情境感知推荐研究现状-《信息推荐系统》

数字信息资源的迅猛增长带来了信息过载问题，如何帮助用户从迅速激增的海量信息资源中及时获取有用信息，是个性化信息服务应解决的重要问题。推荐系统作为一种信息过滤的重要手段，是解决这一问题非常有潜力的方法。

传统的“用户—资源”二维推荐系统作用于信息资源与用户构建的二维空间中，强调信息资源与用户需求的协同与匹配，而没有考虑将与用户或资源相关的情境信息(例如时间、地理位置、行为状态、网络条件等)包含进来。在传统的系统应用中，情境相对稳定，同一资源相对于同一用户其推荐评分值可以保持不变，传统的二维推荐系统能够提供较好的信息服务。但是，在泛在环境下，用户和资源所处环境更加复杂、易变，并具有实时动态性。传统二维推荐系统存在信息资源与用户需求匹配过程中自适应性不够等问题，从而影响推荐精准度。为了保障泛在环境下个性化信息服务的质量，国内外学者尝试提出将情境融入推荐模型中，由二维推荐模型扩展为包含多种情境信息的多维推荐模型。

目前，国外学者和相关研究机构已开始对情境和基于情境感知的推荐系统及其个性化信息服务的理论、方法及其应用进行深入研究。关于情境的定义，目前比较公认的定义是[1][2]:情境(Context)，也称上下文，是指任何可以用来描述实体情形和特征的信息，其实体可以是人、位置或是与用户和应用交互相关的物理的或虚拟的对象，包括用户和应用本身。美国明尼苏达大学Adomavicius等[3]正式提出面向推荐过程的多维概念和方法，该方法借鉴了数据仓库和联机分析处理(OLAP)中的多维数据模型，其目的是增加传统二维推荐过程的维度，以感知推荐过程中相关的情境信息，这是有关多维推荐方法的最早研究。另外，Adomavicius等[4]系统地阐述了包含情境信息的多维推荐系统的原理和方法，提出了在传统的协同过滤基础上引入情境匹配的联合推荐算法，并开发了电影推荐的原型实验系统。Lee[5]提出一种基于地理位置的旅馆推荐系统，其推荐过程通过构建决策树来对目标旅馆资源进行评分，在特定地理情境环境下为旅客提供有效的信息服务。Yap等[6]认为用户情境是描述用户兴趣模型的重要属性特征，并通过构建Bayesian网络模型来动态预测用户真实情境和偏好，去除无用的噪声情境，从而在复杂的移动网络环境下提高推荐服务的准确度。Anand等[7]考虑到用户行为的连续性，对用户情境分别通过构建长期行为模型和当前行为模型进行描述，并联合这两种用户行为模型设计了基于用户情境感知的推荐算法，试图克服传统协同过滤中存在的数据稀疏性问题。Choi等[8]提出一种面向智能手机的情境感知系统MCORE，系统通过分析智能手机中保存的用户日志来自适应学习用户的偏好情境，从而为手机用户主动推送个性化的短消息服务。Park[9]提出一种在移动网络环境下基于用户动态情境和偏好的资源协同推荐系统，以适应用户偏好和网络条件的动态变化，为用户提供定制的个性化信息服务。Cantador[10]提出一种基于语义情境的新闻推荐算法，利用领域本体对用户偏好情境进行语义描述和建模，实现新闻内容和用户偏好情境的语义内容匹配，在此基础上开发了基于用户情境的新闻推荐原型系统News＠hand。Linas等[11]扩展了传统的协同过滤“用户—资源”评分矩阵，来储存与该资源相对应的情境信息，并提出采用不纯度标准来为每个资源项目选择合适的情境特征，借助该特征将资源项目分为两类，在新的资源项目上用矩阵分解和最近邻协同过滤来实现情境感知推荐。另外，美国ACM协会于2009年、2010年连续举办了情境感知推荐系统专题国际研讨会(Workshop on Contextaware Recommender Systems)，并于2010年举办了情境感知的电影推荐挑战赛(Challenge on Context-aware Movie Recommendation)，同时还发布了两个真实数据集Moviepilot和Filmtipset。著名的ACM智能用户接口国际会议(ACM International Conference on Intelligent User Interfaces)也于2011年举办信息检索和推荐中的情境感知专题研讨会(Workshop on Context-awareness in Retrieval and Recommendation)。(www.xing528.com)

在我国，有关基于情境和情境感知的多维推荐系统及其个性化服务的研究也逐渐开始，并且在最近几年已出现了一些反映相关研究成果的文献。如武慧娟等[12]提出一种基于认知计算和情境感知的个性化信息自适应推荐模式框架，重点研究认知计算与情境感知的融合、认知计算与情境感知融合下的用户偏好的提取、个性化信息自适应推荐模式三个方面内容。洪亮等[13]提出一种基于情境感知的移动数字图书馆个性化资源推荐方法，基于相似用户有相似选择的考虑，引入角色的概念模拟用户兴趣选择，在此基础上设计一种有效的WSSQ算法构建用户信任网络，由此给出改进的情境感知推荐方法，为移动数字图书馆资源推荐提供了一种思路。吴笛等[14]研究提出结合情境感知技术和多层次、多关系的关联算法来实现学习资源的个性化推荐，并探索基于情境感知的行为特征分析和提取流程。房小可等[15]提出一种融合情境语义的虚拟学术社区知识推荐模型，以虚拟学术社区研究对象，将网络用户学术交流中的情境语义关系融入知识推荐中，以实现融合情境的语义协同推荐。田雪筠[16]提出一种基于情境和基于内容相结合的推荐算法，在当前情境下利用用户的历史情境信息和用户偏好综合为用户推荐信息。王伟伟等[17]针对移动餐饮个性化推荐的情境敏感性，提出一种基于情境感知的餐饮推荐模型，将基于情境的推荐和基于用户兴趣的推荐相结合，得到一个自适应的混合推荐模型。

综上所述，我们不难发现，基于情境的多维推荐服务模型和系统目前还处在探讨阶段，没有一个成熟和完善的多维推荐模型和方法。国内多数研究还只停留在关于情境概念的定义以及如何将情境应用于个性化推荐服务的初步探讨上；国外研究已出现了一些面向电影、旅馆、新闻、电子产品、手机短消息等资源的个性化多维推荐模型和系统，但存在着情境信息单一化(如仅考虑地理位置、时间或仅考虑用户偏好)的局限性，没有将泛在环境下可能存在的多种不同情境信息同时融入推荐过程和算法中，因而这些推荐模型和系统仍有较大的局限性，感知复杂环境的自适应能力不强。另外，目前国内外还没有将包含情境的多维推荐方法应用到移动数字图书馆等领域。随着移动数字图书馆在我国的普及和流行，基于情境感知的多维推荐模型和算法将是实现移动数字图书馆个性化信息服务的一种值得重点研究的方向。