论文部分内容阅读
现在移动Application(App)在我们的生活中如影随影,对于人们来说,一切的App都源自于一句短语“为生活服务”。在物欲纵横的时代,商业无处不在,人们对于生活的品质要求也逐渐提高,在位置移动的过程中,需要找寻的信息,比如餐馆、百货、宾馆和娱乐场所等的兴趣各有不一,价格、环境、评价、商品种类、距离都是能够影响用户的需求和兴趣的重要因素。市场上已经出现越来越多移动商务应用的App,来满足用户在非定时定点的不确定性生活服务需求。所以本文主要针对移动商务应用领域提出了适合于现在人们生活服务需求的用户兴趣模型和个性化推荐算法。本文主要介绍了基于Mobile service To Customer(M&C)模式的移动商务应用个性化推荐算法。该算法的特点是用户兴趣模型和协同过滤算法中都引入了位置兴趣的概念。对于个性化服务的移动客户端,位置是用户兴趣中有很重要的影响影响因素。因此将传统的二维用户-项目矩阵模型改进为移动应用-用户-项目(Mobile_app-User-Item)三维模型。将移动应用中位置情景信息和应用类别建立一个新的维度,使其更全面的包含了用户在移动过程中的位置情景信息,也有针对性的为用户在不同的位置下推送个性化服务信息。本文在个性化推荐算法中使用了协同过滤算法中常用Slope One算法,通过分析Slope One算法的特点,将其规避算法的不足,引入位置兴趣的概念,考虑了用户兴趣相似度和位置,改进为Location-Slope One(即L-Slope One)算法。算法中将用户相似度计算的度量标准做了改进优化,并且缩小项目集合的范围,通过项目聚类的计算将用户邻近项目数量减少,降低了时间复杂度和空间复杂度。并通过实验的方法对其改进的算法进行了模拟验证。实验结果证明了该算法适用于基于移动商务应用的模式,对于位置的敏感度和推荐精度都得到了优化和改善,较好的响应了用户在不同位置情景下的需求和兴趣爱好,为用户提供了优质的个性化推荐服务和信息。