上下文感知推薦技術(shù)研究.pdf

1、個(gè)性化推薦系統(tǒng)的目的是解決信息過(guò)載問(wèn)題，目前已被廣泛應(yīng)用于互聯(lián)網(wǎng)的各個(gè)領(lǐng)域。傳統(tǒng)的推薦系統(tǒng)只通過(guò)分析用戶-項(xiàng)目之間的二元關(guān)系來(lái)為用戶提供推薦，而忽略了上下文信息對(duì)用戶決策的影響。隨著上下文感知技術(shù)以及智能移動(dòng)終端技術(shù)的快速發(fā)展，將上下文感知技術(shù)融入推薦過(guò)程的上下文感知推薦系統(tǒng)研究愈演愈烈。該研究在信息檢索、移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、電子商務(wù)、智能家居/辦公/交通等諸多工業(yè)領(lǐng)域具有廣泛的應(yīng)用前景。目前該領(lǐng)域的研究在上下文信息挖掘與檢測(cè)、用戶建模

2、與行為分析、上下文用戶偏好提取、上下文感知推薦算法等方面都存在許多問(wèn)題亟待解決。
　　為了進(jìn)一步提高推薦準(zhǔn)確度和效率，本文針對(duì)上下文建模方法、推薦生成方法等關(guān)鍵問(wèn)題進(jìn)行研究，主要取得了以下成果：
　　（1）為了得到更加專一化的數(shù)據(jù)以進(jìn)一步提高推薦結(jié)果的準(zhǔn)確性，本文提出基于離散二進(jìn)制粒子群算法的上下文復(fù)雜分割方法，將歷史數(shù)據(jù)中處于不同上下文環(huán)境下的同一個(gè)用戶（或項(xiàng)目）分割成兩個(gè)不同的用戶（或項(xiàng)目）。該方法主要過(guò)程為首先利用離散

3、二進(jìn)制粒子群算法對(duì)最佳分割上下文條件組合進(jìn)行優(yōu)化，然后根據(jù)最佳分割組合中的這些上下文條件對(duì)項(xiàng)目或用戶進(jìn)行分割，便能得到更加專一化的評(píng)分?jǐn)?shù)據(jù)，最后將這些數(shù)據(jù)輸入到推薦算法中獲得更加準(zhǔn)確的推薦結(jié)果。采用真實(shí)電影評(píng)分?jǐn)?shù)據(jù)集進(jìn)行實(shí)驗(yàn)，得出的結(jié)果驗(yàn)證了提出算法的有效性和可靠性。
　　（2）針對(duì)現(xiàn)有相關(guān)研究存在同等對(duì)待所有上下文而忽略各上下文對(duì)用戶評(píng)分影響力強(qiáng)弱的問(wèn)題，本文提出基于貝葉斯方法與聚類的上下文用戶興趣建模方法。首先采用特征聚類方法