信息推荐系统第二版-多维推荐服务模型

如同前面所述，我们提出的情境感知的推荐服务模型不仅应考虑传统信息推荐系统中的“用户”与“信息资源”构建的二维空间，同时也应考虑融合情境信息所构建的多维空间，例如时间、地点和用户偏好等。将与用户与信息资源相关的不同情境融入信息推荐模型中，信息推荐模型就由二维推荐模型扩展为包含多种情境信息的多维信息推荐模型。

一般地，设情境类型数量为n－2，多维推荐的情境维度可定义为向量Context＝{D1，D2，…，Dn－2}，因此用户、信息资源及其各种情境共同构成推荐模型的n维输入。同时，推荐过程是为用户提供个性化的推荐服务，设推荐服务为m维向量S＝{S1，S2，…，Sm}，共同构成推荐模型的m个不同的个性化服务(其中Si表示系统提供的第i个服务)。因此，多维推荐模型可定义为:

多维推荐个性化服务要研究的问题就是对目标用户u，找到使m维个性化服务质量效用值U最大的信息资源，即满足形式化公式:(www.xing528.com)

在公式(7-1)中，用户、信息资源以及n-2维情境共同组成多维推荐模型的n维输入；多维推荐模型的输出则由m维推荐服务组成。在泛在环境下，我们将一般多维推荐模型具体化，将情境信息分为用户物理情境、用户偏好情境和网络情境三种类型；推荐过程的输出则由资源评分、显示模式组成。这里，我们提出的多维信息推荐模型由五维输入空间(即用户、信息资源和三类情境)以及二维输出空间(即资源评分和显示模式)构建。因此，泛在环境下基于情境感知的信息资源多维推荐效用函数可以表示为:

在该多维推荐模型中，推荐的输入由用户、资源、物理情境、偏好情境和网络情境五维构成；推荐的输出则由资源评分(Score)和显示模式(Modality)二维组成。资源评分和传统的二维推荐模型相似，即表示系统所推荐的信息资源与目标用户需求的相似程度，系统将评分排名前N的信息资源作为目标用户的Top-N推荐集；而显示模式根据特定的网络条件和移动终端运行能力提供推荐资源的显示模式和数据格式标准，以适应泛在环境下复杂、动态的网络情境。