移動推薦系統應用分析

張萌（山西財經大學 信息管理學院，太原　030006）

移動推薦系統應用分析

張萌
（山西財經大學 信息管理學院，太原030006）

隨著移動終端的普及，移動設備成為了推薦系統理想的獲取用戶信息的接口，用來幫助系統發現，學習用戶的周圍物理環境。對近幾年移動推薦系統研究進行綜述，對其關鍵技術進行對比分析。最后對移動推薦系統的發展趨勢進行展望。

移動設備；推薦系統；移動推薦；綜述

0　引言

個性化推薦幫助用戶發現電影，音樂和感興趣的商品，為用戶推薦志趣相同的新朋友，為用戶提供個性化的搜索結果，解決用戶“信息過載”問題。推薦模型根據用戶的行為分析得到不用用戶的喜好，并提供相應的服務。隨著智能手機的不斷發展，移動推薦系統已經成為下一代智能手機研究領域最為活躍的課題之一。許多研究者已經對相關領域進行了深入的研究，如移動信息檢索、傳感器的研究、數據挖掘和知識發現、人機交互等。

1　移動推薦系統及其關鍵技術

移動推薦系統是傳統推薦系統在移動領域的進一步擴展。隨著社會高速發展，移動用戶大量增加，中國互聯網中心在2016年1月最新公布的 《第37次中國互聯網絡發展狀況統計報告》中指出，截止2015年12月，中國手機網民達6.20億，半數中國人通過手機接入互聯網。如何為用戶提供更好、更準確的推薦信息成為推薦系統研究者們研究的重點。移動用戶雖然存在異構的移動網絡環境，但只要能準確提取用戶在移動環境行為進行分析，就能有效地為用戶進行個性化推薦。

1.1移動上下文推薦

作為“普適計算”核心領域的上下文感知計算理論，自動發現和利用位置、環境等上下文信息為用戶提供服務已經取得許多研究成果。由于移動設備的易攜帶性，研究者們可以通過設備感知用戶所處上下文環境。用戶偏好通常會受到周圍環境的影響，如有的用戶喜歡在辦公室而不是家中購物，有的用戶喜歡在晚上學習而不是白天。

1.2移動社會化推薦

互聯網的高速發展使得虛擬交互變得越來越重要，用戶在社交網絡中分享信息，在移動互聯網上通信。通過用戶行為可以為用戶構建社交網絡，網絡中的用戶之間存在某些特定的聯系，一些研究者將社會網絡引入推薦系統中，有效緩解了傳統推薦中存在的冷啟動問題。近年來，隨著智能手機的普及性，通過收集手機用戶在社交網絡中的行為更能夠有效為用戶建模并進行個性化推薦。

2　基于位置的移動推薦系統

傳統的推薦系統特點之一在于用戶交互，推薦系統通過用戶歷史行為為其進行推薦。基于位置的移動推薦系統，通過訪問移動設備的位置數據，收集并分析用戶的位置與歷史信息。最為重要的是根據以上信息為用戶提供個性化的推薦。

移動推薦系統用戶信息的采集分為兩種方法：顯式方法通過收集用戶輸入的顯式信息，如用戶在注冊賬戶時的年齡，住址等；隱式方法是系統根據用戶的歷史信息和活躍行為中分析構建用戶行為信息。如電子郵件的收發方，社交網站的瀏覽行為等。當研究人員收集到數據后，需要利用數據挖掘工具對采集的信息進行預處理，對用戶建模并以各種形式為用戶進行個性化推薦。

3　移動推薦系統研究難點與應用前景

個性化和實時性使得移動推薦系統擁有者廣闊的發展前景，本節就其研究難點和應用前景進行分析總結。

3.1研究難點

（1）移動用戶的信息獲取，在移動推薦中，由于終端設備的特殊性，顯式獲取用戶信息常常會影響用戶體驗。因此隱式獲取用戶信息的方式更為常見，在保證用戶隱私的前提下，有效準確地獲取用戶信息，依然是移動推薦研究的重中之重。

（2）移動推薦系統的冷啟動問題，新用戶進入推薦系統時，由于信息缺失，不能準確地獲取用戶偏好，新項目進入系統時，過少的評價信息也使得推薦系統無法準確進行推薦。

（3）移動推薦的隱私和安全問題，移動用戶的隱私保護問題嚴重制約了移動信息系統的發展，移動推薦系統為收集用戶信息，通常對移動用戶信息、行為、位置等進行分析。但部分移動用戶不愿向推薦系統提供完整準確的信息，認為存在隱私泄漏等安全問題。

3.2應用前景

移動新聞推薦作為互聯網推薦的研究領域之一，在移動推薦領域同樣收到研究者們的關注，Daily Learner新聞推薦系統通過挖掘用戶的興趣變化向用戶推送新聞，利用用戶注冊時的信息，緩解了冷啟動問題。移動旅游推薦是興起的新型推薦領域應用。Cyberguide根據用戶位置上下文信息以及歷史行為為用戶進行基于位置的移動旅游推薦。

隨著智能設備的普及，移動設備已經成為人們生活中不可或缺的工具。近年來，利用移動推薦系統來緩解用戶“信息過載”問題已經得到研究者們的廣泛關注，但依然存在大量問題需要進行深入研究。

主要參考文獻

［1］Church K，Smyth B.Understanding the Intent behind Mobile Information Needs［C］//Proceedings of the 14th International Conference on Intelligent User Interfaces：ACM，2009：247－256.

［2］Dey AK，Wac K，Ferreira D，et al.Getting Closer：An Empirical Investigation of the Proximity of User to Their Smart Phones［C］//Proceedings of the 13th International Conference on Ubiquitous Computing：ACM，2011：163－172.

［3］Cho E，Myers SA，Leskovec J.Friendship and Mobility：User Movement in Location－based Social Networks［C］//Proceedings of the 17th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining：ACM，2011：1082－1090.

［4］Baltrunas L.Exploiting Contextual Information in Recommender Systems ［C］//Proceedings of the 2008 ACM Conference on Recommender Systems：ACM，2008：295－298.

［5］Girardello A，Michahelles F.Appaware：Which Mobile Applications Are Hot？［C］//Proceedings of the 12th International Conference on Human Computer Interaction with Mobile Devices and Services：ACM，2010：431－434.

［6］孟祥武，胡勛，王立才，等.移動推薦系統及其應用［J］.軟件學報，2013，24（1）.

10.3969/j.issn.1673-0194.2016.17.099

TP391；G202

A

1673-0194（2016）17-0178-02

2016-07-12

張萌（1990－），男，山西太原人，山西財經大學信息管理學院，碩士，主要研究方向：智能系統與金融預測，推薦系統。