一种融合情境因素的社会化信息推荐新方法.PDF

第５９卷 第２２期　２０１５年１１月 一种融合情境因素的社会化信息推荐新方法 ■ 房小可 北京联合大学应用文理学院　北京 １００１９１ 摘要：［目的／意义］针对目前融合情境因素的信息推荐方法大都存在推荐前的情境过滤（ｐｒｅｆｉｌｔｅｒｉｎｇ）和 ? 推荐后的情境过滤（ｐｏｓｔｆｉｌｔｅｒｉｎｇ）所导致的价值信息流失问题，将情境因素融入到推荐过程中，实现基于用户－ ? 资源－情境的多维推荐。［方法／过程］将情境因素融入推荐的过程中，动态挖掘在不同情境下用户兴趣的偏 好，利用社会网络的相关指标赋予用户兴趣初始值，从空间距离的视角计算用户兴趣的权重，最后，借鉴内容过 滤和协同推荐的思想实现用户的评分预测，进而按照用户的兴趣进行推荐。［结果／结论］与以往二维推荐的 实验比较表明，将情境因素融入到推荐过程中的方法在减少价值流失的基础上，能更为准确地揭示用户的兴 趣，提高推荐质量，为存在社会关系的社会化媒体推荐服务提供借鉴。 关键词：情境　社会化媒体　信息推荐　内容过滤　协同过滤 分类号：Ｇ２５０．７ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１５．２２．０１６ １　引言 推荐。然而，这种绝对降维的思想，忽略了情境之间的 相似性，从而导致价值信息的流失。鉴于此，本文将情 　　２０１５年２月３日，中国互联网信息中心（ＣＮＮＩＣ） 境因素融入到整个推荐过程中，在考虑情境因素之间 发布的第３５次《中国互联网络发展状况统计报告》显 相似性的基础上实现用户 －资源 －情境的多维信息 示，截至２０１４年１２月，中国网民规模达６．４９亿，互联 推荐。 网普及率为４７．９％，较２０１３年底上升了２．１个百分 ［１］ 点，微博客市场逐渐进入成熟期 。社会化媒体（ｓｏ ２　情境及其相关方法研究 ｃｉａｌｍｅｄｉａ）上的行为显示了用户对某些资源或信息的 ２．１　情境的定义 偏好。以此为线索可以进行基于社会化媒体的信息推 　　关于情境，专门有一个会议对其进行研究，即 荐，本文将此类推荐称为社会化信息推荐。 ＣＯＮＴＥＸＴ会议（ｈｔｔｐ：／／ｃｏｎｔｅｘｔ－０７．ｒｕｃ．ｄｋ），该会议 　　目前，已有一些论文对社会化信息推荐进行了探 ［２－３］ 致力于各个学科中情境因素的讨论，包括人工智能、知 索。学者们利用社会化媒体中的社会关系 或者大 ［４－５］ 识表示、认知科学、语言学、哲学和心理学。可见，情境 众标签 等方法解决稀疏性问题，再结合传统的协 同过滤等方法实现目标用户的信息推荐。然而，无论 被用在众多复杂的领域，每个领域对于情境有着不同 ［６］ ［７］ 的观点，因此对情境概念的介绍应根据不同领域，并结 是协同过滤方法 、基于内容的推荐方法 ，还是混合 ［８］ 合该领域所要解决的问题进行定义。在个性化服务领 推荐方法 ，都是基于用户－项目的二维推荐方法，忽 ［９］ 略了情境因素，从而无法有效获取用户的动态需求。 域比较公