上下文感知推荐系统

 在推荐系统领域，人们往往只关注“用户-项目”之间的关联关系，而较少考虑它们所处的上下文环境（如时间、位置、周围人员、情绪、活动状态、网络条件等等）。但是在许多应用场景下，仅仅依靠"用户-项目"二元关系并不能生成有效推荐。例如，有的用户更喜欢在"早上"而不是"中午"被推荐合适的新闻信息；有的用户在不同的心情可能会希望被推荐不同类型的音乐。

上下文感知推荐系统领域的几个主题

• 推荐系统中的上下文建模技术;
• 推荐系统中基于上下文感知 的用户建模;
• 上下文推荐数据集;
• 检测上下文数据相关性的算法;
• 将上下文信息融入推荐过程的算法;
• 在上下文特征和用户评分之间建立显式关联的算法;
• 与上下文感知推荐系统交互;
• 上下文感知推荐系统 的新应用;
• 大规模上下文感知推荐系统;
• 上下文感知推荐系统的评测;
• 移动上下文感知推荐系统;
• 上下文感知的群组推荐.
  

上下文获取的方式

• 显示获取（explicitly）：通过物理设备感知、用户问询、用户主动设定等方式，直接获取与用户、项目关联的上下文信息
• 隐式获取（implicitly）：利用已有数据或周围环境简介获取上下文信息：可以根据用户与系统的交互日志获取时间上下文信息
• 推理获取：通过统计学方法或者数据挖掘技术。可以利用朴素贝叶斯分类器或者其他预测模型推理用户是在“家里”还是在“办公室”<