移動(dòng)環(huán)境下基于上下文的協(xié)同過(guò)濾推薦模型研究.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展,在移動(dòng)客戶端的產(chǎn)品和服務(wù)日益豐富。以智能手機(jī)為代表的移動(dòng)終端設(shè)備已經(jīng)成為了人們?nèi)粘Ｉ睢⒐ぷ?、娛樂不可或缺的部分。然?移動(dòng)終端設(shè)備的尺寸有限,移動(dòng)用戶接收信息的能力也十分有限,移動(dòng)端信息量爆炸式增長(zhǎng)使得移動(dòng)用戶尋找和接收有效信息的障礙越來(lái)越明顯。用戶想要高效地獲取與用戶個(gè)性化需求相匹配的信息及服務(wù)變得越來(lái)越困難,與傳統(tǒng)互聯(lián)網(wǎng)一樣,移動(dòng)端的信息過(guò)載問(wèn)題也日益凸顯。
　　推薦系統(tǒng)在解決傳統(tǒng)互聯(lián)網(wǎng)上的信息過(guò)載

2、問(wèn)題、根據(jù)用戶偏好幫助用戶決策等方面表現(xiàn)優(yōu)異,是一種很好的個(gè)性化服務(wù)方式,尤其是協(xié)同過(guò)濾推薦算法已經(jīng)成為目前應(yīng)用最為成功和廣泛的推薦算法。因此,本文考慮將協(xié)同過(guò)濾推薦算法引入到移動(dòng)環(huán)境下的推薦中。然而移動(dòng)環(huán)境的新特點(diǎn)決定了不能照搬傳統(tǒng)互聯(lián)網(wǎng)推薦算法,上下文因素將成為移動(dòng)用戶選擇和決策的重要影響因素。
　　本文提出了一種移動(dòng)環(huán)境下上下文感知的協(xié)同過(guò)濾推薦模型,以協(xié)同過(guò)濾推薦算法為基礎(chǔ),將上下文因素引入的方式為用戶在移動(dòng)環(huán)境下提供更好

3、的推薦質(zhì)量。首先,對(duì)上下文在移動(dòng)推薦中重要性進(jìn)行闡述,并提出了上下文引入到協(xié)同過(guò)濾推薦中面臨的數(shù)據(jù)稀疏性問(wèn)題和上下文引入方法單一問(wèn)題。針對(duì)數(shù)據(jù)稀疏性,定義了松弛上下文來(lái)改善因上下文引入而產(chǎn)生的數(shù)據(jù)稀疏問(wèn)題;針對(duì)上下文引入方法的不足,本文提出了一種將上下文預(yù)過(guò)濾與上下文建模結(jié)合的混合建模方法。在上下文預(yù)過(guò)濾中,通過(guò)定義硬性上下文作為預(yù)過(guò)濾條件,在上下文建模中,針對(duì)現(xiàn)有研究在上下文因素與算法之間融合程度上的不足,在傳統(tǒng)的協(xié)同過(guò)濾推薦算法基礎(chǔ)

4、上設(shè)計(jì)了基于上下文的協(xié)同過(guò)濾推薦算法改進(jìn)思路。針對(duì)上述思路,進(jìn)一步提出了移動(dòng)環(huán)境下上下文感知的協(xié)同過(guò)濾推薦模型構(gòu)建思路以及模型框架,并對(duì)模型的核心算法進(jìn)行了描述。此外,本文通過(guò)調(diào)查形式構(gòu)建了實(shí)驗(yàn)數(shù)據(jù)集,并設(shè)計(jì)了不考慮上下文、單純上下文預(yù)過(guò)濾、單純上下文建模的三種方法與本文提出的模型作實(shí)驗(yàn)對(duì)比,并利用MAE和F1評(píng)價(jià)指標(biāo)比較了本文提出的模型與其他三種方法之間的推薦質(zhì)量。實(shí)驗(yàn)表明,本文提出的模型相較于其他三種在推薦質(zhì)量上有較好的表現(xiàn)。最后,