上下文推荐系统研究.pptx

Research share;;context;电子商务 时间、季节、地域、气候 亚马逊、阿里巴巴等研发了上下文感知的(如时间、位置等)电子商务推荐系统;移动应用 移动计算与普适计算、上下文感知计算密切 相关通过整合基于位置的服务与个性化推荐生成移动推荐；;电影、音乐推荐 电影、音乐推荐是目前CARS学术界较为关注的热点CA-MRS系统较早将CARS应用于音乐推荐领域，重点考虑情绪上下文；uMender系统对音乐内容特征进行两层聚类分析，并根据上下文相似性将用户划分到不同的群组，从而生成协同推荐．;电子旅游 OMPASS是较早的面向电子旅游服务的上下文感知推荐实用系统，首先根据用户周围上下文环境发现一些相匹配的项目(包括博物馆、餐馆、商店、电影院等)，然后将这些项目发送到推荐引擎，生成推荐结果后显示给用;信息检索 交互行为上下文, 关联关系上下文，即与当前网页存在超链接关系的网页,任务上下文，即与当前网页共享搜索关键词的网页;推荐算法;Slope One 推荐算法是 2005 年在香港的 WWW 会议上提出来的。 Slope One是一个基于Item的个性化推荐算法，Slope one算法也认为：平均值也可以代替某两个未知个体之间的打分差异。;;索爱手机对亚都加湿器的平均差是： ((4-4) + (3-4) + (2-5)) / 3 = -1.3? 大宝SOD蜜对亚都加湿器的平均差是：((3-4) + (2-4) + (3-5)) / 3 = -1.67 二胡同学对亚都加湿器的可能打分是：(3*(5+1.3) + 3*(4+1.67)) / (3+3) = 5.985” rb = (n * (ra - R(A-B)) + m * (rc - R(C-B)))/(m+n);实验设计;情绪、环境嘈杂度实验设计与时间类似;实验结论预测： 1通过用时间、情绪、环境嘈杂度来划分的用户集相似度较高 2不同时间段、不同情绪、不同环境嘈杂度的用户集相似度不同 3工作时间段、悲伤、嘈杂的环境下用户相似度会更高;实验难点： 实验数据的采集 具有上下文的数据集很少;thanks