1.2 移動(dòng)推薦系統(tǒng)研究框架

移動(dòng)用戶的信息需求往往與所處的環(huán)境密切相關(guān)，移動(dòng)互聯(lián)網(wǎng)用戶所面臨的復(fù)雜的情境環(huán)境和普適計(jì)算的特點(diǎn)非常吻合，其需求處于一種動(dòng)態(tài)變化的狀態(tài)，這對(duì)移動(dòng)推薦系統(tǒng)的實(shí)時(shí)性、精確性乃至結(jié)果可視化都提出了相應(yīng)的要求。只有將情境信息融入推薦系統(tǒng)，才能更好地生成移動(dòng)推薦結(jié)果。首先，在移動(dòng)互聯(lián)網(wǎng)環(huán)境下，移動(dòng)設(shè)備的ID化屬性為實(shí)現(xiàn)個(gè)性化的信息服務(wù)帶來了可能。其次，移動(dòng)用戶之間的交互行為更加頻繁（如移動(dòng)通信行為、移動(dòng)社交網(wǎng)絡(luò)服務(wù)等），這使得移動(dòng)社會(huì)化網(wǎng)絡(luò)的構(gòu)建相比傳統(tǒng)互聯(lián)網(wǎng)社會(huì)化網(wǎng)絡(luò)更容易實(shí)現(xiàn)且更真實(shí)、更可靠。各種各樣的社交化網(wǎng)絡(luò)（家人、朋友、同學(xué)、同事、興趣組等）對(duì)于移動(dòng)用戶偏好的預(yù)測(cè)和移動(dòng)信息內(nèi)容的推薦都是十分有益的，因此，移動(dòng)社會(huì)化推薦也是移動(dòng)推薦系統(tǒng)的重要組成部分和重點(diǎn)研究對(duì)象。而且將用戶行為、情境信息、社會(huì)化網(wǎng)絡(luò)等多源信息融合，可以進(jìn)一步提高移動(dòng)推薦系統(tǒng)的精確度。最后，移動(dòng)推薦系統(tǒng)的效用評(píng)價(jià)技術(shù)根據(jù)一些評(píng)價(jià)指標(biāo)發(fā)現(xiàn)移動(dòng)推薦系統(tǒng)的優(yōu)缺點(diǎn)，并做出相應(yīng)改進(jìn)，有利于提高移動(dòng)推薦系統(tǒng)的實(shí)用性和自適應(yīng)性。基于此，移動(dòng)推薦系統(tǒng)研究?jī)?nèi)容的基本框架如圖1.4所示。

圖1.4 移動(dòng)推薦系統(tǒng)研究?jī)?nèi)容的基本框架

該框架被劃分為4層。

1）數(shù)據(jù)采集層

數(shù)據(jù)采集層是移動(dòng)推薦系統(tǒng)的數(shù)據(jù)來源層，移動(dòng)推薦系統(tǒng)中的數(shù)據(jù)源往往包括移動(dòng)用戶信息、情境信息、移動(dòng)用戶的網(wǎng)絡(luò)使用、通信行為、網(wǎng)絡(luò)服務(wù)日志等信息，屬于典型的多源信息采集的特征。

2）數(shù)據(jù)預(yù)處理層

對(duì)于采集到的數(shù)據(jù)，在真正應(yīng)用到推薦過程之前，還需要進(jìn)行一些處理，處理結(jié)果作為系統(tǒng)的某種數(shù)學(xué)形式的輸入。數(shù)據(jù)預(yù)處理層主要包括：移動(dòng)用戶偏好提取，即根據(jù)移動(dòng)Web行為日志、移動(dòng)通信行為日志等提取移動(dòng)用戶對(duì)移動(dòng)網(wǎng)絡(luò)服務(wù)或更細(xì)粒度的移動(dòng)信息內(nèi)容的偏好信息，構(gòu)建移動(dòng)用戶；移動(dòng)網(wǎng)絡(luò)服務(wù)二維矩陣；情境推理計(jì)算，即對(duì)粗糙的情境信息進(jìn)行規(guī)則推理或數(shù)量化計(jì)算[17]；情境用戶偏好提取，即挖掘移動(dòng)用戶行為與情境之間的關(guān)聯(lián)性，提取少量包含情境的移動(dòng)用戶偏好信息，構(gòu)建移動(dòng)用戶；移動(dòng)網(wǎng)絡(luò)服務(wù)-情境關(guān)聯(lián)；移動(dòng)社會(huì)化網(wǎng)絡(luò)構(gòu)建，即利用移動(dòng)用戶人口統(tǒng)計(jì)學(xué)特征、移動(dòng)通信行為日志、移動(dòng)Web行為日志中的移動(dòng)社交網(wǎng)絡(luò)服務(wù)行為或與地理位置關(guān)聯(lián)的移動(dòng)用戶行為，構(gòu)建多模的移動(dòng)社會(huì)化網(wǎng)絡(luò)。

3）移動(dòng)推薦生成層

移動(dòng)推薦生成層是移動(dòng)推薦系統(tǒng)的核心層，既要考慮移動(dòng)協(xié)同過濾推薦、基于內(nèi)容和深度學(xué)習(xí)的移動(dòng)推薦等技術(shù)的實(shí)現(xiàn)，又要重點(diǎn)生成移動(dòng)情境推薦、移動(dòng)社會(huì)化推薦及融合多源信息的集成化移動(dòng)推薦。其中，移動(dòng)情境推薦可以分為基于時(shí)間的移動(dòng)推薦、基于位置的移動(dòng)推薦、基于多維度情境的移動(dòng)推薦等，也可以分為基于啟發(fā)式的方法和基于模型的方法；移動(dòng)社會(huì)化推薦可以分為基于啟發(fā)式的方法和基于模型的方法；融合多源信息的集成化移動(dòng)推薦則需要按照各種因素對(duì)推薦結(jié)果進(jìn)行綜合排序。此外，在很多移動(dòng)推薦系統(tǒng)中，數(shù)據(jù)預(yù)處理過程與移動(dòng)推薦生成過程會(huì)融合在一起。

4）移動(dòng)推薦效用評(píng)價(jià)層

在將推薦結(jié)果呈現(xiàn)給用戶時(shí)，需要結(jié)合用戶的顯式或隱式反饋，利用準(zhǔn)確性、實(shí)時(shí)性、有效性、多樣性等評(píng)價(jià)指標(biāo)評(píng)價(jià)移動(dòng)推薦系統(tǒng)的性能，并根據(jù)需要對(duì)其進(jìn)行擴(kuò)展、改進(jìn)等。