移动互联环境下准确与公平兼顾的服务推荐方法研究

The research focuses on the accuracy and fairness of service recommendation approach in mobile internet environment. Firstly, the study predicts the missing QoS value by employing the tensor analysis. Then, in order to achieve the accuracy of service selection, how to obtain the preferences and context of users is studied. In addition, an algorithm to quantify the accuracy of service recommendation is presented. Thirdly, the study addresses the cold-start problem of newly added service by introducing a fairness factor. By adopting a fairness factor dynamic adjustment mechanism, the study obtains an adaptive updating system. Lastly, based on the former two steps, an accurate and fair service recommendation approach in mobile internet environment is proposed. Furthermore,the research results will achieve breakthroughs in key technologies, enhance the quality of experience of mobile internet users, and provide theoretical foundation support for future research.

本项目围绕移动互联网环境下服务推荐机制中面临的准确性和公平性两个核心问题，研究兼顾二者的个性化服务推荐算法。首先，研究通过张量方法对移动互联网服务的QoS缺失数据进行预测，为其后的准确性和公平性计算奠定基础；其次，为了达到选择和推荐服务的准确性，研究获取用户的上下文信息和个性化偏好的方法，设计算法对移动互联网服务推荐的准确性进行量化；然后，为了达到选择和推荐服务的公平性，引入并研究公平性因子动态调整机制，解决新加入服务的冷启动问题，形成一个动态更新的系统；最后，基于前两步获得的准确性和公平性因子向量，设计兼顾两者的移动互联网服务推荐算法，突破关键技术，取得具有原创性和自主知识产权的研究成果。

围绕移动互联网环境下服务推荐机制中面临的准确性和公平性问题，本项目重点研究了兼顾二者的个性化服务推荐算法，并开发了相应的原型系统，以提升移动互联网环境下用户的服务体验。 .（1）理论研究方面：本项目围绕移动环境下公平性增强的服务推荐方法，以及公平性基础上的准确推荐问题、群组推荐过程中个体评价和群组评价的公平性协调问题，将用户偏好计算、QoE评估方法、QoE关联建模引入到服务推荐研究中。根据用户偏好特性、个性化服务特性、用户使用服务时的环境特性这三层面的影响因素，提出了移动互联环境下公平性感知的个性化服务推荐和群组服务推荐算法，以及相应的公平感知的移动服务推荐方法（FMSR）和一种新的POI群组推荐方法，基本保障了移动互联环境下服务选择的准确性和公平性。.（2）原型系统开发方面：基于理论研究成果，本项目突破了关键技术的设计实现，开发了面向移动互联网的服务推荐原型系统，验证了通过改进服务选择算法来提高服务获取的准确性，以及通过引入公平性因子实现服务推荐的公平性，取得了具有原创性和自主知识产权的研究成果。