融合情境的移动阅读推荐系统研究

As an emerging research field in recommendation systems, mobile reading recommender system is still in its infancy. Since mobile phone screen size is very limited, mobile reading content providers must be familiar with individual user preferences in order to recommend content that matches narrowly defined personal interests. Based on the existed research conclusions that users' mobile reading behavior is related to their contexts, this study firstly focuses on users' history context information from their mobile reading logs, then constructs tripartite graph recommender model of users,contexts and ditigal resources. By integrating a series theories and technologies such as graph theory,data mining,topic model,etc. we design recommeder algorithm integrated users' mobile reading contexts. In order to improve it's accuracy, the proposed recommender algorithm also use the contexts and contents of users' reviews. The approach of this research can be applied to other mobile applications such as mobile digital library and personalization of information resources. The main work is as follows: firstly, users feature analysis and context extraction based on users mobile reading logs;secondly,tripartite graph recommender model construction of users, contexts and digital resources; thirdly,context mining and text extraction of users' reviews; fourthly,recommender algorithm development and optimization based on tripartite graph of users-contexst-digital resources; and lastly, test,evaluation and application of recommendation system.

移动阅读推荐系统是未来推荐系统领域新的研究热点之一，目前这方面的研究还处于起步阶段。本课题针对移动互联网环境下用户移动阅读所具有的情境相关性，通过用户移动阅读历史行为记录获取用户历史情境信息，在此基础上构建用户-情境-数字资源三分图推荐模型，实现融合情境信息的推荐算法，并利用用户评论的情境信息以及评论内容对推荐结果进行优化，以提高推荐系统的精确度，实现移动阅读数字资源推荐的多样性、新颖性，更好的解决用户个性化需求问题，本课题研究对于移动数字图书馆以及信息资源的个性化利用也具有参考价值。 主要研究内容包括：（1）基于用户移动阅读历史行为的用户特征分析与情境提取，（2）用户-情境-数字资源三分图模型构建，（3）用户阅读评论情境挖掘与文本抽取，（4）基于用户-情境-数字资源三分图模型的推荐算法与优化，（5）推荐系统的测试、评价与应用。

本课题根据用户历史移动阅读行为记录以及数字资源信息，采用图论、模糊理论、数据挖掘等理论与技术对泛在网络环境下移动阅读推荐问题进行系统研究，主要研究内容可归纳为以下几个方面：（1）对用户特征、数字资源信息和情境信息进行深入分析和特征提取，构建用户历史情境信息库。（2）对移动阅读评论信息分词处理，采用关联或推理的方法获取与用户评论特征相关联的情境信息。（3）采用信息熵理论识别移动阅读场景中的有效情境，提出无关情境干扰。（4）构建移动阅读推荐模型，挖掘用户、情境和数字资源特征三者之间的关联关系。（5）研制融合情境信息的协同过滤推荐算法和基于用户-情境-数字资源三部图模型的推荐算法。（6）采用数据集对推荐算法进行学习和参数优化，并进行效用评价。.课题按照预期计划进行，达到预期目标。按照上述研究内容，达到了以下预期成果：（1）理论成果：相关研究成果整理成论文15篇发表在国内外学术期刊及会议上。其中，SCI/SSCI索引论文3篇，EI期刊索引论文1篇，CSSCI索引论文5篇。（2）模型构建与算法研制：针对泛在网络环境下移动阅读推荐构建了用户-情境-数字资源推荐模型，并研制了基于TF-IDF模型的情境后过滤推荐算法、基于蚁群聚类算法的启发式推荐算法和基于用户-情境-数字资源三部图模型的推荐算法。（3）学术交流：与美国新泽西理工学院、法国里尔大学、国家文化部，“一带一路”电子商务大会等机构和会议交流。（4）人才培养：项目研究过程中，先后培养了4名博士研究生（含1名泰国留学生）和3名硕士研究生、1名博士研究生和5名硕士研究生先后加入到项目组中，发表的学术论文均有这些研究生的参与。