移动商务中基于定位的个性化推荐系统研究

论文摘要

无线移动通信技术和移动终端的发展为人们的生活带来了极大的改变,移动商务因为能在移动中实现随时随地的交易并提供服务而得到重视和快速发展。在移动商务中基于定位的服务（Location-Based Service, LBS）被认为是一项杀手锏级的应用,然而即使在LBS中用户仍然面对着信息过载的问题,同时移动中用户的时间和精力、环境、移动终端显示屏等方面的限制使得这一问题更加严重。推荐技术可以有效地解决用户信息过载的问题,并增加网站的粘度和交叉销售能力,但是传统电子商务中的推荐技术不能直接平移到移动商务中,因为移动商务和传统电子商务相比有很多特征和差别。首先,移动商务的位置相关性、紧急性和随时随地访问等是其独特的价值所在;其次在技术、服务特性和商业模式两者也存在很大差异。这些差异决定在移动商务中推荐算法必须满足一些特殊的要求:对用户兴趣变化反应快,能处理短期兴趣;能处理变化很大的项目属性,对位置敏感;无用户冷开始问题。从这样的要求出发,本文将推荐看作一种了解用户兴趣、缩小可选空间并帮助用户决策的过程。从决策的角度考虑,推荐就是在有限个可选的项目中选择一个适合用户需要的项目,而且每个项目都由多个属性所构成,这样推荐问题就可以转化成一个多属性决策的问题来解决。本文采用基于案例的模型表示方法并对其加以修改以适应移动商务中推荐的需要。在此基础上本文利用TOPSIS方法的思想构建了基于定位的个性化推荐算法。为测试该推荐模型、推荐算法的可行性及其效果,本文设计实现了一个移动商务中基于定位的个性化推荐测试系统,通过模拟在移动应用环境下为用户推荐合适的酒店房间来实际验证推荐算法。试验结果表明,本文所构建的基于定位的个性化推荐算法能够满足移动商务中应用的需要,即对用户偏好敏感,能处理用户的短期兴趣,能处理变化很大的项目属性,对位置敏感。测试结果表明该算法具有较高的推荐精度。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 移动商务的兴起
• 1.1.2 基于定位的服务及其发展现状
• 1.2 研究目的与意义
• 1.2.1 研究目的
• 1.2.2 研究意义
• 1.3 研究内容与技术路线
• 1.3.1 研究内容
• 1.3.2 技术路线
• 第2章 基础理论和研究现状
• 2.1 电子商务个性化推荐系统
• 2.1.1 电子商务个性化推荐系统的构成
• 2.1.2 电子商务个性化推荐系统的作用
• 2.2 电子商务个性化推荐算法
• 2.2.1 基于内容的过滤（Content-Based Filtering）
• 2.2.2 协同过滤（Collaborative Filtering）
• 2.2.3 基于知识的推荐（Knowledge-Based Recommendation）
• 2.2.4 基于效用的推荐（Utility-Based Recommendation）
• 2.2.5 基于人口统计学的推荐（Demographic-Based Recommendation）
• 2.2.6 各种推荐技术的优缺点
• 2.3 环境敏感的推荐系统.
• 2.4 移动商务及其对个性化推荐系统的要求
• 2.4.1 移动商务的特征
• 2.4.2 移动商务与传统电子商务的区别
• 2.4.3 移动商务中基于定位的个性化推荐对算法的要求
• 第3章 基于定位的个性化推荐算法的构建
• 3.1 构建算法的思路
• 3.1.1 从用户决策的角度考虑推荐算法的构建
• 3.1.2 借助多属性决策构建算法
• 3.2 建立推荐算法模型.
• 3.2.1 常见模型表示方法.
• 3.2.2 基于定位的个性化推荐模型
• 3.3 基于定位的个性化推荐算法描述
• 3.3.1 项属性值的标准化.
• 3.3.2 项属性的权重与加权推荐矩阵
• 3.3.3 理想方案与负理想方案
• 3.3.4 项目推荐表
• 3.3.5 基于定位的个性化推荐算法过程
• 3.4 本章小结
• 第4章 实验与结果分析
• 4.1 原型系统
• 4.1.1 系统流程及各部分功能
• 4.1.2 房间数据来源及距离计算方法
• 4.1.3 模拟系统的运行环境
• 4.2 测试
• 4.2.1 敏感性测试
• 4.2.2 推荐精度
• 4.3 本章小结
• 结论
• 参考文献
• 附录 A 攻读学位期间所发表的学术论文目录
• 附录 B 测试系统部分代码ASP.NET（C#）
• 致谢