移動(dòng)推薦系統(tǒng)應(yīng)用分析

張萌（山西財(cái)經(jīng)大學(xué) 信息管理學(xué)院，太原　030006）

移動(dòng)推薦系統(tǒng)應(yīng)用分析

張萌
（山西財(cái)經(jīng)大學(xué) 信息管理學(xué)院，太原030006）

隨著移動(dòng)終端的普及，移動(dòng)設(shè)備成為了推薦系統(tǒng)理想的獲取用戶信息的接口，用來(lái)幫助系統(tǒng)發(fā)現(xiàn)，學(xué)習(xí)用戶的周圍物理環(huán)境。對(duì)近幾年移動(dòng)推薦系統(tǒng)研究進(jìn)行綜述，對(duì)其關(guān)鍵技術(shù)進(jìn)行對(duì)比分析。最后對(duì)移動(dòng)推薦系統(tǒng)的發(fā)展趨勢(shì)進(jìn)行展望。

移動(dòng)設(shè)備；推薦系統(tǒng)；移動(dòng)推薦；綜述

0　引言

個(gè)性化推薦幫助用戶發(fā)現(xiàn)電影，音樂(lè)和感興趣的商品，為用戶推薦志趣相同的新朋友，為用戶提供個(gè)性化的搜索結(jié)果，解決用戶“信息過(guò)載”問(wèn)題。推薦模型根據(jù)用戶的行為分析得到不用用戶的喜好，并提供相應(yīng)的服務(wù)。隨著智能手機(jī)的不斷發(fā)展，移動(dòng)推薦系統(tǒng)已經(jīng)成為下一代智能手機(jī)研究領(lǐng)域最為活躍的課題之一。許多研究者已經(jīng)對(duì)相關(guān)領(lǐng)域進(jìn)行了深入的研究，如移動(dòng)信息檢索、傳感器的研究、數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)、人機(jī)交互等。

1　移動(dòng)推薦系統(tǒng)及其關(guān)鍵技術(shù)

移動(dòng)推薦系統(tǒng)是傳統(tǒng)推薦系統(tǒng)在移動(dòng)領(lǐng)域的進(jìn)一步擴(kuò)展。隨著社會(huì)高速發(fā)展，移動(dòng)用戶大量增加，中國(guó)互聯(lián)網(wǎng)中心在2016年1月最新公布的 《第37次中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》中指出，截止2015年12月，中國(guó)手機(jī)網(wǎng)民達(dá)6.20億，半數(shù)中國(guó)人通過(guò)手機(jī)接入互聯(lián)網(wǎng)。如何為用戶提供更好、更準(zhǔn)確的推薦信息成為推薦系統(tǒng)研究者們研究的重點(diǎn)。移動(dòng)用戶雖然存在異構(gòu)的移動(dòng)網(wǎng)絡(luò)環(huán)境，但只要能準(zhǔn)確提取用戶在移動(dòng)環(huán)境行為進(jìn)行分析，就能有效地為用戶進(jìn)行個(gè)性化推薦。

1.1移動(dòng)上下文推薦

作為“普適計(jì)算”核心領(lǐng)域的上下文感知計(jì)算理論，自動(dòng)發(fā)現(xiàn)和利用位置、環(huán)境等上下文信息為用戶提供服務(wù)已經(jīng)取得許多研究成果。由于移動(dòng)設(shè)備的易攜帶性，研究者們可以通過(guò)設(shè)備感知用戶所處上下文環(huán)境。用戶偏好通常會(huì)受到周圍環(huán)境的影響，如有的用戶喜歡在辦公室而不是家中購(gòu)物，有的用戶喜歡在晚上學(xué)習(xí)而不是白天。

1.2移動(dòng)社會(huì)化推薦

互聯(lián)網(wǎng)的高速發(fā)展使得虛擬交互變得越來(lái)越重要，用戶在社交網(wǎng)絡(luò)中分享信息，在移動(dòng)互聯(lián)網(wǎng)上通信。通過(guò)用戶行為可以為用戶構(gòu)建社交網(wǎng)絡(luò)，網(wǎng)絡(luò)中的用戶之間存在某些特定的聯(lián)系，一些研究者將社會(huì)網(wǎng)絡(luò)引入推薦系統(tǒng)中，有效緩解了傳統(tǒng)推薦中存在的冷啟動(dòng)問(wèn)題。近年來(lái)，隨著智能手機(jī)的普及性，通過(guò)收集手機(jī)用戶在社交網(wǎng)絡(luò)中的行為更能夠有效為用戶建模并進(jìn)行個(gè)性化推薦。

2　基于位置的移動(dòng)推薦系統(tǒng)

傳統(tǒng)的推薦系統(tǒng)特點(diǎn)之一在于用戶交互，推薦系統(tǒng)通過(guò)用戶歷史行為為其進(jìn)行推薦。基于位置的移動(dòng)推薦系統(tǒng)，通過(guò)訪問(wèn)移動(dòng)設(shè)備的位置數(shù)據(jù)，收集并分析用戶的位置與歷史信息。最為重要的是根據(jù)以上信息為用戶提供個(gè)性化的推薦。

移動(dòng)推薦系統(tǒng)用戶信息的采集分為兩種方法：顯式方法通過(guò)收集用戶輸入的顯式信息，如用戶在注冊(cè)賬戶時(shí)的年齡，住址等；隱式方法是系統(tǒng)根據(jù)用戶的歷史信息和活躍行為中分析構(gòu)建用戶行為信息。如電子郵件的收發(fā)方，社交網(wǎng)站的瀏覽行為等。當(dāng)研究人員收集到數(shù)據(jù)后，需要利用數(shù)據(jù)挖掘工具對(duì)采集的信息進(jìn)行預(yù)處理，對(duì)用戶建模并以各種形式為用戶進(jìn)行個(gè)性化推薦。

3　移動(dòng)推薦系統(tǒng)研究難點(diǎn)與應(yīng)用前景

個(gè)性化和實(shí)時(shí)性使得移動(dòng)推薦系統(tǒng)擁有者廣闊的發(fā)展前景，本節(jié)就其研究難點(diǎn)和應(yīng)用前景進(jìn)行分析總結(jié)。

3.1研究難點(diǎn)

（1）移動(dòng)用戶的信息獲取，在移動(dòng)推薦中，由于終端設(shè)備的特殊性，顯式獲取用戶信息常常會(huì)影響用戶體驗(yàn)。因此隱式獲取用戶信息的方式更為常見(jiàn)，在保證用戶隱私的前提下，有效準(zhǔn)確地獲取用戶信息，依然是移動(dòng)推薦研究的重中之重。

（2）移動(dòng)推薦系統(tǒng)的冷啟動(dòng)問(wèn)題，新用戶進(jìn)入推薦系統(tǒng)時(shí)，由于信息缺失，不能準(zhǔn)確地獲取用戶偏好，新項(xiàng)目進(jìn)入系統(tǒng)時(shí)，過(guò)少的評(píng)價(jià)信息也使得推薦系統(tǒng)無(wú)法準(zhǔn)確進(jìn)行推薦。

（3）移動(dòng)推薦的隱私和安全問(wèn)題，移動(dòng)用戶的隱私保護(hù)問(wèn)題嚴(yán)重制約了移動(dòng)信息系統(tǒng)的發(fā)展，移動(dòng)推薦系統(tǒng)為收集用戶信息，通常對(duì)移動(dòng)用戶信息、行為、位置等進(jìn)行分析。但部分移動(dòng)用戶不愿向推薦系統(tǒng)提供完整準(zhǔn)確的信息，認(rèn)為存在隱私泄漏等安全問(wèn)題。

3.2應(yīng)用前景

移動(dòng)新聞推薦作為互聯(lián)網(wǎng)推薦的研究領(lǐng)域之一，在移動(dòng)推薦領(lǐng)域同樣收到研究者們的關(guān)注，Daily Learner新聞推薦系統(tǒng)通過(guò)挖掘用戶的興趣變化向用戶推送新聞，利用用戶注冊(cè)時(shí)的信息，緩解了冷啟動(dòng)問(wèn)題。移動(dòng)旅游推薦是興起的新型推薦領(lǐng)域應(yīng)用。Cyberguide根據(jù)用戶位置上下文信息以及歷史行為為用戶進(jìn)行基于位置的移動(dòng)旅游推薦。

隨著智能設(shè)備的普及，移動(dòng)設(shè)備已經(jīng)成為人們生活中不可或缺的工具。近年來(lái)，利用移動(dòng)推薦系統(tǒng)來(lái)緩解用戶“信息過(guò)載”問(wèn)題已經(jīng)得到研究者們的廣泛關(guān)注，但依然存在大量問(wèn)題需要進(jìn)行深入研究。

主要參考文獻(xiàn)

［1］Church K，Smyth B.Understanding the Intent behind Mobile Information Needs［C］//Proceedings of the 14th International Conference on Intelligent User Interfaces：ACM，2009：247－256.

［2］Dey AK，Wac K，F(xiàn)erreira D，et al.Getting Closer：An Empirical Investigation of the Proximity of User to Their Smart Phones［C］//Proceedings of the 13th International Conference on Ubiquitous Computing：ACM，2011：163－172.

［3］Cho E，Myers SA，Leskovec J.Friendship and Mobility：User Movement in Location－based Social Networks［C］//Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining：ACM，2011：1082－1090.

［4］Baltrunas L.Exploiting Contextual Information in Recommender Systems ［C］//Proceedings of the 2008 ACM Conference on Recommender Systems：ACM，2008：295－298.

［5］Girardello A，Michahelles F.Appaware：Which Mobile Applications Are Hot？［C］//Proceedings of the 12th International Conference on Human Computer Interaction with Mobile Devices and Services：ACM，2010：431－434.

［6］孟祥武，胡勛，王立才，等.移動(dòng)推薦系統(tǒng)及其應(yīng)用［J］.軟件學(xué)報(bào)，2013，24（1）.

10.3969/j.issn.1673-0194.2016.17.099

TP391；G202

A

1673-0194（2016）17-0178-02

2016-07-12

張萌（1990－），男，山西太原人，山西財(cái)經(jīng)大學(xué)信息管理學(xué)院，碩士，主要研究方向：智能系統(tǒng)與金融預(yù)測(cè)，推薦系統(tǒng)。