基于用户上下文感知的软件服务推荐方法
随着“云大物智移”等新一代信息技术的迅猛发展，以及万物皆服务理念的快速普及，智能手机在人们的生活中变得越来越重要。相应的，移动应用市场中的软件服务（即移动端应用软件）数量也在持续增长，而在从这样巨大的候选软件服务集中进行选择时，用户往往无法便捷地找到合适的软件服务。因此，如何为用户高效地推荐合适的软件服务已经成为了推荐领域的热点问题。 为了满足用户便捷地找到合适软件服务的需求，很多学者都对服务推荐问题进行了探索。但目前的经典推荐方法，普遍存在推荐结果准确率不理想、用户个性化特征考虑不全以及冷启动问题难以缓解等问题。为此，本文从移动应用市场运营者的视角，在推荐软件服务的过程中充分感知了用户的上下文信息，进而高效地实现了软件服务的个性化推荐。本文主要包括以下内容： （1）通过收集用户的基本信息、评价信息、下载信息等上下文，从基本属性、行为属性和心理属性三个维度对用户进行画像。其中，对于长文本的评论信息，利用DT-kmeans算法进行标签聚类。接着，计算用户画像相似度，并将其与用户评分相似度结合，提出一种融合用户画像的协同过滤算法。与经典协同过滤算法相比，该算法推荐结果准确性更好，也能更好地缓解冷启动问题。 （2）目前，研究者大多将通用知识图谱或领域知识图谱应用到服务推荐领域，但这样导致对用户的个性化特征考虑不足。为了解决此问题，本文首先通过自然语言处理（Natural Language Processing,NLP）技术对软件服务领域知识图谱进行语义抽取；然后通过同义词林对用户画像中的用户特征词进行扩充并与知识图谱中的节点进行语义匹配；最后通过知识图谱路径对结点进行扩充，利用Trans方法对知识图谱关系进行补充，形成具有用户特征的个人知识图谱。 （3）将基于项目实体的相似度、基于知识图谱实体相似度以及基于用户评分的相似度相结合，提出一种充分的考虑了用户上下文信息的融合知识图谱的混合推荐方法。该方法在推荐结果的准确率和新颖度方面都优于经典协同过滤方法以及仅融合用户画像的推荐方法。 本文通过建立用户画像，并基于构建的用户画像对领域知识图谱进行结点选择、剪枝、重连接等操作形成具有用户特征的个人知识图谱，进而为用户推荐软件服务。通过实验验证，本文所提方法缓解了经典协同过滤算法中存在的冷启动问题，在推荐结果的准确性和新颖度方面都有所提升。
软件服务推荐;协同过滤;知识图谱;相似度计算;上下文感知
哈尔滨理工大学
硕士
计算机技术
张宏国
2022
中文
TP391.3
2022-09-21（万方平台首次上网日期，不代表论文的发表时间）