关于位置的个性化推荐策略的研究.docx

关于位置的个性化推荐策略的研究摘要随着移动互联网和移动电子商务的迅猛发展，当今屯子商务中的一个关键技术一个 性化推荐技术，也逐渐走进人们的视线中，个性化推荐技术也逐渐成为了移动电了商务 中的热门话题目前，基于位置定位的服务其实是移动终端为用户提供的一项重要服务, 但却因为信息量太大出现加载过大的问题;又加上个性化推荐技术在移动环境下的研究 也并不算太多，而且相当一部分推荐算法最终推荐效果也并不那么理想基于此，本文 在对传统推荐技术相关领域进行深入研究后，结合移动商务的主要特征（位置相关性）， 进行了一些针对移动推荐领域的理论研究首先，以混合推荐技术的思想为理论依据提出了把位置相似度、用户偏好度相结合 的新的计算方法推荐机制该推荐机制的大概计算过程:计算用户位置相似度，找出与 当前用户位置相似度最高的场景中用户所使用过的项目;计算用户对这些项目的偏好度 并进行逆序排列，将前若干项推荐给用户木文构造的基于位置的个性化推荐算法能够满足移动电了商务的发展需求，并且获 得了不错的推荐效果即其推荐结果对用户位置和偏好的不断变化保有较高的敏感性, 能够比较方便地处理移动环境变化人的特点此外，算法在推荐的精确度和算法响应吋 间上也有一定程度的提高。

关键词:移动电了商务;位置服务;个性化推荐The strategy research on the I ocation of thepersona I i zed recommendat i onAbstractWith the rapid development of mobile Internet and mobile electronic commerce, a key technology in the e-commerce personalized recommendation technology, gradually into peoples sight, personalized recommendation technology has become a hot topic in mobile commerce. At present, based on the location service is an important service to provide users with mobile terminals, but because of too much information appears to load is too large; and with the research of personalized recommendation in mobile environment technology also is not too much, but also a considerable part of the final recommendation algorithm effect is not recommended so the ideal. Based on this, this article in the traditional recommendation technology related fields of study, combined with the characteristics of mobile commerce (position correlation), the field of mobile recommended for theory research・First, put forward the calculation method of the new location similarity, user preference combination recommendation mechanism in hybrid recommendation technology based on the theory of ideology・ The recommendation about the calculation process: user location similarity calculation, and find out the position of the user and user scenarios the highest similarity used in the project; the calculation of the project of user preference and reverse order, the number of the former is recommended to the user.The location of the personalized recommendation algorithm can meet the requirements of the development of mobile e-commerce based on structure, and get a good recommendation. The results of the recommended changing user location and preferences of the higher sensitivity, can be more convenient to deal with the characteristics of mobile environmental changes. In addition, the algorithm also has a certain degree of improvement in accuracy and recommendation algorithm response time.Key words： Mobile e-commerce; Location service; Personalized recommendation1绪论 11.1论文研究的背景及意义 11.1.1研究背景 11.1.2研究意义 11.2基于位置的服务及其现状 11.2.1基于位置的服务 11.2.2位置服务的发展现状 31.3研究内容和论文结构安排 32基础理论 42.1电子商务个性化推荐系统 42.1.1个性化推荐系统的概念 42.1.2个性化推荐系统的作用 52.2个性化推荐系统的基本框架与算法 52. 2. 1个性化推荐系统的基本框架 52. 2. 2个性化推荐系统的算法 62.2移动电子商务个性化推荐系统特点分析 82.2.1移动电子商务特征 82.2.2移动电子商务与传统电子商务 92.2.3移动商务对关于位置个性化推荐算法的要求 93关于位置的个性化推荐算法的构建 103.1位置相似度的算法研究与设计 1()3.1」位置相似度的计算 103」・2位置相似度的计算过程 113.2用户偏好度的算法研究与设计 13321各属性的标准化 133.2.2权重与加权矩阵的计算 133.2.3用户偏好度的计算 143.3位置与偏好结合的推荐机制 153.3.1关于位置服务推荐算法的流程 153.3.2关于位置服务推荐算法的描述 174结论 18参考文献 191绪论1.1论文研究的背景及意义1.1.1研究背景伴随国内移动通信已经从3G向4G演进，华为等通信技术公司已经抓紧研究5G技术, 并且从口木、韩国等周边国家到欧美地区等发达国家，移动定位业务的发展步伐也正在 不断加快。

基于位置的服务即基于定位的服务(Location-Based Services, LBS),通过 对移动设备进行定位并实时整合与位置相关的其他信息为用户提供更为个性化的 服务LBS最大的特点就是能在正确的时间、正确的地点把正确的位置信息以及与位置 相关的其他信息发送到正确的人在我国，移动定位服务已经在各行各业加快渗透发展，通信运营商、地图厂商、软 件开发商、终端厂商等整个产业链中的众多参与者都积极投入其中，大力推进LBS服务 以及应用，其中主要应用为：导航、基于位置的社会性网络服务、智能汽车、智能 求助、智能交通、智能医疗定位、物流监控但是由于我国在这方而的研究中，述存在 诸多制约移动位置服务发展的因索，以致阻碍了LBS的发展1.1.2研究意义随着近些年来，无线通信技术与移动终端的快速发展，人们已经不再仅仅局限于传 统的有限空间内的交易模式，人们更加希望可以随时随地进行交易，并且可以在交易的 同时获得相应的个性化推荐产品从而产生了在移动商务中，基于位置信息对客户进行 个性化推荐的必要通常，移动电了商务就是利用无线设备和无线通信进行商品的交易而由于移动商 务的“移动”特性，使得客户可以在任何位置进行交易；如果可以获取客户的位置 信息，并加以处理，选择合适的个性化推荐策略的话，对于移动商务的发展意义重大。

由此可见，移动电子商务具有巨大的市场潜能1.2基于位置的服务及其现状1.2.1基于位置的服务我国作为移动数量最多的国家，移动定位服务在我国的发展前景广阔从当前的实 际应用中，移动定位的用户规模不断增加，移动服务在我国只是处于市场快速发展阶段, 移动定位服务也止在不断完善，为移动电了商务的发展提供了机遇因此，在电了商务 中，企业可以基于位置对用户进行个性化推荐从而达到网络营销的目的根据工业和信息化部发布的2014年通信运营业统计公报显示，2014年，全国 用户净增3942. 6万户，总数达到15.36亿户，增长2.6%,比上年回落5个百分点其 中，移动用户净增5698万户，总数达12. 86亿户，移动用户普及率达94. 5部 /百人，比上年提高3. 7部/百人报告称，全国共有10省市的移动普及率超过100部/百人，分别为北京、辽宁、 上海、江苏、浙江、福建、广东、海南、内蒙古和宁夏，其中海南、宁夏首次突破100 部/百人固定用户总数2. 49亿户，比上年减少1755.5万户，普及率下降至18. 3 部/百人单位：邯/白人f-固定普及率 一•-移动普及率图1-1 1949-2014年固定、移动用户发展情况图2-2 2014年移动普及率各省发展情况1.2.2位置服务的发展现状在电了商务的发展过程中，最早研究出來的个性化推荐系统是Altered Visa System(Rcckcrcr al., 2003),此系统运用的为协同过滤技术，探索用户对资源的反馈。

目前与此相类似的研究项目还有,Rule-Applying Collaborative Filtering(RACOFI) System (Anderson et al. , 2003), The I-Help System (Tang and McCal la, 2003) o 这些 系统都不反都是采用协同过滤技术推出个性化推荐，并且这些系统只是专门为某个社区 开发设计的，并不容易移植到其它领域紧接着就是基于内容的推荐系统历史上，最初的基于内容的推荐是协同过滤技术 的延续与发展，它不需要依据用户对项目的评价意见，而是依据用户已经选择的产品内 容信息计算用户之间的相似性,进而进行相应的推荐•随着机器学习等技术的完善，当前 的基丁内容的推荐系统可以分别对用户和产品建立配置文件，通过分析已经购买(或浏 览)过的内容，建立或更新用户的配置文件系统可以比较用户与产品配置文件的和似度, 并直接向用户推荐与其配置文件最相似的产品。