模型，并将推送信息经过用户模型的有效过滤，提高信息推送的准确性，弥补搜索功能的不足，向用户提供高质量的信息推送服务。

1 系统设计

1.1 总体设计

个性化信息推送服务可以为用户提供人性化、智能化的信息服务，免去用户搜索信息的繁琐，同时增强了用户体验。首先推送平台要收集用户的基本资料、个人兴趣爱好和消费区间等信息，然后利用模糊神经网络等智能算法对用户进行模拟，建立用户的个人动态模型，最后按照聚类分析的方法将用户分类[3]。用户的动态模型可根据用户的行为不断做出调整和修正，并建立用户预测模型，为不同类型用户建立不同的模型信息库。个性化信息推送服务依据用户的地理空间位置信息，将过滤后的信息推送给指定用户，从而保证了推送信息的个性化。当用户收到推送信息后，可对推送信息的质量进行评价，并将结果反馈给后台服务的动态模型，以达到不断完善用户预测模型的目的。个性化信息服务通过动态模型去模拟用户行为习惯，进一步做出倾向预测，再将符合用户动态模型的信息推送给用户。系统总体设计思路如图1所示。

1.2 模型设计

在用户所处空间位置的有效范围内，个性化信息推送系统会自动搜索所有符合条件的信息，并使用动态模型进行甄别，按照预测模型有选择性地推送给用户信息。系统将用户的空间位置设定为一个参数，在用户没有搜索前，从动态模型中找出用户可能需要什么。根据信息分类的规则，参考地理信息类网站对于信息的处理方法，这里将能够为用户提供服务的推送信息划分为六大类，分别是吃（Meal）、住（Live）、游（Play）、购（Shop）、娱（Fun）、美（Beauty）。用户周围的服务信息按照类别划分归纳整理，从而形成推送信息数据的处理模型。每个类别还可以继续细分，形成不同的小类，比如“吃”可以划分为火锅、烧烤、西餐等。推送信息模型选取五个评价指标，包括距离、类别、价格、好评和时效，系统按照每个指标的计算方法分别量定各个指标，然后按照用户分类选定用户模型，计算出每条推送信息的指标值，从高到低选取要推送的信息。

1.3 类设计

个性化信息推送服务系统的框架设计遵循应用程序的经典三层结构，并按照功能继续细化，形成包含六个层次模型的拓扑结构[4-5]。模型层中包括系统各类模型对象，而数据层则是从数据库中获取信息并将数据转换成对应模型。业务层是系统的核心模块，其中包括规则模型、功能算法、逻辑处理等。通过对业务层的整理归纳，结合对外服务接口的要求，形成系统的服务层。表现层是用于与用户交互的界面，并使用控制层引领表现层的运行。根据系统结构的层次模型，同时为方便系统代码管理，系统将Java类归纳到不同的包（package）中。如com.Model包中有User、ShopOwner、Meal、PushMessage等模型类，与Model对应的com.Data包都是利用SQL语句与数据库交互的底层代码。com.Operation是操作模块，主要实现对推送信息的逻辑运算功能，最后应用在com.Service包中，完成对外发布信息服务的功能。个性化信息推送系统的各个类包之间的关系如图2所示。

2 系统实现

2.1 系统架构

目前，移动设备使用Android系统的市场占有量已跃居全球第一，成为移动端开发的必然选择。在Eclipse环境下的Android应用开发除了需要JDK和Android SDK的支持外，还要安装相应的Android Develop Tools，对于不同的应用程序还需要进一步引入不同的开发包。个性化信息推送系统利用ArcGIS for Android包开发地图相关模块，在Eclipse中引入Android SDK开发移动端应用，系统的完整框架结构如图3所示。系统服务器端采用WindowBuilder可视化插件构建图形化界面，引入的Swing即提供有用户界面开发工具包，信息数据库使用的则是MySQL。客户端的用户界面为Android自带风格，写在Layout的XML配置文件中。客户端与服务器端通信使用Socket套接字，并采用JSON格式的字符串进行交互。地图功能则依靠ArcGIS API for Android实现，通过调用ArcGIS Server传输的Rest接口来呈现发布的地图服务。在Android 4.0以上版本中不允许在UI主线程中访问网络资源，即不能在主线程中调用地图服务，所以访问地图服务的功能模块利用多线程机制，在主线程外开辟一个子线程调用并加载地图。为防止主线程阻塞，地图模块的功能采用AsyncTask异步方式实现。

2.2 推送流程

用户在登录系统后，只需要提供空间位置信息，就可以获取对应的推送信息。个性化推送信息系统根据移动设备确定用户的当前位置，自动搜索用户附近的信息，并按照用户的动态模型对信息进行排序，最后按照五个评价指标综合值的高低将信息加入到推送队列中。后台服务器从用户的使用记录中进行聚类挖掘，将用户分成不同的类型，不同类别采用不同的计算方法，并按照既定的信息推送策略对推送信息的数量做出限定，如果达不到限定值，则从广告信息中提取指标值较高的信息加入到推送队列中。推送队列中信息具有优先级，每次均会从队列中选出优先级较高的信息推送给用户。客户端显示推送信息列表，并与地图相关联，可以查看每条信息的详细内容，如图4所示。

3 结束语

本文在分析信息推送服务发展的基础上，结合公众对信息服务的标准要求，提出一种个性化信息推送的方法。个性化信息推送服务可以满足用户对个性化信息服务的需求，通过对用户模型的分析，主动向用户提供个性化信息，从而提高信息推送的质量。个性化信息推送系统虽然解决了信息推送服务中面临的一些问题，但还需要进一步修改和完善，如不断完善用户动态模型，增加信息之间的关联性，保护用户隐私等。

参考文献：

[1]方小强. 基于Android的推送技术分析[J].电脑知识与技术，2013，9（18）：4180-4182.

[2]刘迎清.国内信息推送研究综述[J].长沙大学学报，2006，20（5）：82-86.

[3]邵改革，卢小平，杜耀刚，等.基于优化模糊遗传算法的地理信息个性化推送方法[J].测绘工程，2015，24（7）：20-23.

[4]刘思源.基于Android的信息分享系统及个性化推送的设计与实现[D].北京：北京邮电大学，2012：5-43.

[5]张玉婷.个性化主动信息推送技术研究[D].武汉：华中科技大学，2007：9-24.