泛在环境下基于情境历史和兴趣社区的个性化信息推荐模型与实现

With the rapid development of mobile and ubiquitous network technology, personalized information recommendation service oriented to the ubiquitous environment has already become a new hot spot in information services research area. The current personalized information recommendation system and its algorithm mostly paid more attention to improve the accuracy of the algorithm rather than the diversification of recommended results which may lead to relatively lower user satisfaction. Under the circumstances, this project integrates context history minning and communities of interests technology to study mixed information recommendation model (which merge the attribution of accuracy and diversity) and its implement methods in the ubiquitous environment. Our research include: (1) Research of user demand modeling method utilizing context history under ubiquitous environment and building the personalized user model based on domain-specific ontology. (2) Integrating user preferences matching algorithm which is based on communities of interests and diversity information recommendation algorithm based on social filtering to design mixed information recommendation model which merge the attribution of accuracy and diversity. (3) Building the five-level system architecture of personalized information recommendation service in the ubiquitous environment. First, we will implement intelligent matching between user demand and information resource by applying mixed information recommendation algorithm. Then, initiatively recommend information resource to target users with appropriate display mode and data format by using RSS push technology, so as to provide them accurate, diversified and personalized information. (4) Research of the application of personalized information recommendation service in tourism field in Jiangxi Province.

随着移动和泛在网络技术的飞速发展，面向泛在环境的个性化信息推荐服务已成为信息服务研究的新热点。当前的个性化信息推荐系统和相应算法大多是千方百计地关注于如何提高推荐算法的精确性，而忽略了推荐结果的多样性，导致用户满意度不高。项目集成情境历史挖掘和兴趣社区技术，研究泛在环境下融合精确性和多样性的混合信息推荐模型与实现方法。研究内容主要包括：①研究泛在环境下基于情境历史挖掘的用户需求建模方法，构建用户需求本体模型。②集成基于兴趣社区的用户偏好匹配算法和基于信任邻居的多样性信息推荐算法，设计融合精确性和多样性的混合信息推荐模型。③构建泛在环境下个性化信息推荐服务的五层体系结构，运用混合信息推荐算法实现用户需求与信息资源的智能匹配，利用RSS 推送技术将推荐的信息资源以适当的显示模式和数据格式主动推送给目标用户，实现准确多样的个性化信息推荐服务。④江西省旅游领域个性化信息推荐服务的应用研究。

泛在环境下的个性化信息推荐系统应从以精确性为中心到综合考虑精确性和多样性，为用户提供高价值的信息推荐服务。本项目集成情境感知计算、社会化网络和图论等理论研究泛在环境下融合精确性和多样性的个性化信息推荐模型与实现方法。.研究内容主要包括：①研究泛在环境下基于情境历史挖掘的用户需求建模方法，分析用户情境和项目特征之间的关联关系。②研究泛在环境下基于兴趣社区和信任邻居的混合信息推荐方法、基于用户情境和用户评论的混合信息推荐方法以及基于物质扩散理论的社会化推荐方法。③构建泛在环境下融合精确性和多样性的个性化信息推荐系统的体系结构。④研究个性化推荐方法的评价指标，对推荐算法和模型进行测试和完善。⑤采用实证研究方法，分析不同个性化推荐技术应用对在线用户行为的影响，探究个性化推荐方法与其它决策辅助工具在影响在线用户行为上的交互作用，为个性化推荐技术的应用决策提供参考。.在研究过程中，本项目提出一种泛在环境下用户需求建模方法，构建基于兴趣社区和信任邻居的混合信息推荐模型、基于用户情境和用户评论的混合信息推荐方法以及改进的物质扩散推荐方法，开发移动旅游推荐原型系统CAMTRS和移动美食推荐系统ChRaR，总结推荐系统多样性的度量指标，研究个性化推荐方法的健壮性和抗攻击性，实证分析信息级联对用户推荐和系统推荐在影响在线用户行为上的调节效应。本项目研究取得了较为丰硕的研究成果，在复旦大学出版社出版一部学术专著《泛在商务环境下的信息聚合与推荐》，在Electronic Commerce Research、PLoS ONE、Library Hi Tech、《小型微型计算机系统》等国内外重要期刊和会议上发表学术论文16篇。其中，SCI/SSCI期刊论文3篇，EI期刊论文7篇。.本项目对于完善和扩展现有个性化信息推荐模型和方法，提高泛在环境下个性化信息服务的质量具有较为重要的理论价值和现实意义。此外，项目开展的个性化推荐技术的应用实证研究对于在线平台和移动APP在各种个性化推荐方法的选择和系统设计上具有一定的参考价值。