本文關(guān)鍵詞：基于通信數(shù)據(jù)的上下文移動用戶偏好動態(tài)獲取方法研究

  更多相關(guān)文章： 信任度 上下文量化 協(xié)同過濾 追隨時間 在線學(xué)習(xí)

【摘要】：3G網(wǎng)絡(luò)不僅提高了數(shù)據(jù)傳輸速率,還能支持多種媒體形式的數(shù)據(jù)。云計算的應(yīng)用,使用戶可以通過終端按其所需獲取存儲資源、計算資源以及相應(yīng)的軟硬件資源。加上移動終端攜帶比較方便,因此移動用戶可以隨時隨地使用功能簡單的終端通過網(wǎng)絡(luò)完成復(fù)雜的任務(wù)。另一方面,隨著電信網(wǎng)、互聯(lián)網(wǎng)、普適計算以及物聯(lián)網(wǎng)技術(shù)與應(yīng)用的飛速發(fā)展,移動通信網(wǎng)絡(luò)在與傳統(tǒng)互聯(lián)網(wǎng)逐漸融合的過程中,對傳統(tǒng)互聯(lián)網(wǎng)的信息服務(wù)進(jìn)行了延伸,為用戶提供了比傳統(tǒng)通信業(yè)務(wù)更加豐富多彩的移動網(wǎng)絡(luò)服務(wù)。另一方面,移動終端存在一定的缺陷,例如顯示屏幕小、輸入輸出困難、電源持續(xù)使用時間短等。因此,如何從海量信息中及時獲取準(zhǔn)確的移動用戶偏好,為其提供個性化的移動網(wǎng)絡(luò)服務(wù)成為了學(xué)術(shù)界和工業(yè)界近年來的研究熱點。 與臺式機(jī)用戶相比,移動用戶偏好受上下文影響更加明顯。為了準(zhǔn)確定位移動用戶的偏好,近幾年,研究人員將上下文引入到移動用戶偏好獲取中。雖然上下文的引入可以更準(zhǔn)確地定位移動用戶偏好,但也給上下文移動用戶偏好獲取方法帶來了一些難題。上下文引入后,原有的用戶偏好數(shù)量將與上下文實例的種類數(shù)成正比例增加,因此學(xué)習(xí)的響應(yīng)時間會增長,無法及時準(zhǔn)確地滿足移動用戶的個性化需求。另外,上下文引入后,原有的用戶-項目二維矩陣將擴(kuò)展為用戶-項目-上下文三維矩陣,進(jìn)一步加劇了數(shù)據(jù)的稀疏性問題,使預(yù)測得到的上下文移動用戶偏好的精確度降低。針對上述問題,本文根據(jù)移動網(wǎng)絡(luò)的特點,利用移動網(wǎng)絡(luò)中可以獲取到的數(shù)據(jù),提出了一種上下文移動用戶偏好動態(tài)獲取的改進(jìn)方法。本文的研究內(nèi)容包括：如何根據(jù)移動網(wǎng)絡(luò)中獲取的信息計算移動用戶之間的信任度、如何對上下文移動用戶偏好進(jìn)行自適應(yīng)學(xué)習(xí)、如何緩解協(xié)同過濾方法的稀疏性和冷啟動問題對移動用戶偏好預(yù)測結(jié)果的影響以及如何在線獲取上下文移動用戶偏好。在對上述內(nèi)容研究的基礎(chǔ)上，本文取得到了以下兒方面的研究成果。 (1)提出了一種基于通信數(shù)據(jù)的移動用戶信任度計算方法。在移動網(wǎng)絡(luò)中,隱性獲取信任度的方法主要是根據(jù)移動用戶之間的通信行為進(jìn)行簡單的計算,忽略了上下文信息、用戶的社會影響力以及移動用戶偏好之間的相似度對信任度的影響,另外沒有對信任度的傳播距離進(jìn)行深入研究。針對上述問題,本文提出了一種基于通信數(shù)據(jù)的移動用戶信任度計算方法,在該方法中考慮了上下文移動用戶行為、移動用戶的社會影響力以及上下文移動用戶偏好之間的相似度對信任度的影響。該方法以移動用戶之間的通信行為、移動用戶之問的相處時間、移動用戶使用的移動網(wǎng)絡(luò)服務(wù)以及相應(yīng)的上下文信息(時間、位置)作為輸入數(shù)據(jù)來獲取移動用戶之間的信任度。首先根據(jù)上下文約束下的移動用戶行為以及上下文的權(quán)重值來計算移動用戶之間的直接信任度；在參考已有文獻(xiàn)和六度分割理論的基礎(chǔ)上給出了信任度在移動社會網(wǎng)絡(luò)中的傳播距離,并提出了間接信任度的計算方法。然后根據(jù)計算得到的信任度構(gòu)建移動社會化網(wǎng)絡(luò),并根據(jù)凝聚子群知識對移動社會化網(wǎng)絡(luò)進(jìn)行劃分,根據(jù)劃分后的社區(qū)結(jié)構(gòu)提出了一種計算移動用戶社會影響力的方法。最后計算上下文約束下移動用戶偏好之間的相似度,并和前面計算得到的信任度和社會影響力進(jìn)行融合。 (2)提出了一種上下文移動用戶偏好自適應(yīng)學(xué)習(xí)方法。移動網(wǎng)絡(luò)對個性化服務(wù)系統(tǒng)的性能提出了更高的要求,但現(xiàn)有研究難以自適應(yīng)地更新上下文移動用戶偏好以為用戶提供實時、準(zhǔn)確的個性化移動網(wǎng)絡(luò)服務(wù)。針對上述問題,本文提出了一種上下文移動用戶偏好自適應(yīng)學(xué)習(xí)方法,在保證精確度的情況下縮短了學(xué)習(xí)的響應(yīng)時間。該方法通過分析移動網(wǎng)絡(luò)中上下文約束下的用戶行為,檢測移動用戶偏好是否受上下文影響以及上下文移動用戶偏好是否發(fā)生變化,并根據(jù)上下文實例的權(quán)重值和相似度矩陣對上下文進(jìn)行了量化。當(dāng)上下文移動用戶偏好不發(fā)生變化時,只對相應(yīng)的用戶偏好的可信度進(jìn)行修正；當(dāng)上下文移動用戶偏好發(fā)生變化時,采用分類方法進(jìn)行學(xué)習(xí)。由于只對部分上下文移動用戶偏好進(jìn)行學(xué)習(xí),縮短了學(xué)習(xí)的響應(yīng)時間。為了保證上下文移動用戶偏好的準(zhǔn)確性并進(jìn)一步加快其學(xué)習(xí)的響應(yīng)時間,本文將上下文引入到最小二乘支持向量機(jī)分類方法中,提出了一種基于增量一上下文最小二乘支持向量機(jī)的移動用戶偏好學(xué)習(xí)方法。 (3)提出了一種基于時間戳的協(xié)同過濾方法對用戶未使用過的移動網(wǎng)絡(luò)服務(wù)的偏好進(jìn)行預(yù)測。協(xié)同過濾方法是預(yù)測用戶偏好最常用的方法,但傳統(tǒng)的協(xié)同過濾方法存在稀疏性和冷啟動問題,在移動網(wǎng)絡(luò)中，，上下文的引入,進(jìn)一步加劇了數(shù)據(jù)的稀疏性問題。本文在已有研究的基礎(chǔ)上,提出了一種基于時間戳的協(xié)同過濾方法對用戶未使用過的移動網(wǎng)絡(luò)服務(wù)的偏好進(jìn)行預(yù)測。首先根據(jù)追隨時間選出符合要求的上下文移動用戶偏好來計算移動用戶偏好之間的相似度,并結(jié)合移動用戶之間的信任度選擇近似鄰居。然后在預(yù)測上下文移動用戶偏好之前,根據(jù)追隨時間和移動用戶偏好的可信度選擇目標(biāo)用戶最有可能使用的移動網(wǎng)絡(luò)服務(wù),并根據(jù)近似鄰居的偏好值預(yù)測移動用戶對未使用的移動網(wǎng)絡(luò)服務(wù)的偏好。最后為了解決由于新的移動網(wǎng)絡(luò)服務(wù)的推出而造成的冷啟動問題,本文通過計算用戶對新推出的服務(wù)的平均追隨時間來判斷移動用戶是否為時尚型用戶,然后利用基于項目的協(xié)同過濾方法預(yù)測時尚型用戶對新的移動網(wǎng)絡(luò)服務(wù)的偏好值。由于本文提出的方法在預(yù)測用戶偏好時,對上下文移動用戶偏好以及移動用戶最可能使用的移動網(wǎng)絡(luò)服務(wù)進(jìn)行了選擇,減小了數(shù)據(jù)的稀疏性,因此,在保證用戶偏好精確度的同時,降低了預(yù)測的響應(yīng)時間,更符合移動用戶的實時性需求。 (4)提出了一種基于滑動窗口的上下文移動用戶偏好在線獲取方法。在上下文移動用戶偏好獲取的現(xiàn)有研究中,大部分方法采用離線方式來獲取移動用戶的偏好。然而,由于移動網(wǎng)絡(luò)的實時性特點,需要及時準(zhǔn)確地獲取移動用戶的偏好信息。為了解決上述問題,本文提出了一種基于滑動窗口的上下文移動用戶偏好在線獲取方法。首先采用基于時間間隔的方式選取合適的滑動窗口和基本窗口。然后在獲取上下文移動用戶偏好時,根據(jù)移動用戶使用移動網(wǎng)絡(luò)服務(wù)頻率的不同將偏好分為三類：對未使用過的移動網(wǎng)絡(luò)服務(wù)的偏好預(yù)測,對這類用戶偏好本文使用改進(jìn)的協(xié)同濾波方法進(jìn)行預(yù)測；以前使用過,但最近未使用的移動網(wǎng)絡(luò)服務(wù)的偏好采用遺忘函數(shù)進(jìn)行學(xué)習(xí)；對經(jīng)常使用的移動網(wǎng)絡(luò)服務(wù)的偏好采用在線上下文最小二乘支持向量機(jī)分類方法進(jìn)行學(xué)習(xí)。最后通過實驗驗證,與離線獲取方法相比,在線獲取方法可以得到更好的結(jié)果,更適合移動網(wǎng)絡(luò)的需求。
【關(guān)鍵詞】：信任度 上下文量化 協(xié)同過濾 追隨時間 在線學(xué)習(xí)
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號】：TP391.3
【目錄】：

• 摘要4-7
• ABSTRACT7-15
• 第一章 緒論15-23
• 1.1 研究背景及意義15-17
• 1.2 研究內(nèi)容17-20
• 1.3 章節(jié)安排20-23
• 第二章 上下文移動用戶偏好動態(tài)獲取方法綜述23-35
• 2.1 研究背景23-24
• 2.2 上下文移動用戶偏好表示方法24-25
• 2.3 上下文移動用戶偏好動態(tài)獲取方法25-28
• 2.3.1 常用的上下文移動用戶偏好動態(tài)獲取方法25-27
• 2.3.2 上下文移動用戶偏好動態(tài)獲取方法的應(yīng)用27-28
• 2.4 上下文移動用戶偏好的評價指標(biāo)28-30
• 2.4.1 平均絕對誤差MAE28-29
• 2.4.2 準(zhǔn)確率和召回率29
• 2.4.3 F指標(biāo)29
• 2.4.4 響應(yīng)時間29
• 2.4.5 其他評價指標(biāo)29-30
• 2.5 上下文移動用戶偏好動態(tài)獲取技術(shù)的難點30-31
• 2.6 本文研究內(nèi)容31-33
• 2.7 本章小結(jié)33-35
• 第三章 基于通信數(shù)據(jù)的移動用戶信任度計算方法35-53
• 3.1 研究背景35
• 3.2 相關(guān)工作35-36
• 3.3 信任度計算36-46
• 3.3.1 基于上下文移動用戶行為的信任度計算37-40
• 3.3.2 移動通信網(wǎng)絡(luò)的劃分40-43
• 3.3.3 基于社會影響力的信任度計算43-45
• 3.3.4 基于上下文移動用戶偏好相似性的信任度計算45-46
• 3.4 實驗與分析46-52
• 3.4.1 數(shù)據(jù)集46-47
• 3.4.2 評價指標(biāo)47
• 3.4.3 實驗步驟47-49
• 3.4.4 實驗結(jié)果及分析49-52
• 3.5 本章小結(jié)52-53
• 第四章 一種上下文移動用戶偏好自適應(yīng)學(xué)習(xí)方法53-77
• 4.1 研究背景53-54
• 4.2 相關(guān)工作54-55
• 4.3 增量上下文最小二乘支持向量機(jī)的引入55-58
• 4.3.1 上下文移動用戶偏好表示55-56
• 4.3.2 增量上下文最小二乘支持向量機(jī)56-58
• 4.4 上下文移動用戶偏好學(xué)習(xí)方法58-69
• 4.4.1 上下文移動用戶行為變化檢測方法58-64
• 4.4.2 上下文移動用戶偏好修正方法64-69
• 4.5 實驗與分析69-76
• 4.5.1 實驗數(shù)據(jù)69-70
• 4.5.2 基準(zhǔn)對比方法70
• 4.5.3 實驗步驟70-71
• 4.5.4 實驗結(jié)果及分析71-76
• 4.6 本章小結(jié)76-77
• 第五章 基于時間戳的上下文移動用戶偏好預(yù)測方法77-93
• 5.1 研究背景77
• 5.2 相關(guān)工作77-78
• 5.3 向網(wǎng)絡(luò)的構(gòu)建78-79
• 5.4 基于時間戳的上下文移動用戶偏好預(yù)測79-84
• 5.4.1 移動用戶偏好的過濾79-80
• 5.4.2 選取近似鄰居80-81
• 5.4.3 移動網(wǎng)絡(luò)服務(wù)的過濾81-83
• 5.4.4 上下文移動用戶偏好預(yù)測83-84
• 5.5 實驗與分析84-91
• 5.5.1 實驗數(shù)據(jù)84
• 5.5.2 實驗步驟84-86
• 5.5.3 實驗結(jié)果及分析86-91
• 5.6 本章小結(jié)91-93
• 第六章 一種上下文移動用戶偏好在線獲取方法93-107
• 6.1 研究背景93
• 6.2 滑動窗口93-94
• 6.3 基于滑動窗口的上下文移動用戶偏好獲取方法94-100
• 6.3.1 獲取已使用的移動網(wǎng)絡(luò)服務(wù)的偏好95-98
• 6.3.2 獲取未使用的移動網(wǎng)絡(luò)服務(wù)的偏好98-100
• 6.4 實驗和分析100-105
• 6.4.1 實驗步驟100-101
• 6.4.2 實驗結(jié)果及分析101-105
• 6.5 本章小結(jié)105-107
• 第七章 總結(jié)與展望107-111
• 7.1 總結(jié)107-108
• 7.2 展望108-111
• 參考文獻(xiàn)111-123
• 致謝123-125
• 攻讀博士期間發(fā)表的學(xué)術(shù)論文125

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 黃武漢;孟祥武;王立才;;移動通信網(wǎng)中基于用戶社會化關(guān)系挖掘的協(xié)同過濾算法[J];電子與信息學(xué)報;2011年12期

2 曹晨磊;張茹;鈕心忻;周琳娜;張振濤;;3G實體認(rèn)證協(xié)議及技術(shù)規(guī)范的綜述與安全分析[J];清華大學(xué)學(xué)報(自然科學(xué)版);2009年S2期

3 張志政;翟玉慶;邢漢承;;偏好推理的邏輯鏈實現(xiàn)[J];軟件學(xué)報;2006年12期

4 史艷翠;孟祥武;張玉潔;王立才;;一種上下文移動用戶偏好自適應(yīng)學(xué)習(xí)方法[J];軟件學(xué)報;2012年10期

本文編號：1085682