基于用戶上下文相似度的移動(dòng)應(yīng)用推薦研究與實(shí)現(xiàn).pdf

1、移動(dòng)通信技術(shù)發(fā)展日益成熟，智能化的移動(dòng)終端設(shè)備得到普及，各種移動(dòng)應(yīng)用程序也呈爆炸式增加，用戶無法在海量應(yīng)用中快速準(zhǔn)確地定位和獲取喜歡的應(yīng)用，大量出色的應(yīng)用也被掩蓋在熱門移動(dòng)應(yīng)用之下。為幫助用戶有效快速地發(fā)現(xiàn)感興趣的移動(dòng)應(yīng)用，給用戶提供更加精準(zhǔn)化的應(yīng)用服務(wù)，使長(zhǎng)尾應(yīng)用能得到更多的曝光機(jī)會(huì)，移動(dòng)應(yīng)用個(gè)性化推薦應(yīng)運(yùn)而生。
　　現(xiàn)有的移動(dòng)應(yīng)用推薦算法主要依賴于用戶對(duì)移動(dòng)應(yīng)用的使用行為，沒有充分考慮用戶復(fù)雜的上下文環(huán)境。同時(shí)，上下文信息的引

2、入使推薦系統(tǒng)的稀疏性問題更加嚴(yán)重。針對(duì)以上問題，本文提出了一種基于用戶上下文相似度的移動(dòng)應(yīng)用推薦算法UCA-TF（User-Context-Application Tensor Factorization），將完整的上下文表示融入推薦模型，重新構(gòu)建用戶上下文相似度模型，并通過張量分解方法處理高維稀疏上下文數(shù)據(jù)，幫助用戶快速發(fā)現(xiàn)感興趣的移動(dòng)應(yīng)用，提高推薦精度并有效緩解數(shù)據(jù)稀疏性。根據(jù)移動(dòng)應(yīng)用推薦系統(tǒng)參考模型，提出基于 UCA-TF算法的移

3、動(dòng)應(yīng)用推薦原型系統(tǒng)的總體設(shè)計(jì)與實(shí)現(xiàn)方案。
　　本文主要工作包括：
　　①對(duì)移動(dòng)推薦系統(tǒng)和上下文感知推薦進(jìn)行文獻(xiàn)綜述研究，總結(jié)提出移動(dòng)應(yīng)用推薦的特點(diǎn)、關(guān)鍵技術(shù)和亟待解決的關(guān)鍵科學(xué)問題，并闡述了移動(dòng)應(yīng)用推薦的研究背景與意義。
　?、卺槍?duì)移動(dòng)應(yīng)用推薦中數(shù)據(jù)稀疏性和用戶上下文環(huán)境復(fù)雜多變問題，提出一種基于用戶上下文相似度的移動(dòng)應(yīng)用推薦算法（UCA-TF算法），該算法組合用戶間的多維上下文相似度和上下文相似可信度，建立用戶上下文

4、相似度模型，再對(duì)目標(biāo)用戶的K個(gè)鄰居用戶建立移動(dòng)用戶-上下文-移動(dòng)應(yīng)用三維張量分解模型，獲得目標(biāo)用戶的移動(dòng)應(yīng)用預(yù)測(cè)值，生成移動(dòng)推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明，UCA-TF算法相比其它算法具有更高的推薦精度，能有效緩解上下文稀疏性的影響，提高用戶滿意度。
　　③在UCA-TF算法研究基礎(chǔ)上，提出了基于用戶上下文相似度的移動(dòng)應(yīng)用推薦原型系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)方案。移動(dòng)應(yīng)用推薦客戶端展示應(yīng)用推薦信息，實(shí)時(shí)對(duì)用戶的請(qǐng)求進(jìn)行響應(yīng)，并將在線采集的行為數(shù)據(jù)和上