摘 要

在移动设备的遍及和移动互联网的迅速发展背景下，移动环境下人们对信息的需求更加与情景相关，期望更精准的推荐，移动广告市场快速增长。本文的移动广告界定为个性化的广告，针对移动生活服务实例-店铺的推荐。在当前应用环境下，推荐问题的解决方案受限于时空要求，须满足特定的时间、空间等上下文环境的限制。

本文主要研究常用的个性化推荐技术，选取简单高效的加权Slope One推荐并结合基于项目相似度的推荐组成本文加权合并的混合推荐算法，更加快速高质的预测用户偏好；构建基于时空特征的多维混合推荐模型，针对推荐模型中的算法部分进行详述，基于时空特征的多维混合推荐算法思想：计算用户情景相似度，获得用户的最近集，选择用户未评分且在特定时空特征情景下按购买频率高低排序的前N个待预测评分项目，基于本文的混合推荐算法，进行项目的偏好预测和推荐。利用美团网真实数据集进行算例分析，验证了个性化推荐技术融合时空特征信息方法的可行性和有效性。

关键词：时空特征；移动广告；移动生活服务；个性化推荐

Abstract

In the context of the rapid development of mobile devices and the rapid development of the mobile Internet background, the demand for information is more relevant to the scene in the mobile environment, expect more accurate recommendation, the rapid growth of mobile advertising market.This article's mobile advertising is defined as a personalized ad for mobile life service examples - shop recommendations. In the current application environment, the solution to the recommended problem is limited by the time and space requirements, recommendation must also meet the specific time, space and other context constraints.

In this paper, Firstly,we mainly study the commonly used personalized recommendation techniques and compare .We combine the simple and efficient weight Slope One algorithm and the project similarity algorithm as recommended algorithm. The hybrid recommendation algorithm can predict user preferences more quickly and easily. Secondly,this paper constructs a multi-dimensional hybrid recommendation model based on spatiotemporal feature.According to the algorithm part of the recommendation model, the idea of multi-dimensional hybrid recommendation algorithm based on spatiotemporal feature is to calculate the similarity of user scene to obtain the nearest neighbor of user, choose the first N project units to be predicted score that the user has not rated and sorted according to the purchase frequency in the spatiotemporal feature scene, forecast and recommend the project based on the hybrid recommendation algorithm of this paper,.Using the real data set of US Mission Network to verifiy,the results show that the feasibility and effectiveness of the hybrid recommendation algorithm that integrating the spatiotemporal feature information.

Key Words： spatiotemporal feature; mobile advertising; mobile life service; personalized recommendation

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景及意义 1

1.1.1 研究背景 1

1.1.2 研究意义 1

1.2 国内外研究现状 2

1.2.1 国外研究现状 2

1.2.2 国内研究现状 3

1.3 研究内容与方法 3

第2章 相关理论基础 6

2.1 移动生活服务 6

2.2 推荐系统相关技术 6

2.2.1个性化推荐 6

2.2.2 常见推荐算法 6

第3章 基于时空特征的多维混合推荐模型 11

3.1 时空特征情景定义 11

3.2 基于时空特征的多维用户模型 11

3.2.1 时空特征情景维属性 11

3.2.2 项目维属性-店铺特征 12

3.2.3 多维用户模型 12

3.3 基于时空特征的多维混合推荐系统 13

第4章 基于时空特征的多维混合推荐算法 15

4.1 算法的设计思想 15

4.1.1用户情景相似度计算 15

4.1.2用户偏好预测并生成推荐 16

4.2 算法的实现过程 19

第5章 算例分析 20

5.1 数据来源及预处理 20

5.2 评价指标 20

5.3 算例分析过程及结果 21

第6章 总结与展望 24

6.1 全文总结 24

6.2 研究展望 24

参考文献 26

致 谢 28

第1章 绪论

1.1 研究背景及意义

1.1.1 研究背景

1. 移动设备的遍及和移动互联网的迅速发展

近些年，移动互联网发展很是迅速。移动互联网将互联网、移动终端设备和移动通信技术结合在一起。而移动终端设备是移动互联网产业链上的一端，它的遍及为移动互联网的应用提供了广阔的空间，使得移动互联网更容易获得用户。根据中国互联网信息中心（CNNIC）的《2017年第39次中国互联网络发展状况统计报告》称^[1]，截至2016 年12月，中国网民数量达7.31亿，互联网普及率达53.2%，其中手机网民的数量达到6.95亿，占全体网民的95%。据报告了解，我国互联网普及率高，手机网民占据主体是移动终端设备遍及和移动互联网迅速发展的必然结果。

目前，移动互联网已经渗透进人们生活、工作的各个领域，成为流量来源的最大入口。同时，人们对移动性、可定位性和信息的需求都在急剧上升，手机社交、手机游戏、移动音乐、手机支付、位置服务等各式各样的移动应用迅速发展，深刻改变了信息时代人们的生活方式。

1. 针对移动生活服务的移动广告具有广阔的发展前景

普遍的移动广告定义是通过移动设备（如手机、平板电脑等）访问移动应用或移动网页时显示的广告。移动终端设备特别是智能终端的遍及，且移动互联网内容和服务的不断丰富，同时，移动广告形式多样，广告主和移动用户对移动广告易接受，驱动着移动广告市场迅速增长。

本文界定移动广告为个性化的广告，不是普通意义上的移动广告，是针对移动生活服务的推荐。基于移动终端设备和移动互联网，能最大限度发挥移动性和可定位性,并为移动用户提供满足当前时间、空间上下文环境的移动生活服务，投放更精准，如果同时推荐的移动生活服务与移动用户相关，他们感兴趣的可能性将大大增加。而移动终端设备的遍及和移动互联网的迅速发展，更是为针对移动生活服务的移动广告的发展提供了广阔的空间。

1.1.2 研究意义

一方面，随着移动设备的遍及和移动互联网的迅速发展，网络中产生了海量的信息，在享受信息便利的同时，移动用户也受到“信息过载”问题的困扰；针对移动生活服务的移动广告需要基于情景进行更准确地投放。而另一方面，目前大部分的个性化推荐系统是基于传统网络的，基于移动互联网的推荐系统还处于起步阶段。在这种情况下，研究移动互联网的推荐系统，同时针对移动生活服务领域，基于时空特征情景，提出移动生活服务广告的个性化推荐算法，将具有重大的研究意义。