个性化推荐系统的多样性研究进展

在分析多样性类型的基础上,重点对信息物理、二次优化、社会化网络和时间感知4种提高个性化推荐多样性的方法进行概括、比较和分析,接着总结推荐系统多样性的主要度量指标。最后,对未来有等深入研究的问题进行展望。研究指出:移动推荐系统的多样性和新颖性研究,信息物理方法应用于推荐系统领域的机理分析,推荐系统的时序多样性和计算量问题以及各种推荐算法的有效组合研究是未来需重点突破的方向。     

基于情境历史的移动用户偏好挖掘研究

提出一个移动互联网环境下用于个性化信息服务的基于情境历史的移动用户偏好挖掘方法,并构建移动旅游信息推荐原型系统CAMTRS。实验结果显示:该方法能较好地获取移动互联网环境下用户的需求偏好,有助于改进个性化推荐系统的预测效果。