泛在环境下基于情境感知的信息多维推荐服务模型与实现研究

随着3G等移动网络技术的发展，面向泛在环境的个性化信息推荐服务将成为信息服务研究的新热点。传统"用户-资源"两维推荐服务模型存在信息资源与用户需求匹配过程中自适应性不够等问题，导致个性化信息服务质量不高。针对泛在环境下用户个性化信息需求具有情境敏感性，项目研究基于情境感知的信息多维推荐服务模型与实现方法。研究内容包括：①泛在环境下情境识别获取与语义描述方法，构建情境语义模型。② 基于情境感知的多维推荐模型与算法研究，集成基于资源内容的用户偏好情境匹配和Bayesian学习方法的物理情境匹配；根据当前网络情境，基于Jena规则推理技术将推荐的信息资源以适当的显示模式和数据格式标准主动推送给目标用户，实现个性化的多维推荐服务。③ 多维推荐服务模型的体系结构及其在移动数字图书馆领域的应用研究。通过项目研究，将实现推荐系统对情境的智能感知，为用户在泛在环境下提供实时、精准的个性化信息推荐服务。

随着3G等移动网络技术的发展，面向泛在环境下的个性化信息推荐服务将成为信息服务研究的新热点。传统“用户—资源”两维推荐服务模型存在信息资源与用户需求匹配过程中自适应性不够等问题，导致个性化信息服务质量不高。针对泛在环境下用户个性化信息需求具有情境敏感性，本项目将情境融入信息推荐过程中，将传统两维推荐模型扩展为包含多种情境的多维推荐服务模型，并在数字图书馆、电子商务领域实现应用。项目从不同研究视角提出相应基于情境感知的信息推荐方法。研究内容包括：(1) 提出一种融合物理情境、偏好情境以及网络情境的信息多维推荐服务，使得信息资源在特定情境条件下能够和用户需求进行自适应匹配，并根据网络状态将推荐的信息资源选择合适的显示模式及其数据格式；(2) 将贝叶斯分类和传统协同过滤技术结合，提出一种基于情境感知的信息协同过滤推荐方法；(3) 为了识别不同情境对于信息推荐所起的不同作用，提出“情境熵”来度量读者的情境感知度，去除无效的噪声情境，并计算出有效情境在信息推荐中的相应权重值；在此基础上结合传统协同过滤技术，提出一种基于情境感知的信息协同过滤推荐方法，为读者提供符合当前情境的个性化阅读推荐服务；（4）在电子商务领域，提出了一种基于顾客点击流和协同过滤的情境感知商品推荐模型。在该模型中，通过顾客的点击流数据自动获取消费者的偏好情境，以形成顾客的偏好模型。同时，考虑到偏好情境的时间敏感特征，采用指数平滑方法对偏好情境进行分析和更新。项目研究完善和扩展了现有的信息推荐模型，创新了个性化信息服务在泛在环境下的理论和方法，并实现在数字图书馆、电子商务等领域的应用。因此，研究成果对于完善数字图书馆和电子商务个性化服务机制，提高用户在泛在环境下获取知识和商务信息资源的能力具有重要的科学意义。