基于情景信息的移动商务个性化推荐研究

《基于情景信息的移动商务个性化推荐研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东南人学硕l：学位论文某移动运营商的彩铃下载数据证明了模型的有效性【6】。作者将情景信息都赋予相同的权重，没有考虑到不同的情节信息对特定的业务具有不同的作用程度。例如，天气对饭店推荐服务和彩铃推荐服务的重要性是不同的。王黎明等(2009)针对移动增值服务的移动位置服务(LocationBasedService，LBS)设计了一种自适应地图形成模型，作者给出了移动位置服务地图服务系统逻辑框架，并对其具体实现，验证了自适应地图服务系统的可行性和可用性。根据此模型可以较好地指导我们进行地图设计，进而满足移动位置服务中要求的易读性、动态性以及交

2、互性[71。(2)国外研究现状ZhangDongsong等(2003)研究在无线网络和移动终端的限制下，如何有效地为移动用户提供个性化的内容。作者将个性化的概念定义为：运用信息技术和用户信息，对多媒体内容进行定制化，以满足不同用户的需求。使用的信息包括：之前获取或者实时获取的用户兴趣、偏好，移动终端信息，无线网络条件等【8】oTungHW等(2004)认为移动环境下个推荐代理需要考虑使用者周围环境的变化，如天气、时间和地理位置等信息，设计了一个使用代理为移动的用户推荐饭店信息服务的系统模型。作者将推荐代理划分为两种类型：情景推荐代理(t

3、hecontext-awarepersonalizedagent，CAPA)和饭店目录服务代理(therestaurantdirectoryserviceagent，RDSA)，并将个性化推荐分为五个步骤：获取用户需求、建立用户情景、搜索匹配信息、分析约束限制、进行推荐。CAPA与RDSA相连接，存放在用户的移动终端上，主要负责获取用户的需求偏好和情景信息。RDSA运行在服务器上，主要是负责存储和更新饭店目录信息，通过用户的偏好约束查询符合条件的饭店，如果查找不到符合条件的结果，就通过以往的历史记录将约束条件适当的放宽。作者虽然通过查询

4、历史记录来放宽约束条件，达到了推荐的目的，但是没有考虑到用户多种需求偏好重要性的不同，结果会导致推荐的结果不能最大程度的满足用户的个性化需求，另外作者虽然在文章中提到了用户周围的情景信息的重要性，但是没能够将情景信息充分的运用到系统模型中【9】。HansvailderHeijden等(2005)使用消费者在零售商场的购物决策行为和学生关于分配工作量会议的作为案例，从行为决策理论角度中得出用户对系统一系列功能需求，通过比较扫描到的产品信息属性与客户偏好，计算出该产品对客户总体吸引指数，并通过视觉、听觉等方式向用户进行推荐。然后对移动推荐系

5、统实现的技术选择进行探讨，最后对移动用户对系统接受程度进行了量化【‘0】。HinzeAnnika等(2006)在《Advancedrecommendationmodelsformobiletourist4绪论information))一文中设计了为移动环境下的用户提供旅游信息推荐服务系统。文中指出虽然目前已经设计并使用多种旅游定位信息系统，但是这些系统没能够解决为移动用户提供推荐的问题，这个问题远远比寻找附近的旅游景点要复杂。作者认为为移动环境下的用户提供个性化推荐服务必须将用户的偏好和用户所处位置的情景信息融合起来。将系统的输入数据分

6、为五类：用户个人资料(包括：个人基本信息、兴趣爱好等)；用户情景信息(包括用户当前位置、时间等)；景点情景信息(包括：景点类型、景点地理位置、开放时间等)；用户的旅行历史(包括：参观过的景点、参观时间、景点的地理等)；用户反馈信息(包括：用户对已参观景点的评分)。作者总结了各种个性化推荐技术存在了各种约束限制，如新用户问题、冷启动问题等，通过将用户的初始信息建立用户模型，利用用户模型和历史记录等来代替缺少或受限的信息为用户进行推荐⋯】。SungjoonPark等学者(2006)研究数字多媒体广播服务中的推荐问题。为克服移动设备在处理能力

7、、网络带宽等方面的局限性，作者提出可以通过减少客户端与服务器端之间的通信次数，以及将个性化推荐服务运行于客户端而非服务器端来减少网络带宽等资源的使用。作者研究了一个基于手机终端的个性化电视频道推荐系统。该系统根据用户观看电视节目的历史信息，向用户推荐下一时刻用户可能感兴趣的电视节目【12】。ParkMoon．Hee等(2008)指出随着用户所处的环境不同，其需求偏好也会随之发上改变，所以为了给用户提供好的服务就必须考虑其周围的环境信息。由于移动环境的不确定性，文章中的推荐系统采用了可以有效处理用户不确定需求偏好输入的贝叶斯网络，建立了为

8、团体用户推荐饭店的系统，使用了AHP方法处理团体用户的需求偏好【I31。QiudanLi等(2007)提出了一种基于新型协同过滤框架的移动商务个性化服务。基本思想：首先，通过分析在特定的情景信息环境下用户和