上下文感知的評分預(yù)測算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們正面臨“信息過載”帶來的問題。推薦系統(tǒng)正是為解決這一問題而設(shè)計(jì)，它能夠根據(jù)用戶過去的行為為用戶推薦他/她所感興趣的服務(wù)，解決了信息的生產(chǎn)者和消費(fèi)者之間的智能匹配問題。
　　上下文信息的重要性已經(jīng)在很多領(lǐng)域的學(xué)術(shù)界和工業(yè)界得到認(rèn)識，包括電子商務(wù)個性化、信息檢索、普適計(jì)算、移動互聯(lián)網(wǎng)、數(shù)據(jù)挖掘等領(lǐng)域。盡管在推薦系統(tǒng)領(lǐng)域已經(jīng)進(jìn)行了大量的研究，但絕大多數(shù)現(xiàn)有的推薦算法都是基于用戶-物品二元關(guān)系，為用戶推薦和他/她

2、最相關(guān)的物品，而忽略了諸如時間、位置等上下文信息。論文研究相關(guān)的上下文信息對評分預(yù)測算法的影響，分析融入時間和位置上下文信息對提高評分預(yù)測準(zhǔn)確度的效果。
　　論文首先討論了上下文信息影響推薦系統(tǒng)的方式，然后基于本地生活服務(wù)提供商Yelp的評分?jǐn)?shù)據(jù)集，提出了兩種將上下文信息融入傳統(tǒng)推薦算法的方法。為了利用時間上下文信息，論文提出了一種將時間信息融入基于鄰域模型的協(xié)同過濾算法中的方法，該方法能夠?qū)r間信息融入到協(xié)同過濾算法的相似度計(jì)算