淺談移動(dòng)社會(huì)網(wǎng)絡(luò)中基于位置的個(gè)性化餐館推薦建模研究論文
截至2015年12月底，全國(guó)移動(dòng)電話用戶數(shù)達(dá)13.06億，日益增長(zhǎng)的智能機(jī)和搜索服務(wù)對(duì)用戶的移動(dòng)服務(wù)體驗(yàn)產(chǎn)生了重要影響。為滿足用戶不斷增長(zhǎng)的隨時(shí)隨地獲取如美食等信息的需求，更加個(gè)性化和與位置有關(guān)的移動(dòng)服務(wù)成為未來主要方向。移動(dòng)環(huán)境下基于位置的推薦系統(tǒng)(Location-BasedSystem，LBS)是一種有效的解決方案，它運(yùn)用現(xiàn)代移動(dòng)通信、計(jì)算機(jī)、GPS等技術(shù)，提供與位置有關(guān)的信息服務(wù)。隨著基于位置的服務(wù)產(chǎn)生信息過載問題，推薦系統(tǒng)依據(jù)用戶行為和偏好，提供個(gè)性化需求推薦被廣泛應(yīng)用。移動(dòng)終端具有屏幕小及處理能力弱等缺點(diǎn)，而用戶注重高實(shí)時(shí)和方便性體驗(yàn)，對(duì)有用信息的提取提出了更高要求，基于位置的推薦系統(tǒng)具有位置敏感性和實(shí)時(shí)性，可以結(jié)合用戶當(dāng)前位置及情景信息進(jìn)行個(gè)性化推薦。
本文建立了一個(gè)移動(dòng)社會(huì)網(wǎng)絡(luò)中基于位置的個(gè)性化餐館推薦模型，分析了移動(dòng)環(huán)境下基于位置的個(gè)性化推薦系統(tǒng)的特點(diǎn)和需求，并根據(jù)這些特征，比較現(xiàn)有推薦算法的優(yōu)缺點(diǎn)，選擇合適的推薦方法，結(jié)合情境、時(shí)間和地理等因素提出了分階段的推薦系統(tǒng)模型架構(gòu)。
1 移動(dòng)環(huán)境中基于位置的推薦系統(tǒng)
移動(dòng)環(huán)境中LBS系統(tǒng)從運(yùn)營(yíng)商提供的位置服務(wù)及WIFI定位技術(shù)，通過移動(dòng)手機(jī)GPS功能獲取用戶當(dāng)前信息。與傳統(tǒng)電子商務(wù)系統(tǒng)相比，LBS移動(dòng)應(yīng)用更注重信息的動(dòng)態(tài)性、多樣性和基于用戶位置的實(shí)時(shí)需求。LBS系統(tǒng)與傳統(tǒng)電子商務(wù)系統(tǒng)相比具有明顯差異，導(dǎo)致現(xiàn)有推薦技術(shù)不能直接用于基于位置的服務(wù)。移動(dòng)應(yīng)用程序“Foursquare”基于地理位置，對(duì)用戶進(jìn)行定位，隨機(jī)構(gòu)成一個(gè)實(shí)地的SNS社交網(wǎng)絡(luò)。“大眾點(diǎn)評(píng)網(wǎng)”是一個(gè)典型的、廣泛使用LBS移動(dòng)應(yīng)用服務(wù)的例子，用戶可以獲取各種各樣的生活服務(wù)信息。
以“Foursquare”和“大眾點(diǎn)評(píng)網(wǎng)”分析LBS推薦系統(tǒng)的特征：(1)位置敏感和實(shí)時(shí)性。用戶可基于位置搜索信息，獲得實(shí)時(shí)期望的服務(wù)內(nèi)容。并能立即獲得一些迫切的信息服務(wù)。(2)明確的用戶信息。基于位置的系統(tǒng)中用戶通常具有真實(shí)、可靠的身份特征，易識(shí)別和收集用戶信息。移動(dòng)用戶在網(wǎng)上注冊(cè)時(shí)，便可同步獲得他們的統(tǒng)計(jì)數(shù)據(jù)。(3)融入情景信息，適應(yīng)用戶偏好變化。將情景信息如位置、天氣、時(shí)間等加入LBS推薦系統(tǒng)，可快速響應(yīng)不同情形下用戶興趣的變化，獲取用戶短期興趣，區(qū)分用戶長(zhǎng)期偏好和短期偏好，進(jìn)行更有效的.推薦。(4)冷啟動(dòng)問題。移動(dòng)推薦系統(tǒng)冷啟動(dòng)包括新用戶、新物品和新系統(tǒng)的問題。冷啟動(dòng)發(fā)生在一個(gè)新的推薦系統(tǒng)的初始階段，此時(shí)沒有用戶及其行為，缺乏數(shù)據(jù)導(dǎo)致推薦結(jié)果不準(zhǔn)確。如何贏得用戶和提高其忠誠(chéng)度，解決冷啟動(dòng)問題是有價(jià)值的。(5)隱私保護(hù)。由于涉及個(gè)人隱私和信息安全，用戶不愿提供完整和準(zhǔn)確的數(shù)據(jù)，通過記錄不同時(shí)間點(diǎn)移動(dòng)用戶所在位置，獲取用戶場(chǎng)所，分析其信息、行為和位置，提高推薦準(zhǔn)確性。
2 推薦算法設(shè)計(jì)
根據(jù)不同的推薦算法將推薦系統(tǒng)劃分為：協(xié)同過濾、基于內(nèi)容過濾和基于規(guī)則的推薦。協(xié)同過濾推薦的基本思想是，假設(shè)用戶之前具有相同的偏好，則他們?cè)谝院笠灿邢嗨频钠茫鶕?jù)“用戶—評(píng)分”矩陣計(jì)算不同用戶或項(xiàng)目之間的相似性，然后根據(jù)相似程度，找出與當(dāng)前用戶過去興趣類似的其他用戶即最近鄰相似性。基于最近鄰用戶或項(xiàng)目評(píng)分集計(jì)算目標(biāo)用戶對(duì)物品的預(yù)測(cè)值，最終形成推薦。基于內(nèi)容的推薦是推薦與用戶過去已購(gòu)買的商品或興趣相似的項(xiàng)目，利用資源和用戶興趣的相似性獲取信息并過濾信息。通過獲取用戶評(píng)價(jià)過的項(xiàng)目特征和用戶記錄數(shù)據(jù)，根據(jù)這些數(shù)據(jù)計(jì)算相似性，建立用戶興趣模型，開始推薦過程。然后，系統(tǒng)選擇出與用戶偏好高度相似的那些物品。基于規(guī)則的推薦算法通常基于預(yù)先定義的規(guī)則進(jìn)行推薦，由于推薦系統(tǒng)建立時(shí)，沒有用戶行為數(shù)據(jù)，物品信息也少，因此，通常利用專家進(jìn)行標(biāo)注，或根據(jù)關(guān)聯(lián)規(guī)則的挖掘技術(shù)，這些規(guī)則用IF-THEN語(yǔ)句表示，主要使用用戶的靜態(tài)屬性來創(chuàng)建。
不同推薦算法具有各自的優(yōu)缺點(diǎn)，在移動(dòng)環(huán)境中推薦系統(tǒng)不僅具有上述推薦算法的特征需求，還具有餐館對(duì)象推薦的一些特性，即餐館數(shù)量多，各式菜肴口味品種等有很大差異，且餐館屬性是離散的。為了向用戶推薦適合的餐館，基于位置的推薦系統(tǒng)需要使用推薦算法處理多個(gè)離散屬性。選擇未對(duì)項(xiàng)目?jī)?nèi)容進(jìn)行分析的算法以提高推薦餐館的準(zhǔn)確性。協(xié)同過濾推薦具有冷啟動(dòng)問題，考慮冷啟動(dòng)問題，首先選擇基于規(guī)則的推薦算法;當(dāng)系統(tǒng)收集到足夠的數(shù)據(jù)，采用協(xié)同過濾推薦算法。
3 移動(dòng)社會(huì)網(wǎng)絡(luò)中基于位置的推薦模型
3.1 系統(tǒng)分析
3.1.1 用戶偏好模型
用戶偏好模型是推薦系統(tǒng)的重要組成部分，它為每個(gè)用戶提供個(gè)性化服務(wù)。可以使用不同的方法進(jìn)行用戶偏好建模，用戶模型的類型也不同，本文根據(jù)用戶需求的變化將用戶偏好分為短期偏好和長(zhǎng)期偏好。
(1)用戶短期偏好模型。基于位置服務(wù)系統(tǒng)中的用戶總是處在不斷變化的情景中，不同的情景將使用戶的興趣改變。用戶短期偏好指的是由用戶當(dāng)前所處的特定上下文信息影響而表現(xiàn)出的臨時(shí)偏好，以及與用戶持續(xù)不變的偏好不同的偏好。在這樣的框架下，典型的推薦內(nèi)容是餐館，餐館分為二級(jí)類，分別是西餐、火鍋和燒烤店等。根據(jù)不同的時(shí)間、地點(diǎn)和其他上下文信息，用戶可能選擇不同類型的餐館。例如冬季用戶選擇火鍋的概率要大得多。將用戶在二級(jí)分類的偏好可以看作是短期偏好。
(2)用戶長(zhǎng)期偏好模型。用戶長(zhǎng)期偏好是在分析大量歷史數(shù)據(jù)的基礎(chǔ)上，基于不變的習(xí)慣得出的一種偏好，例如用戶可接受的價(jià)格范圍、服務(wù)質(zhì)量、環(huán)境和餐館其他特點(diǎn)等。將不隨上下文情景改變的偏好定義為用戶的長(zhǎng)期偏好。
3.1.2 情景信息集成
情景信息也稱上下文信息，指能對(duì)用戶的需求表達(dá)產(chǎn)生影響的環(huán)境因素。其中主觀因素與用戶自身個(gè)人喜好、習(xí)慣等特性相關(guān);客觀因素主要是指當(dāng)前位置、時(shí)間、天氣等。上下文信息會(huì)對(duì)用戶短期偏好產(chǎn)生很大影響，做出完全不同的推薦結(jié)果。在推薦時(shí)，傳統(tǒng)的推薦算法只考慮了用戶和資源2個(gè)維度信息。在移動(dòng)情景下，用戶的環(huán)境信息不固定將影響用戶對(duì)信息的搜索，用戶和資源2個(gè)維度就需要擴(kuò)大到三維，即用戶、推薦內(nèi)容、上下文信息。選擇預(yù)先過濾的情境信息并適當(dāng)?shù)匦薷模紫然谟脩舻奈恢茫コh(yuǎn)遠(yuǎn)大于客戶可接受范圍的餐館，過濾掉未在營(yíng)業(yè)時(shí)間內(nèi)的餐館。其次，融合當(dāng)前情景信息區(qū)分用戶的短期和長(zhǎng)期偏好，獲取餐館類型和屬性的用戶偏好概率，計(jì)算每個(gè)餐館推薦的概率。最后，執(zhí)行基于用戶和上下文信息的協(xié)同過濾推薦，顯示向當(dāng)前用戶推薦在相同情境下與其他用戶有共同偏好的餐館列表。
3.2 系統(tǒng)模型
系統(tǒng)框架使用歷史數(shù)據(jù)為新用戶進(jìn)行推薦，在冷啟動(dòng)階段將少量的甚至沒有用戶數(shù)據(jù)及行為的新用戶保留下來，降低移動(dòng)用戶操作的復(fù)雜性。此外，系統(tǒng)框架融合豐富的情景信息，如位置、天氣條件、季節(jié)等，基于用戶的短期和長(zhǎng)期的偏好向用戶提供最有效的推薦。當(dāng)系統(tǒng)收集到大量的數(shù)據(jù)，采用混合的協(xié)同過濾推薦算法提高推薦結(jié)果。
(1)用戶信息。用戶信息包括諸如性別、年齡和其他人口統(tǒng)計(jì)的手機(jī)注冊(cè)信息、移動(dòng)設(shè)備信息等。
(2)情景信息。情景信息包括用戶當(dāng)前的位置、天氣、時(shí)間、季節(jié)等情境信息。
(3)餐館信息。餐館信息包括餐館類型、特征及其他的基本信息。餐館類型有西餐店、火鍋店、燒烤等;餐館特征有環(huán)境、口味、價(jià)格、無線網(wǎng)絡(luò)等;餐館基本信息有餐館位置、營(yíng)業(yè)時(shí)間、聯(lián)系電話等。
(4)用戶日志。用戶日志指用戶的歷史瀏覽記錄，包括用戶等級(jí)和交互數(shù)據(jù)等，以便在冷啟動(dòng)階段更新規(guī)則庫(kù)，并為協(xié)同過濾推薦提供數(shù)據(jù)支持。
3.3 基于規(guī)則的推薦系統(tǒng)
冷啟動(dòng)階段缺少歷史數(shù)據(jù)和用戶的反饋評(píng)分，且餐館的屬性數(shù)量龐大、離散，用戶偏好使用不那么復(fù)雜的操作系統(tǒng)，選擇基于規(guī)則的推薦算法來展示用戶冷啟動(dòng)階段的推薦結(jié)果。如用戶喜好的餐館類型可以是西餐、燒烤店等，選擇何種餐館與用戶當(dāng)前所處情景有關(guān)。如用戶今天想去吃火鍋，明天更喜歡去燒烤店，相應(yīng)地把用戶對(duì)餐館類型的偏好定義為用戶短期口味偏好。對(duì)餐館特征屬性的偏好，如價(jià)格范圍，服務(wù)質(zhì)量和環(huán)境等，通常不隨情景信息改變，將這些特征屬性定義為用戶長(zhǎng)期偏好。
初始階段，用戶短期偏好建立在共有認(rèn)識(shí)上，當(dāng)用戶與系統(tǒng)交互時(shí)實(shí)時(shí)修正;長(zhǎng)期偏好通過分析數(shù)據(jù)確定。區(qū)分用戶的人口統(tǒng)計(jì)特點(diǎn)、手機(jī)屬性和餐館信息之間的關(guān)系，建立IFTHEN表示的規(guī)則庫(kù)，當(dāng)用戶與系統(tǒng)交互，通過匹配規(guī)則進(jìn)行匹配，計(jì)算每家餐館的推薦概率，得出最終的推薦列表。傳統(tǒng)的基于規(guī)則推薦算法未記錄用戶的反饋評(píng)分，本文將用戶對(duì)推薦結(jié)果的反饋記錄到數(shù)據(jù)庫(kù)，供協(xié)同過濾推薦使用。
【淺談移動(dòng)社會(huì)網(wǎng)絡(luò)中基于位置的個(gè)性化餐館建模研究論文】相關(guān)文章：
對(duì)于移動(dòng)社會(huì)網(wǎng)絡(luò)中基于位置的個(gè)性化餐館推薦建模研究論文10-31
論文：淺談基于IP網(wǎng)絡(luò)的Qos策略研究06-23
淺談歌唱中的位置與方法論文03-30
淺談數(shù)學(xué)建模教育在高職院校中的應(yīng)用論文10-09
移動(dòng)網(wǎng)絡(luò)優(yōu)化流程研究論文11-07
基于移動(dòng)Agent系統(tǒng)的安全技術(shù)研究論文11-06
網(wǎng)絡(luò)社會(huì)研究管理的論文10-17