《移動環境下基於用戶行為識別的情境感知服務推薦研究》是依託重慶大學，由曾駿擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：移動環境下基於用戶行為識別的情境感知服務推薦研究
- 項目類別：青年科學基金項目
- 項目負責人：曾駿
- 依託單位：重慶大學
中文摘要,結題摘要,
中文摘要
如何在移動環境下利用情境感知，實現具有普適性和個性化的服務推薦，是移動服務推薦領域的研究熱點。但是目前的研究仍存在難以識別有效情境信息組合，難以準確獲取用戶需求，缺少推薦結果最佳化機制等問題。針對這些問題，本項目擬提出一種移動環境下基於用戶行為識別的情境感知服務推薦方法。項目擬從以下方面展開研究：（1）擬通過最小熵算法將情境數據分割成若干情境會話，並利用支持向量機分類模型，識別最佳有效情境信息組合；（2）擬通過半監督學習的方法對標籤稀少的情境會話進行聚類，利用受限玻爾茲曼機從情境信息中識別用戶行為，從而挖掘出情境與行為的關係模型。（3）擬通過分析用戶的行為的特徵向量，研究基於距離度量與常態分配的服務聚類算法，再結合用戶對推薦結果的反饋信息，運用半監督聚類方法最佳化移動服務推薦結果。該研究為實現移動環境下的具有普適性和個性化的服務推薦提供關鍵基礎理論和技術支撐，有望獲得創新性和實用性並舉的成果。
結題摘要
本項目針對目前移動推薦中存在難以識別有效情境信息組合，難以準確獲取用戶需求，缺少推薦結果最佳化機制等問題，提出了一種移動環境下基於用戶行為識別的情境感知服務推薦方法。項目主要展開了以下幾個方面的研究：（1）構建移動推薦模型時會考慮用戶偏好、社交因素、時間因素、內容因素、地理因素。在最大限度保證情境信息完整性的前提下，降低高維情境數據處理的計算複雜度的前提下，本項目對如何有效地進行情境信息組合進行了研究。（2）為了從實時情境信息挖掘出用戶當前行為，從而準確獲取用戶的個性化需求。本項目利用受限玻爾茲曼機從情境信息中挖掘出用戶的行為信息。（3）為更好提高推薦效率，項目在利用聚類技術同時考慮用戶偏好和移動上下文因素，提出基於用戶聚類和移動上下文的矩陣分解推薦算法。該算法以偏差矩陣為基礎，利用聚類技術對用戶進行聚類後，再在每簇局部數據中利用移動用戶上下文相似性進行限制，以正則項的方式融入到矩陣分解中，利用梯度下降法對其進行求解。經實驗表明該算法有效的提高了預測評分的準確率和推薦的準確度。（4）在基於用戶的協同過濾方法基礎上，本項目使用TF-IDF技術表徵用戶對地點的偏好，並將其引入用戶相似度計算過程中，然後又針對大部分工作考慮地理影響不全面和傳統社交網路對用戶的影響在移動環境下的局限性，提出一種融合多維度情境信息和社會信譽度的算法，實驗結果表明本文提出的推薦算法能夠有效提高推薦效果。
