伴随着移动智能终端和无线网络技术的快速发展,用户对随时随地能够方便地获取互联网信息和服务的需求日渐增长,移动商务应用正在向着更深、更广的维度不断突破发展。作为移动商务“杀手锏”应用的移动个性化推荐系统及信息服务MPIRS可以有效缓解用户信息过载并提升服务质量,其应用水平已经成为互联网企业创新发展能力的重要衡量指标。然而,用户在享受优质MPIRS的同时,也被动暴露了大量的用户隐私信息。同时,移动用户的人格特质、社交关系、上下文、情感倾向性等复杂因素对其偏好具有重要的影响。上述特征使得提供隐私关注下高质量的MPIRS变得极具挑战性。因此,研究在隐私关注下如何利用个性化推荐技术提高用户采纳MPIRS的意愿,降低用户隐私关注的同时提供高质量的推荐服务迫在眉睫。本文探讨移动用户隐私关注的心理认知过程,重点研究在移动商务服务中,影响用户隐私关注的因素及其采纳个性化信息推荐服务行为的隐私机制。在此基础上,研究面向用户隐私关注问题的移动个性化信息推荐理论与方法,以网络用户理性行为理论、社交网络理论、“大五人格”理论、隐私关注理论等作为理论基础,采用文本挖掘、上下文计算、结构方程模型(SEM)、协同过滤推荐等方法实现高质量的推荐服务,降低移动用户采纳个性化信息推荐服务中的隐私关注程度。主要研究工作包括以下四个部分:(1)MPIRS中用户隐私关注影响因素研究针对MPIRS中用户隐私关注的认知过程研究,包括隐私关注的构成、影响隐私关注的要素、以及如何对这些要素之间的关系进行测度。本文重点研究了隐私关注和理性行为理论,并基于上述理论构建面向用户隐私关注问题的MPIRS采纳行为理论模型。首先,将隐私关注影响因素从用户视阈归纳为用户隐私倾向、用户内控点、用户开放性、用户外向性、用户随和性和社交群体影响。然后,开发了移动用户隐私关注前因量表,对这些变量进行定义,并建立这6个因素与隐私关注4个维度之间关系的研究假设。在此基础上,研究各个影响因素对隐私关注4维度的影响,深入分析用户在采纳MPIRS过程中的隐私关注强度、隐私偏好心理及网络行为习惯。第三,通过对上述6类移动用户隐私关注影响因素的分析,本文提出了基于SEM的隐私关注影响因素关系模型。SEM路径模型验证了本文提出的假设,确定隐私关注结构及影响机理,为后续第4和第5章用户偏好建模和个性化推荐算法设计奠定理论基础。(2)隐私关注下基于情感倾向性分析的移动上下文推荐方法研究针对移动上下文推荐中的隐私关注问题,本文提出了一个隐私关注下基于情感倾向性分析的移动上下文推荐方法PS-HCF。首先,通过基于情感词汇本体库的文本情感倾向性分析方法STAS预测潜在未知的用户偏好,即利用文本情感分析技术提取情感特征,进行文本情感偏好挖掘。然后,分析论文第3章提出的6类隐私关注影响因素对移动用户采纳MPIRS的影响,引入“隐私关注强度”的概念,并提出融入隐私关注强度的基于用户的协同过滤方法PI-UCF,利用用户隐私关注强度来寻找近邻集,并利用已知评分来预测目标用户的评分;第三,本文提出融合上下文和情感信息的基于用户的协同过滤方法CS-UCF。基于上下文信息使用上下文相似度计算方法对“用户—商品/服务”进行聚类,使得每个子类中的“用户—商品/服务”有相似的上下文。在此基础上结合用户的情感评分和上下文相似度来进行协同过滤推荐。最终,PS-HCF方法综合PI-UCF和CS-UCF的预测评分生成推荐结果。PS-HCF方法融合隐私关注强度、情感倾向性等信息较好地解决了移动推荐中的数据稀疏性等问题,并降低了用户隐私关注程度。(3)隐私关注下基于人格特质与用户关系强度的移动社交网络推荐方法研究针对移动社交网络推荐中的隐私关注问题,本文提出了隐私关注下基于人格特质与用户关系强度的移动社交网络推荐方法PC-MSPR。首先,PC-MSPR重点分析了开放性、外向性、随和性这三个人格特质对移动用户网络行为的影响,并创新性地将隐私关注偏好度融入到个体人格特质计算模型中。然后将上述四个影响因子进行量化,设计了一种融入隐私偏好度的人格特质计算方法PP-PTM,建立客观化网络行为特征与考虑隐私关注的人格特征之间的“大五”人格预测模型,克服传统的心理自测量表带来的数据难以获取、规模不大以及调查对象的不认真、不诚实导致数据不可用等问题,且对隐私关注偏好度的考虑,获得了难能可贵的用户隐私偏好。其次,提出一种基于社会网络交互活动和领域本体的用户关系强度计算方法AI-URS。AI-URS对交互活动进行活动领域的划分,计算属于同一活动领域的用户间关系强度。同时,以交互活动文档为依据计算同一领域中用户的单向综合关系强度,包括直接关系与间接关系,克服了以往研究中只能计算直接关联用户关系强度的局限,提高计算结果的准确性。最终,将隐私关注的人格特质和用户社交关系融入到协同过滤推荐中用户的相似度计算,解决了传统的数据稀疏性等问题,并降低了用户隐私关注程度。(4)面向用户隐私关注问题的MPIRS应用研究将本论文提出的模型与方法应用于移动商务环境下面向用户隐私关注问题的MPIRS中。首先,研究设计移动个性化信息推荐平台MRecommend的体系框架并实现软件系统,包括网络数据采集模块、情感倾向性计算模块、移动个性化推荐算法实现模块等;其次,结合具体手机商品移动购物应用,构建了基于社会化标签的领域本体、基于领域本体的用户上下文管理模型,以及融入评论特征的手机领域本体模型,实现MPIRS过程中的多元信息表达与管理。最后,提出对移动商务企业在隐私关注和推荐策略的管理启示,包括对移动商务企业在隐私机制方面的改进方向,以及提高移动个性化推荐质量及用户采纳MPIRS意愿的措施和建议。