基于个性化情境的Multi-Agent信息推荐研究

移动互联网时代,用户的个性化信息需求具有极强的情境敏感性。针对目前个性化信息服务主动性和准确性低的现状,构建移动互联网环境下的情境树,提出融入个性化情境因素的Multi-Agent信息推荐模型,通过情境获取Agent、个性化情境分析Agent、个性化匹配Agent以及信息推荐Agent的协同工作,主动为用户提供更加精准的信息服务。

基于个性化情境和项目类别的资源推荐研究

传统的协同过滤推荐技术没有考虑影响用户评分的用户情境信息,但最近研究发现用户个性化情境信息直接影响着用户评分,因此在传统的协同过滤技术基础上引入用户个性化情境后推荐效果有所提高。此外可以将用户个性化情境和项目类别相结合起来。先对项目进行分类,然后再确定用户在每个项目类别下的个性化情境,同一项目类别下所有项目的用户个性化情境是相同的。在为目标项目预测评分时,先确定目标项目所在的类别,进而确定计算目标项目预测评分所用到的用户个性化情境。实验结果表明,改进后的算法较Slope one有较大提高。

移动环境下基于情境感知的个性化信息推荐

随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成。但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务。为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐。运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐。实验表明本文提出的改进算法可以提高推荐的准确率。