一种基于LBS的移动个性化推荐系统.doc

科 学 技 术 与 工 程 Science Technology and Engineering Vol. 11 No. 30 Oct. 2011 第 11 卷 第 30 期 2011 年 10 月 1671— 1815( 2011) 30-7439-05  2011 Sci. Tech. Engrg. 一种基于 的移动个性化推荐系统 LBS 张春永 陈 群 ( 西北工业大学计算机学院，西安 710129) 摘 要 随着个性化推荐技术的不断成熟和移动互联网的迅猛发展以及各种移动智能设备在人们的日常生活中扮演着重要 的角色。结合 LBS 和个性化推荐技术，提出一种基于 LBS 的移动个性化菜品推荐系统。系统通过经纬度对菜品进行地域过 滤，从而产生候选推荐集，然后对候选推荐集进行分类或聚类，并且对各类里的候选推荐集采用协同过滤技术进行过滤，从而 形成每个类的 Top-Ni 推荐集，最后将各类的 Top － Ni 推荐集进行归并并产生最终的推荐集。最后在 iPhone 平台上实现了系 统原型 EatStars。 关键词 LBS 协同过滤 个性化推荐 文献标志码 中图法分类号 TP393． 07; A 近年来，随着移动互联网的迅猛发展，人们对 随时随地获取信息的需求越来越大。尽管现在位 置服务市场的应用已经比较丰富，但是人们在移动 互联网的海量信息中快速获取信息依然比较困难。 而在传统 Web 互联网中，大量的个性化信息推荐系 统已经能帮助用户缓解信息过载问题并提供较好 的个性化推荐服务。可是传统 Web 互联网主要是 针对 PC 机的，这对于移动用户而言显然不方便，而 且对那些明显具有地域特点的服务或电子商务等 活动，显然具有定位功能的移动设备更适合。 大家是否有过这样的经 历，每当到就餐的时 候，很多人都会犹豫今天吃什么或者选择哪家餐厅 就餐等问题，尤其当自己在一个陌生的地方时，人 生地不熟。这时大家往往会想到要是有这样一个 人或系统，能推荐当地适合自己口味的菜肴该多好 啊。针对这样的现实问题，本文给出了解决办法: 基于 LBS 的移动个性化推荐系统。这个系统能够 记录用户的历史就餐记录，并且能够计算当前用户 的近邻用户，然后根据这些信息对当地的餐厅和菜 品进行过滤，筛选出用户可能喜欢的餐厅和菜品推 荐给用户。 1 相关技术 1． 1 个性化推荐 计算机技术与网络技术的迅猛发展已经将人 们带入信息爆炸的时代，人们如何从这些海量信息 中获得自己想要的信息呢。目前有两种方式: 一是 用户通过搜索引擎( Google、百度等) 主动去搜索，二 是通过个性化推荐技术根据用户个人喜好及行为 等信息将用户可能感兴趣的信息推给用户。在用 户对自己需求相对明确的时候，用搜索引擎可以很 方便的通过关键字搜索找到自己需要的信息。但 搜索引擎并不能完全满足用户对信息发现的需求， 那是因为在很多情况下，用户其实并不明确自己的 需要，或者他们的需求很难用简单的关键字来表 述。又或者他们需要更加符合他们个人口味和喜 好的结果，因此出现了推荐系统，与搜索引擎对应， 大家也习惯称它为推荐引擎［1］。随着推荐引擎的 出现，用户获取信息的方式从简单的目标明确的数 据的搜索转换到更高级更符合人们使用习惯的信 息发现，它通过建立用户与信息产品之间的二元关 系，利用已有的用户行为信息和一些相似性关系来 2011 年 8 月 1 日收到，8 月 9 日修改 863 国家重点 基金项目( 2009AA01A404) 、国家自然科学基金( 、 国家自然科学基金( 资助 第一作者简介: 张春永( 1987—) ，男，硕士研究生，研究方向: 数据 处理，个性化推荐。  挖掘每个用户潜在感兴趣的对象，进而对其进行个 性化推荐，本质上就是一个信息过滤的过程。根据 推荐算法 的 不 同，目前主流的推荐系统可分成 4 类［2］: 协同过滤系统、基于内容的推荐系统、混合推 荐系统以及基于网络结构的推荐系统。综合各方 端、服务器端。客户端以独立 app 的形式运行在移 动智能终端上，负责系统与用户的交互，将推荐结 构以友好形式显示给用户，并且将用户的相应请求 ( 包括经纬度信息) 提交给服务端。服务器端则是 系统的核心，主要包括在线模块和离线模块，其中 面的考 虑，本文采用协同过滤 ( Collaborative Filte- 在线模块又包括以下模块: 位置过滤、分类 / 聚类、 ring，CF) 技术［3］作为系统的个性化推荐算法，并在 考虑了基于用户的协同过滤和基于 item 的协同过 滤的优缺点后，本文采用两者相结合的方式，结合 的基本原则就是当采用 Item-based CF 导致系统对 个人推荐的多样