上下文感知推荐系统_王立才

基于上下文感知和个性化度量嵌入的下一个兴趣点推荐鲜学丰;陈晓杰;赵朋朋;杨元峰;Victor S.Sheng【期刊名称】《计算机工程与科学》【年(卷),期】2018(040)004【摘要】随着基于位置的社交网络推荐系统的逐步发展,兴趣点推荐成为了研究热门.兴趣点推荐的研究旨在为用户推荐兴趣点,并且为商家提供广告投放和潜在客户发掘等服务.由于用户签到行为的数据具有高稀疏性,为兴趣点推荐带来很大的挑战.许多研究工作结合地理影响、时间效应、社会相关性等方面的因素来提高兴趣点推荐的性能.然而,在大多数兴趣点推荐的工作中,用户访问的周期性习惯和伴随用户偏好的上下文情境信息没有被深度地挖掘.而且,下一个兴趣点推荐中一直存在着数据的高稀疏度.基于以上考虑,针对用户签到的数据稀疏性问题,将用户周期性行为模式归结为上下文情境信息,提出了一种基于上下文感知的个性化度量嵌入推荐算法,同时将用户签到的上下文情境信息考虑进来,从而丰富有效数据,缓解数据稀疏性问题,提高推荐的准确率,并且进一步优化算法,降低时间复杂度.在两个真实数据集上的实验分析表明,本文提出的算法具有更好的推荐效果.%With the rapid development of Location-Based Social Networks (LBSN) recommender system,Point-of-Interest (POI) recommendation has become a hot topic.The research of POI recommendation aims to recommend POIs for users and to provide services such as advertising and potential customer discovery.Due to the high data sparseness of users' check-ins,POI recommendation faces a great challenge.Many researches combine geographical influence,time awareness,social relevance and other factors to improve the performanceof POI recommendation.However,in most POI recommendation researches,the periodicity of mobility and the user preference varying with the change of contextual scenario have not been excavated indepth.Moreover,there exists high data sparseness in Next POI recommendation.Based on the above considerations,this paper proposes a Context-aware Personalized Metric Embedding (CPME) algorithm,which is based on the user's periodic behavior pattern.It takes into account the contextual information of users' check-ins,which can enrich the valid data,alleviate the data sparseness,improve the recommendation accuracy,and further optimize the algorithm to reduce the time complexity.The experimental analysis on two real LBSN datasets show that the proposed algorithm has better recommendation performance.【总页数】10页(P616-625)【作者】鲜学丰;陈晓杰;赵朋朋;杨元峰;Victor S.Sheng【作者单位】江苏省现代企业信息化应用支撑软件工程技术研发中心,江苏苏州215104;苏州大学智能信息处理及应用研究所,江苏苏州215006;苏州大学智能信息处理及应用研究所,江苏苏州215006;江苏省现代企业信息化应用支撑软件工程技术研发中心,江苏苏州215104;阿肯色中央大学计算机科学系,康威72035【正文语种】中文【中图分类】TP391.7【相关文献】1.基于位置社交网络的上下文感知的兴趣点推荐 [J], 任星怡;宋美娜;宋俊德2.基于位置社交网络的个性化兴趣点推荐 [J], 韩笑峰;牛保宁;杨茸3.基于位置的社交网络的个性化兴趣点推荐算法研究 [J], 李丹霞4.基于多维上下文感知图嵌入模型的兴趣点推荐 [J], 陈劲松;孟祥武;纪威宇;张玉洁5.基于时空循环神经网络的下一个兴趣点推荐方法 [J], 柴瑞敏;殷臣;孟祥福;张霄雁;关昕;齐雪月因版权原因，仅展示原文概要，查看原文内容请购买。

大模型上下文理解在当今的信息时代，大数据和人工智能技术的快速发展，给我们的生活带来了诸多便利。

其中，大模型上下文理解技术的应用正逐渐受到广泛关注。

大模型上下文理解是指通过深度学习模型，使计算机能够理解和处理人类的语言。

大模型上下文理解的应用领域广泛，其中之一是自然语言处理。

通过大模型上下文理解，计算机能够更好地理解人类的语言。

例如，当我们输入一段文字描述时，计算机可以根据上下文理解我们的意图，并给出相应的回答或建议。

这在智能助手、机器翻译和智能客服等领域有着广泛的应用。

另一个应用领域是智能推荐系统。

大模型上下文理解可以帮助系统更好地理解用户的需求和偏好，从而给出更加个性化的推荐结果。

例如，在购物网站上，系统可以根据用户的浏览记录、购买历史和评价等信息，通过大模型上下文理解技术，为用户推荐更加符合其喜好的商品。

大模型上下文理解还可以应用于文本分类和情感分析等任务。

通过对大量的文本数据进行学习，计算机可以自动识别文本的类型和情感倾向。

这在舆情监测、垃圾邮件过滤和情感分析等方面具有重要的应用价值。

尽管大模型上下文理解技术在很多领域都取得了显著的成果，但仍存在一些挑战。

首先，大模型上下文理解需要大量的训练数据和计算资源，这对于一些中小型企业来说可能是一个困难。

其次，大模型上下文理解的模型结构复杂，对于普通用户来说可能不够易用。

此外，大模型上下文理解技术还面临着数据隐私和伦理道德等问题。

大模型上下文理解技术的应用前景广阔，涉及到自然语言处理、智能推荐系统、文本分类和情感分析等多个领域。

随着技术的进一步发展，我们可以期待大模型上下文理解技术在各个领域带来更多的创新和价值。

希望未来的大模型上下文理解技术能够更好地满足人类的需求，提升我们的生活质量。

基于上下文感知的智能交互系统模型
岳玮宁;王悦;汪国平;王衡;董士海
【期刊名称】《计算机辅助设计与图形学学报》
【年(卷),期】2005(017)001
【摘要】上下文感知是提高人机交互智能性的重要途径,上下文信息能否在计算过程中真正发挥其作用主要取决于两个方面:一是从交互环境中提取和形成上下文;二是协调控制各种上下文与高层应用之间的通信.文中围绕这两个问题展开讨论,提出了一种上下文感知和调度的策略,并建立了一个基于上下文感知的智能交互系统结构模型.介绍了按照所述策略和模型构建的实例系统,初步证明了其合理性和有效性.【总页数】6页(P74-79)
【作者】岳玮宁;王悦;汪国平;王衡;董士海
【作者单位】北京大学计算机科学技术系人机交互与多媒体研究室,北京,100871;北京大学计算机科学技术系人机交互与多媒体研究室,北京,100871;北京大学计算机科学技术系人机交互与多媒体研究室,北京,100871;北京大学计算机科学技术系人机交互与多媒体研究室,北京,100871;北京大学计算机科学技术系人机交互与多媒体研究室,北京,100871
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.物联网环境下基于上下文感知的智能交互模型 [J], 李敏;倪少权;黄强;杨渝华
2.基于上下文感知和RFID的智能交互系统 [J], 张挺;欧阳元新;陈真勇;熊璋
3.智能数字语音教学平台中上下文感知模型的设计与实现 [J], 田永晔
4.基于上下文感知的物联网智能交互模型 [J], 吴晓强;张春友;侍红岩
5.基于智能云控的智能家居交互系统 [J], 蒋文杰;聂盼红;张展
因版权原因，仅展示原文概要，查看原文内容请购买。

基于聚类的智能网页推荐系统研究
王有为
【期刊名称】《科技导报》
【年(卷),期】2006(24)10
【摘要】设计了一种智能网页推荐系统的架构,其中包括数据预处理、聚类分析和网页推荐3个子系统,可以根据网站的访问日志来对用户进行自动分类,进而对网站的新用户在线提供网页推荐。

提出了路径间距离的计算方法,进而研究了聚类子系
统的结构,并通过对微软网站中用户访问日志的仿真实验,说明了所述方法的有效性。

【总页数】4页(P33-36)
【关键词】网站访问日志;聚类分析;网页推荐;推荐系统
【作者】王有为
【作者单位】复旦大学管理学院
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于相似模式聚类的电子商务网站个性化推荐系统研究 [J], 王太雷
2.基于用户聚类的电子商务个性化推荐系统研究 [J], 夏敏捷;张锦歌
3.基于K-means聚类与张量分解的社会化标签推荐系统研究 [J], 孙玲芳;李烁朋
4.基于双层聚类方法的网页推荐模型 [J], 吴瑞
5.基于聚类和协同过滤技术的个性化 E-learning 课程推荐系统研究 [J], 谭英杰; 栾禹鑫; 穆拉迪力·木塔力甫; 杨弦; 马月
因版权原因，仅展示原文概要，查看原文内容请购买。

基于OWL的上下文感知建模与推理方法胡博;王智学;董庆超【期刊名称】《系统工程与电子技术》【年(卷),期】2012(034)010【摘要】上下文感知计算是普适计算研究领域中最为重要的一个方面,针对上下文感知计算中缺乏与自动推理支持的问题,提出了一种基于本体描述语言(web ontology language,OWL)的上下文感知建模与推理方法.OWL是以描述逻辑为基础的本体形式化语言,可以满足上下文知识共享与上下文本体自动推理的需要.该方法首先提出了一种本体引导的上下文模型框架,根据抽象层次的不同将上下文分为元模型与领域特定模型两层结构,然后采用OWL形式化描述该上下文模型,设计了上下文模型到OWL的转换算法,并利用本体自动推理工具完成了上下文推理,并以一个实际案例说明该方法的可行性.%The context-aware computing is one of extremely important fields for the research of pervasive computing. An approach to the modeling and reasoning of the context-aware knowledge using the well ontology language (OWL) is proposed. It suggests a context model framework in the semantic restrictions of the ontology, which divides the context model into a two-level structure, i. e. meta ontology and domain-specific ontology, according to the abstract hierarchy. This structure models the basic concepts of people, places, locations, and presentation events. Then an algorithm is proposed to convert the context model to the knowledge described in OWL.Finally, a case study is given to illustrate the practicality of the method.【总页数】6页(P2163-2168)【作者】胡博;王智学;董庆超【作者单位】解放军理工大学指挥自动化学院,江苏南京210007;解放军理工大学指挥自动化学院,江苏南京210007;解放军理工大学指挥自动化学院,江苏南京210007【正文语种】中文【中图分类】TP391【相关文献】1.一种西服工序质量预测的上下文感知建模与推理方法 [J], 石美红;赵雪青;朱欣娟;高全力;王倩2.基于集对分析的上下文感知不确定性的推理方法 [J], 马守明;王汝传;叶宁3.基于OWL建模语言实现分布式企业建模的研究 [J], 马志斌;王刚;任秉银;问晓先4.上下文感知计算中的时序表示与推理方法研究 [J], 刘栋;孟祥武;陈俊亮5.基于OWL的上下文感知计算模型 [J], 郑庆秋因版权原因，仅展示原文概要，查看原文内容请购买。

一种上下文移动用户偏好自适应学习方法史艳翠;孟祥武;张玉洁;王立才【期刊名称】《软件学报》【年(卷),期】2012(023)010【摘要】A mobile network has higher demands for the performance of personalized mobile network services, but existing researches have been unable to modify the contextual mobile user preferences adaptively and provide real-time, accurate personalized mobile network services for mobile users. This paper proposes a context computing-based approach to mobile user preferences adaptive learning, which can ensure the accuracy and the response time. First, through analyzing the logs of contextual mobile user behaviors, the method judges whether mobile user behaviors are affected by context or not, and detects whether the contextual mobile user behaviors change. According to these judgments, the contextual mobile user preferences are modified. Secondly, the context is introduced into the least squares support vector machine (LSSVM), which is employed to learn the changed contextual mobile user preferences. Further, a learning method of contextual mobile user preferences is proposed which is based on context of the least squares support vector machine (C-LSSVM). Finally, the experimental results show that the proposed method is superior to other learning methods when considering both accuracy and response time. The proposed method in this paper can be applied in thesystem of personalized mobile network services.%针对移动网络对个性化移动网络服务系统的性能提出了更高的要求,但现有研究难以自适应地修改上下文移动用户偏好以为移动用户提供实时、准确的个性化移动网络服务的问题,提出了一种上下文移动用户偏好自适应学习方法,在保证精确度的基础上缩短了学习的响应时间.首先,通过分析移动用户行为日志来判断移动用户行为是否受上下文影响,并在此基础上判断移动用户行为是否发生变化.然后,根据判断结果对上下文移动用户偏好进行修正.在对发生变化的上下文移动用户偏好进行学习时,将上下文引入到最小二乘支持向量机中,进一步提出了基于上下文最小二乘支持向量机(C-LSSVM)的上下文移动用户偏好学习方法.最后,实验结果表明,当综合考虑精确度和响应时间两方面因素时,所提出的方法优于其他学习方法,并且可应用于个性化移动网络服务系统中.【总页数】17页(P2533-2549)【作者】史艳翠;孟祥武;张玉洁;王立才【作者单位】智能通信软件与多媒体北京市重点实验室(北京邮电大学),北京100876;北京邮电大学计算机学院,北京100876;智能通信软件与多媒体北京市重点实验室(北京邮电大学),北京 100876;北京邮电大学计算机学院,北京100876;智能通信软件与多媒体北京市重点实验室(北京邮电大学),北京 100876;北京邮电大学计算机学院,北京100876;智能通信软件与多媒体北京市重点实验室(北京邮电大学),北京 100876;北京邮电大学计算机学院,北京100876【正文语种】中文【中图分类】TP181【相关文献】1.一种基于信任度和链接预测方法的移动用户偏好预测方法 [J], 耿华;孟祥武;史艳翠2.基于上下文感知计算的移动中间件自适应模式的构建 [J], 刘涛3.基于上下文多维度的移动用户偏好动态分析方法 [J], 罗晓东4.面向云服务的上下文感知自适应移动中间件 [J], 李镇邦;吴卿5.一种基于用户偏好的移动计算卸载决策算法 [J], 蒋青苗因版权原因，仅展示原文概要，查看原文内容请购买。

面向复杂物联网应用的上下文质量感知技术研究
郑笛;贲可荣;王俊
【期刊名称】《计算机科学》
【年(卷),期】2015(42)12
【摘要】随着物联网应用的快速发展,传感信息日益多元化,传感器网络规模广域化,底层传感器网络构成异构化,传感信息数量大数据化,相应地,这也使得底层传感信息中所蕴含的不一致性、不完整性、不准确性等影响信息质量的因素大大增加.而传统的上下文感知技术没有充分考虑上下文质量对感知过程的影响,因此,在现有的上下文感知系统框架的基础上,充分研究不一致性、不完整性、不准确性等低质量传感器上下文的消除问题,通过上下文质量因子分类配置、不准确与不一致上下文丢弃、不完整上下文填充等方法实现了不同层次的控制机制,降低了信息的不确定性,从而有效提高了物联网应用的上下文处理质量.
【总页数】5页(P152-156)
【作者】郑笛;贲可荣;王俊
【作者单位】海军工程大学电子工程学院计算机工程系武汉430033;海军工程大学电子工程学院计算机工程系武汉430033;空军预警学院兵器运用工程军队重点实验室武汉430019
【正文语种】中文
【中图分类】TP311.5
【相关文献】
1.复杂上下文感知的组合服务选择框架 [J], 张同光;石庆民;张龙昌;苏红亮
2.一种面向电子政务物联网应用的社会感知模型 [J], 赵宁社;袁溪
3.面向物联网应用的节点移动感知路由 [J], 谢英辉;李跃飞
4.面向物联网应用的能效感知路由 [J], 莫峥嵘; 陈子原; 齐天一
5.面向物联网应用的压缩感知异常数据聚合机制研究 [J], 杜楚;杜新新;刁金
因版权原因，仅展示原文概要，查看原文内容请购买。

基于机器学习的上下文相关意图识别论文
基于机器学习的上下文相关意图识别是一种新兴技术，它主要用于识别文本中表明特定意图的上下文特征。

例如，当用户在对话系统中识别用户意图时，可以使用此技术来识别用户的意图。

本文主要讨论的就是基于机器学习的上下文相关的意图识别技术。

首先，我们从基本的机器学习方法开始讨论。

机器学习是一个非常有用的技术，可以从大量数据中自动学习模式，并从中提取有价值的信息和知识。

为了实现上下文相关的意图识别，需要利用从语料库中收集的大量数据、从现有文本中提取出的上下文特征和复杂的特征抽取技术来构建有效的机器学习模型。

其次，我们介绍如何使用深度神经网络来实现上下文相关的意图识别。

深度神经网络是众多机器学习方法之一，它在语言处理领域受到广泛的应用，用于提取句子的上下文特征。

我们可以将深度神经网络应用于上下文相关的意图识别，通过其多层结构来提取句子中潜在的意图特征。

最后，我们讨论了基于机器学习的上下文相关的意图识别技术的一些潜在问题。

例如，如果对话系统中没有足够的数据来支持机器学习模型，可能会导致模型训练不够完善，从而影响识别精度。

此外，由于上下文自身的复杂性，用户的意图可能也会根据环境的变化而变化，因此需要引入新的机器学习技术来处理这样的变量。

总之，本文介绍了基于机器学习的上下文相关意图识别技术，
详细探讨了机器学习方法、深度神经网络以及复杂的特征抽取技术。

这些技术可以有效地利用大量数据和从文本中提取的上下文特征来识别用户的意图。

然而，它也存在一些问题，例如对于不同环境的变化，需要引入新的机器学习技术才能准确识别用户的意图。

优先出版 计 算 机 应 用 研 究 第32卷--------------------------------基金项目：国家自然科学基金项目(61371090，61272171)；作者简介：张慧(1990-)，女，辽宁大连人，硕士研究生，CCF 会员，主要研究方向智能信息处理(zh_dlmu@)；李冠宇(1963-)，男，辽宁丹东人，博士，教授，CCF 会员，主要研究方向智能信息处理(rabitlee@)；王元刚(1989-)，男，通辽人，硕士研究生，CCF 会员，主要研究方向智能信息处理；．语用网驱动的上下文感知系统设计 *张 慧，李冠宇，王元刚(大连海事大学 信息科学技术学院，辽宁 大连 116026)摘 要：针对传统的语义网本体和上下文感知系统不适合处理现实世界中动态知识这一问题，本文借鉴了语用网在表达动态知识方面的优势，提出了语用网驱动的上下文感知系统，设计了语用网驱动的上下文感知系统框架，该系统采用了一种高效、新颖的上下文获取技术，可以更加准确地捕获用户的真实意图，并在此基础上通过推理得到具有决策能力的高层上下文，最后通过基于智能体的上下文感知服务发现方法，实现“以用户为中心”的个性化推荐服务。

关键词：语用网；上下文；上下文本体；上下文获取技术；智能体 中图分类号：TP18 文献标志码：APragmatic Web driven context-aware system designZHANG Hui, LI Guan-yu, WANG Y uan-gang(Faculty of Information Science & Technology, Dalian Maritime University, Liaoning Dalian 116026, China)Abstract: There is a lot of dynamic knowledge in real world, the traditional Semantic Web ontology and context-aware system are not suitable to deal with the dynamic knowledge. To solve this problem, this paper proposed a Pragmatic Web driven context-aware system by virtue of the advantage of Pragmatic Web in expressing dynamic knowledge, and designed its framework. This system employed an efficient context capturing technique to improve the accuracy of captured context information, and deduced the high-level context with decision capability by reasoning. Finally, achieving "user-centric" personalized recommendation service by a method of agent based context-aware service discovery. Key Words: pragmatic Web; context; context ontology; context capturing technique; agent0 引言语义网(Semantic Web )是万维网的本质变革，语义网上的信息[1]被赋予了明确的含义，便于人与计算机之间的协作，然而，传统的语义网本体仅能表示静态知识和绝对知识，不适合处理现实世界中动态变化的知识。