基于情景信息的移動商務(wù)個性化推薦研究

《基于情景信息的移動商務(wù)個性化推薦研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、東南人學(xué)碩l：學(xué)位論文某移動運營商的彩鈴下載數(shù)據(jù)證明了模型的有效性【6】。作者將情景信息都賦予相同的權(quán)重，沒有考慮到不同的情節(jié)信息對特定的業(yè)務(wù)具有不同的作用程度。例如，天氣對飯店推薦服務(wù)和彩鈴?fù)扑]服務(wù)的重要性是不同的。王黎明等(2009)針對移動增值服務(wù)的移動位置服務(wù)(LocationBasedService，LBS)設(shè)計了一種自適應(yīng)地圖形成模型，作者給出了移動位置服務(wù)地圖服務(wù)系統(tǒng)邏輯框架，并對其具體實現(xiàn)，驗證了自適應(yīng)地圖服務(wù)系統(tǒng)的可行性和可用性。根據(jù)此模型可以較好地指導(dǎo)我們進行地圖設(shè)計，進而滿足移動位置服務(wù)中要求的易讀性、動態(tài)性以及交

2、互性[71。(2)國外研究現(xiàn)狀ZhangDongsong等(2003)研究在無線網(wǎng)絡(luò)和移動終端的限制下，如何有效地為移動用戶提供個性化的內(nèi)容。作者將個性化的概念定義為：運用信息技術(shù)和用戶信息，對多媒體內(nèi)容進行定制化，以滿足不同用戶的需求。使用的信息包括：之前獲取或者實時獲取的用戶興趣、偏好，移動終端信息，無線網(wǎng)絡(luò)條件等【8】oTungHW等(2004)認為移動環(huán)境下個推薦代理需要考慮使用者周圍環(huán)境的變化，如天氣、時間和地理位置等信息，設(shè)計了一個使用代理為移動的用戶推薦飯店信息服務(wù)的系統(tǒng)模型。作者將推薦代理劃分為兩種類型：情景推薦代理(t

3、hecontext-awarepersonalizedagent，CAPA)和飯店目錄服務(wù)代理(therestaurantdirectoryserviceagent，RDSA)，并將個性化推薦分為五個步驟：獲取用戶需求、建立用戶情景、搜索匹配信息、分析約束限制、進行推薦。CAPA與RDSA相連接，存放在用戶的移動終端上，主要負責(zé)獲取用戶的需求偏好和情景信息。RDSA運行在服務(wù)器上，主要是負責(zé)存儲和更新飯店目錄信息，通過用戶的偏好約束查詢符合條件的飯店，如果查找不到符合條件的結(jié)果，就通過以往的歷史記錄將約束條件適當(dāng)?shù)姆艑?。作者雖然通過查詢

4、歷史記錄來放寬約束條件，達到了推薦的目的，但是沒有考慮到用戶多種需求偏好重要性的不同，結(jié)果會導(dǎo)致推薦的結(jié)果不能最大程度的滿足用戶的個性化需求，另外作者雖然在文章中提到了用戶周圍的情景信息的重要性，但是沒能夠?qū)⑶榫靶畔⒊浞值倪\用到系統(tǒng)模型中【9】。HansvailderHeijden等(2005)使用消費者在零售商場的購物決策行為和學(xué)生關(guān)于分配工作量會議的作為案例，從行為決策理論角度中得出用戶對系統(tǒng)一系列功能需求，通過比較掃描到的產(chǎn)品信息屬性與客戶偏好，計算出該產(chǎn)品對客戶總體吸引指數(shù)，并通過視覺、聽覺等方式向用戶進行推薦。然后對移動推薦系

5、統(tǒng)實現(xiàn)的技術(shù)選擇進行探討，最后對移動用戶對系統(tǒng)接受程度進行了量化【‘0】。HinzeAnnika等(2006)在《Advancedrecommendationmodelsformobiletourist4緒論information))一文中設(shè)計了為移動環(huán)境下的用戶提供旅游信息推薦服務(wù)系統(tǒng)。文中指出雖然目前已經(jīng)設(shè)計并使用多種旅游定位信息系統(tǒng)，但是這些系統(tǒng)沒能夠解決為移動用戶提供推薦的問題，這個問題遠遠比尋找附近的旅游景點要復(fù)雜。作者認為為移動環(huán)境下的用戶提供個性化推薦服務(wù)必須將用戶的偏好和用戶所處位置的情景信息融合起來。將系統(tǒng)的輸入數(shù)據(jù)分

6、為五類：用戶個人資料(包括：個人基本信息、興趣愛好等)；用戶情景信息(包括用戶當(dāng)前位置、時間等)；景點情景信息(包括：景點類型、景點地理位置、開放時間等)；用戶的旅行歷史(包括：參觀過的景點、參觀時間、景點的地理等)；用戶反饋信息(包括：用戶對已參觀景點的評分)。作者總結(jié)了各種個性化推薦技術(shù)存在了各種約束限制，如新用戶問題、冷啟動問題等，通過將用戶的初始信息建立用戶模型，利用用戶模型和歷史記錄等來代替缺少或受限的信息為用戶進行推薦?】。SungjoonPark等學(xué)者(2006)研究數(shù)字多媒體廣播服務(wù)中的推薦問題。為克服移動設(shè)備在處理能力

7、、網(wǎng)絡(luò)帶寬等方面的局限性，作者提出可以通過減少客戶端與服務(wù)器端之間的通信次數(shù)，以及將個性化推薦服務(wù)運行于客戶端而非服務(wù)器端來減少網(wǎng)絡(luò)帶寬等資源的使用。作者研究了一個基于手機終端的個性化電視頻道推薦系統(tǒng)。該系統(tǒng)根據(jù)用戶觀看電視節(jié)目的歷史信息，向用戶推薦下一時刻用戶可能感興趣的電視節(jié)目【12】。ParkMoon．Hee等(2008)指出隨著用戶所處的環(huán)境不同，其需求偏好也會隨之發(fā)上改變，所以為了給用戶提供好的服務(wù)就必須考慮其周圍的環(huán)境信息。由于移動環(huán)境的不確定性，文章中的推薦系統(tǒng)采用了可以有效處理用戶不確定需求偏好輸入的貝葉斯網(wǎng)絡(luò)，建立了為

8、團體用戶推薦飯店的系統(tǒng)，使用了AHP方法處理團體用戶的需求偏好【I31。QiudanLi等(2007)提出了一種基于新型協(xié)同過濾框架的移動商務(wù)個性化服務(wù)?；舅枷耄菏紫龋ㄟ^分析在特定的情景信息環(huán)境下用戶和