上下文情景语义感知的组推荐模型研究

The context-aware calculation method is applied to the model of recommendation system in this project. Based on context of scenario analysis and reasoning, we can implement recommendation for user group. This project uses technology of the context of scenarios aware ,which fuse these multi-source data of smart phones, sensor networks and social networks for the scenario modeling and reasoning, and then format the context clues to build the perceptual model of the context scenarios for scenarios high-level semantic knowledge. To combinate the rich behavior of user group, we can predict the behavior patterns of the user group based on the group recommendation, which meet the needs of the user group. To carry out these studies, we can automatically discover resources and services available in the environment, then provide services and the corresponding intelligent services to adapt to the needs of user groups.

本项目将上下文感知计算方法应用到推荐系统的模型研究中，通过上下文情景的分析与推理，实现用户组的推荐。本项目利用上下文情景感知技术，融合智能手机，传感器网络和社交网络的多源数据，对这些数据进行情景建模和推理，从而得到上下文的线索，形成上下文情景的语义感知模型，获得情景的高层语义知识。再结合用户丰富群体行为，通过组推理的方法来预测用户的组的行为模式，推荐满足用户组的需求。这些研究的开展，能自动地发现环境中可用的资源和服务，主动提供适应用户组需求的服务，为用户组提供相应的智能服务。

本项目研究了上下文情景感知技术，提出了计算情景感知的推荐框架——CSSGR。CSSGR获取移动终端，传感器，及社会数据，进行上下文的分析和推断，决定适当的推荐服务。本项目主要研究CSSGR如何收集不同的数据流，如何分析和融合不同的数据流，从而推断出更高层次的情景意义。. 以研究推荐系统多层计算框架的计算理论和方法为核心，将情景信息的采集、建模、推理和服务等不同的工作，利用一个统一的计算框架来进行各个阶段数据交互，以及最终的问题求解。主要解决了如下关键技术：（1）利用收集的数据进行情景的表示，进行情景上下文的推理；（2）全面的感知用户所处的背景；（3）结合用户组的定义以及推荐方法描述用户之间的社会化关系，并利用这种社会化关系进行组的特征描述；（4）识别出组的社会关系，再结合用户的情景上下文，来获得用户全面的属性，最终为用户组产生相应的最优化的推荐服务。. 课题围绕研究计划目标，经过三年的努力，顺利完成项目申请之初制定的上述研究内容。针对现有的理论成果进行创新和改进，为推荐系统领域内实际的一些研究问题提出了有效的解决方法。具体的研究成果请参见“研究工作主要进展和所取得的成果”。共计发表或录用论文12篇。其中SCI收录3篇，EI收录9篇；申请专利4个，其中授权专利3个。已完成研究成果指标，并超出了预期。