本书以推荐系统理论为基础，以探究移动互联网环境下用户如何精确获取信息这一问题为出发点，研究面向用户个性化需求的移动互联网信息推荐技术，分别从移动用户需求获取、移动情境感知推荐、社会化推荐、群组推荐等方面对移动互联网信息推荐技术展开较为全面、深入的研究和探讨。 本书可供从事电子商务推荐系统研究、教学的相关人员，以及高等院校研究生、电子商务工作者使用，可帮助读者理解在移动互联网环境下的信息推荐方法和技术。

前言 随着信息技术的迅速发展和信息内容的快速增长，“信息过载”造成的信息负担已成为无法忽视的问题，引入推荐系统是缓解这一问题的有效方法，一直以来都得到学术界和工业界的广泛关注。推荐系统的应用形式多种多样，其通过发现用户和项目之间存在的关系，帮助用户从大量数据中发现可能感兴趣的项目，从而形成个性化推荐结果，满足不同用户的个性化需求。目前，推荐系统在电子商务、在线旅游、互联网广告、电子游戏、移动互联网等应用领域取得了不错的应用效果，其相关理论研究也伴随着不断涌现的新技术和新应用而进一步深入。 近些年来，移动互联网的飞速发展使移动通信网络与计算机网络之间出现了交叉融合的现象，传统的互联网信息服务也随着智能移动设备的普及和用户获取信息渠道及习惯的改变而有了极大的不同，能提供“任何时间、任何地点、任何方式”的信息服务成为共识。在这种背景下，移动推荐系统利用移动互联网在信息推荐方面的优势，克服其劣势，通过获取和预测潜在移动用户偏好来过滤不相关的信息，为移动用户提供满足其个性化需求的结果，因此得到越来越多的关注，已成为推荐系统研究领域的研究热点之一。与此同时，大数据、深度学习等技术的发展和应用为推荐系统的研究提供了一些新的研究思路和问题解决方法，从而提高了推荐系统在更多应用场景中的实用性。但新技术、新设备、新的应用场景和新的需求也对推荐系统提出了新的要求，其中仍有大量需要进一步深入研究的领域。 本书在系统地总结推荐系统理论和相关研究成果的基础上，分别从移动用户需求获取、移动情境感知推荐、社会化推荐、群组推荐等方面对移动互联网信息推荐技术展开较为全面、深入的研究和讨论。 由于时间仓促，加之作者学术水平和视野有限，书中难免出现疏漏之处，敬请读者批评指正。 曹洪江 2022年10月

目录 第1章 绪论 1 1.1 移动互联网的基本概念 2 1.1.1 移动互联网的定义及特点 2 1.1.2 移动互联网推荐技术 4 1.2 移动推荐系统研究框架 10 1.3 移动推荐系统的应用 13 1.4 移动互联网信息推荐领域中的研究热点 16 参考文献 18 第2章 推荐系统理论综述 21 2.1 基于内容的推荐方法 21 2.1.1 概述 21 2.1.2 算法流程 22 2.1.3 优点与不足 26 2.2 协同过滤推荐方法 27 2.2.1 基于邻域的协同过滤推荐方法 28 2.2.2 基于模型的协同过滤推荐方法 31 2.2.3 优点与不足 33 2.3 情境感知推荐方法 34 2.3.1 概述 34 2.3.2 情境建模方法 36 2.3.3 情境感知推荐技术的分类 37 2.3.4 优点与不足 39 2.4 社会化推荐方法 40 2.4.1 概述 40 2.4.2 社会关系网络模型的构建 42 2.4.3 社会化推荐生成技术 44 2.4.4 优点与不足 47 2.5 群组推荐方法 49 2.5.1 概述 49 2.5.2 群组推荐方法的关键技术 50 2.5.3 优点与不足 52 2.6 基于深度学习的推荐方法 53 2.6.1 概述 53 2.6.2 深度学习模型 54 2.6.3 基于深度学习的推荐方法分类 57 2.6.4 优点与不足 59 2.7 大数据环境下的推荐方法 60 2.7.1 概述 60 2.7.2 大数据环境下的推荐方法中的技术 61 2.7.3 大数据环境下的推荐方法的分类 65 2.7.4 优点与不足 66 参考文献 67 第3章 移动用户需求获取 71 3.1 移动用户需求特点 72 3.2 用户需求获取技术概述 74 3.2.1 传统用户需求获取技术 74 3.2.2 移动用户需求获取技术 76 3.3 移动用户需求获取关键技术 77 3.3.1 移动用户需求获取技术框架 77 3.3.2 情境对移动用户需求的影响 79 3.3.3 移动用户需求获取的计算方法 81 3.3.4 移动用户需求动态获取及自适应更新技术 84 3.4 移动用户需求获取技术效用评价 86 3.5 有待进一步研究的问题 88 参考文献 90 第4章 移动情境感知推荐 96 4.1 情境信息概述 97 4.1.1 情境信息的概念及特点 97 4.1.2 移动情境信息的分类 98 4.2 情境信息的获取 100 4.2.1 情境信息获取的技术架构 100 4.2.2 情境信息的获取方法 101 4.3 情境信息的表示方法与建模方法 102 4.3.1 情境信息的表示方法 102 4.3.2 情境信息的建模方法 103 4.4 情境感知推荐算法 107 4.5 两种典型的改进情境感知推荐算法 112 4.5.1 基于矩阵分解的情境感知推荐算法 112 4.5.2 宽松匹配的情境感知推荐算法 114 4.6 情境感知推荐系统的效用评价 118 参考文献 119 第5章 社会化推荐 124 5.1 社会化推荐概述 125 5.1.1 社会化推荐系统的形式化定义 125 5.1.2 社会化推荐系统的基本框架 126 5.1.3 社会化网络模型的构建 127 5.1.4 社会化推荐生成技术 128 5.2 融合移动用户信任关系的协同过滤推荐算法 129 5.2.1 信任用户间的影响度计算 131 5.2.2 融合信任关系的推荐方法 135 5.3 融合用户群组关系的群组推荐方法 135 5.4 融合用户地理位置信息的协同过滤推荐方法 139 5.4.1 基于地理位置信息的用户偏好特征模型 140 5.4.2 用户间的信任度计算 142 5.4.3 基于用户地理位置信息的网络信息推荐算法 143 5.5 融合项目相似度和信任关系的推荐方法 145 参考文献 149 第6章 群组推荐 153 6.1 群组推荐概述 154 6.1.1 群组推荐的基本方法 154 6.1.2 群组的发现和群组推荐的偏好融合策略 155 6.2 偏好融合的方法 157 6.3 群组特征对偏好融合算法的影响 160 6.4 群组推荐系统的效用评价 161 6.5 基于项目评分和特征的群组推荐方法 163 6.5.1 构建用户偏好模型 164 6.5.2 构建群组偏好模型 166 6.5.3 群组相似度计算 167 6.5.4 群组推荐算法 168 参考文献 170