基于時間上下文的的移動應用推薦系統(tǒng)研究與應用.pdf

1、近年來，互聯(lián)網(wǎng)尤其是移動互聯(lián)網(wǎng)規(guī)模和技術發(fā)展迅猛，智能移動設備如智能手機、平板電腦等大量普及，智能手機用戶數(shù)量劇增。移動應用作為智能手機的重要組成部分，改變了用戶的生活方式、工作方式、學習方式等，在系統(tǒng)設計與開發(fā)中占有重要地位。移動應用市場如Google Play Store、Apple App Store等中的移動應用數(shù)量達到了百萬級別，海量的移動應用在給用戶提供便利、開發(fā)人員提供參考的同時，也帶來了新的挑戰(zhàn)。從用戶角度來看，在海量應

2、用中找到自己感興趣的應用面臨巨大困難；從開發(fā)人員角度來看，在海量應用中選取合適的應用作為參考耗費大量精力。與此同時，智能手機用戶低齡化是一個不可忽視的趨勢，如何防止低齡用戶沉迷于智能手機是一個亟待解決的問題。
　　本文對移動應用個性化推薦進行研究，首先對推薦算法進行了改進，提出了一種基于用戶分裂的資源擴散算法。在調(diào)研個性化推薦算法的過程中，發(fā)現(xiàn)用戶在時間維度上積累的興趣偏移對推薦算法的準確率影響很大。在基于圖模型的資源擴散算法的基

3、礎上，將時間上下文信息融入算法中，提出了一種基于用戶分裂的資源擴散算法，改進了傳統(tǒng)的資源擴散算法。改進算法把興趣隨時間發(fā)生變化的用戶看作多個用戶，即采用用戶分裂思想引入時間上下文信息，更加充分的利用了數(shù)據(jù)信息，通過實驗對比發(fā)現(xiàn)，和傳統(tǒng)的資源擴散算法相比，改進算法的準確率明顯提高。然后將基于用戶分裂的資源擴散算法應用于移動應用推薦領域，設計了一種面向智能手機用戶和開發(fā)人員的移動應用推薦系統(tǒng)并實現(xiàn)了系統(tǒng)原型。對用戶進行移動應用的個性化推薦時