移動環(huán)境下的個性化推薦用戶興趣建模研究.pdf

1、移動環(huán)境下的個性化推薦已經(jīng)成為研究的熱點方向之一。用戶興趣建模是個性化推薦的基礎(chǔ)與核心，但目前研究移動環(huán)境下用戶興趣建模的還較少。基于此，本研究取得的成果如下： (1)將情景信息引入用戶興趣模型，提出了結(jié)合情景的用戶興趣U-I-C模型。 以用戶-項目矩陣為基礎(chǔ)，將情景作為一個新的維度添加到矩陣中，記錄用戶在不同情景下對項目的興趣度，從而構(gòu)建結(jié)合情景的用戶興趣U-I-C模型。將情景與用戶對項目的興趣度相結(jié)合，并將影響用戶使

2、用移動數(shù)據(jù)業(yè)務(wù)的情景分成時間、位置、終端、渠道四類，這在之前的研究中還未見到。本成果為移動環(huán)境下的用戶模型構(gòu)建提供了理論框架。 (2)提出了瀏覽類業(yè)務(wù)及下載類業(yè)務(wù)用戶興趣度的計算方法、情景相似度的算法以及基于內(nèi)容和情景相結(jié)合的推薦機制。 1)用特征詞及其權(quán)重組成的向量空間模型表示用戶瀏覽的頁面文檔，特征詞權(quán)重的計算以TF-IDF為基礎(chǔ)，結(jié)合用戶瀏覽的頁面內(nèi)容、用戶的瀏覽行為、用戶使用的移動終端屏幕顯示的字數(shù)，計算用戶對瀏

3、覽頁面的興趣度；利用用戶下載不同類別業(yè)務(wù)的數(shù)量占下載總數(shù)的比例及用戶對于業(yè)務(wù)的設(shè)置信息，計算用戶對下載類業(yè)務(wù)的興趣度。2)通過用戶當(dāng)前情景與歷史情景的匹配，計算當(dāng)前情景占歷史情景的比例，給出當(dāng)前情景與歷史情景的相似度。3)在向用戶推薦項目時，先計算情景相似度，得到與當(dāng)前情景類似的歷史情景，然后將在這些歷史情境中用戶興趣度排名靠前的相似項目推薦給用戶。 相比于之前的研究，本文對特征詞權(quán)重的計算方法進行了改進，并提出了新的下載類業(yè)務(wù)

4、用戶興趣度的計算方法、情景相似度算法和新的推薦機制。該成果能有效地在移動環(huán)境下發(fā)現(xiàn)用戶興趣。 (3)利用某地市運營商彩鈴用戶的真實使用記錄進行數(shù)據(jù)實驗。 利用某地市運營商200名彩鈴用戶在2008年6月-8月的彩鈴下載數(shù)據(jù)，對本文提出的用戶興趣模型、用戶興趣度及情景相似度的計算、推薦機制等進行數(shù)據(jù)實驗。實驗結(jié)果表明，本文提出的用戶興趣模型能有效地體現(xiàn)用戶在不同情景下的興趣偏好，而且用戶對于情景也是有偏好的，驗證了將情景引