论文部分内容阅读
个性化推荐技术旨在针对不同用户的个性化偏好,在网络中自动查找符合其需求的信息并推荐给用户,从而可以节省用户手动查找时间。其中,如何提取出用户的兴趣特征,进而建立合适的用户兴趣模型是个性化推荐技术的核心和基础,这直接影响着推荐内容的质量。不同的网络环境,用户的浏览习惯及兴趣表达的方式不同,因此,用户的兴趣特征提取方法也随之不同。相对于面向传统网络的推荐系统,面向移动网络的推荐系统有其自身的特点,如移动性等。针对在不同的网络环境中的用户,要根据其特点来建立合适的兴趣模型,以提高用户兴趣表达的准确程度。本文通过分析移动网络环境不同于传统网络环境的特点,研究面向移动网络环境的用户兴趣建模机制,并将该机制应用于新闻推荐领域,设计并实现了面向移动网络新闻的用户兴趣提取系统。本文主要研究内容包括:(1)调研并分析了个性化推荐技术在国内外的应用现状,重点分析了用户兴趣建模的相关理论知识,用户兴趣建模主要由用户兴趣数据收集和用户模型表示两部分组成,本文对用户兴趣数据收集的方法和用户兴趣模型的表示方法进行了分析与总结。(2)分别对移动网络环境和通过移动网络所投送的新闻的特点进行了分析。移动网络环境具有不同于传统网络的特点,比如位置相关性、移动用户可随时随地接入网络中、移动网络中的终端设备的多样性、移动用户身处的情境变化迅速等,在个性化服务中,充分挖掘上述特点,有助于分析用户的浏览数据并挖掘出用户的兴趣;新闻具有时效性强、更新速度快等特点,面向新闻领域的个性化服务要充分考虑新闻特点并采用针对上述特点的、合适的用户模型表示方法和个性化推荐算法。(3)结合移动网络环境和新闻的特点,提出融合情境信息的用户兴趣模型的表示方法和更新机制。该模型中,使用向量空间模型表示用户的兴趣,根据用户浏览行为的数据去衡量用户对新闻页面的兴趣程度,并以此获取用户新的兴趣特征。最后,给出了兴趣模型的更新过程,更新过程中采用时间衰减机制(遗忘规律),突显用户兴趣的转移方向和趋势。(4)应用本文提出的用户兴趣模型,设计和实现了面向移动网络新闻的用户兴趣提取系统,该系统分为兴趣数据采集模块、兴趣模型更新模块、兴趣分析模块及管理模块。兴趣数据采集模块在客户端,其功能是实时记录用户的浏览行为数据及所处的情境信息,并将兴趣数据异步地传输给服务器端;兴趣模型更新模块对用户的浏览数据与情境信息进行增量式地分析与计算,将用户兴趣进行归类,挖掘用户的兴趣偏好,并更新用户兴趣模型;兴趣分析模块对用户兴趣模型进行分析,获取用户的兴趣结构;管理模块主要完成对用户信息与系统参数配置信息的管理功能。此外,本文设计了评估实验,包括主观和客观两方面对本系统进行评价。实验表明,本系统可根据用户的浏览行为及情境信息,挖掘出用户在不同情境下的兴趣特征,并且,系统分析获取的用户兴趣与用户的真实兴趣有较好的符合度。