基于FDI的用户模型及其在上下文觉察计算中的应用

上下文觉察计算是普适计算的重要内容。当前的上下文觉察计算研究大多没有为用户提供个性化的服务。已有的个性化上下文觉察服务的用户模型,其用户偏好的设置比较简单。本文从心理学的观点出发,提出一个使用基于场依存一独立性（FDI）的用户模型来为用户提供个性化的上下文觉察服务。本文系统分析了这种用户模型对上下文觉察计算的重要性,并给出了使用基于FDI的用户模型在上下文觉察计算中的应用过程。试验表明这种模型提供的个性化服务能够提高上下文觉察计算应用的有效性。     

一种基于上下文的用户兴趣模型

当前的上下文觉察计算研究大多没有为用户提供个性化的服务,而且对在手持设备上的个性化上下文觉察服务的用户模型研究也不多见。依托用在PC上的个性化用户模型试探性的研究手持设备上加入上下文信息的用户兴趣模型,并对设计过程给出详细论述,通过模拟实验证明模型的有效性,并对未来手持设备上用户模型进行展望。     

基于上下文感知的普适服务框架

为了更好地适应用户的个性化需求和普适计算环境的特征,提出一种基于上下文感知的普适服务框架。该框架包括服务呈现层、服务管理层、服务提供层和上下文感知层。通过基于社区的服务管理方式来屏蔽普适计算环境中服务的异构性、分布性,动态地感知与当前计算环境和用户活动相关的上下文信息,采用基于上下文的服务推荐机制为用户提供个性化的服务,从而更好地适应人的意图和环境 因素。     

基于位置服务的研究综述

基于位置的服务是指移动终端利用各种定位技术获得当前位置信息,再通过无线通信将这些信息传输给服务提供商,服务提供商根据用户的位置信息以及用户的上下文信息提供个性化的服务。对位置服务按照不同的方面进行了分类,然后分析了基于位置服务中的关键技术,包括定位、信息传输以及位置索引,接着总结了基于位置服务的典型应用,最后指出了存在的一些问题。     

基于模板和上下文的语义Web服务动态组合

为了适应环境和上下文信息的动态变化并提供适时适地的服务,Web服务组合要能满足处于动态变化环境中的个性化用户需求。文中提出了一个基于模板和上下文的语义Web服务组合框架,该框架使用抽象服务流程进行Web服务组合建模,利用本体来进行上下文信息建模并支持基于JESS的上下文信息推理,在原有基于语义的Web服务匹配的基础上,实时地感知上下文信息来进行Web服务动态绑定。该方法提高了服务组合的成功率和动态适应性,并且满足了用户的个性化需求。     

一种用户态活动感知计算模型的设计与实现

活动感知计算通过提取分析出用户某种状态的复合信息减少用户交互,更好的无缝融合用户当前的上下文信息和周围的情景,从而逐渐成为上下文感知计算中一个新的研究热点。本文提出了一种能较为准确表达用户当前整体状态的复合信息概念——用户态,和一套感知、分析、推理其的系统模型。根据模型过滤后的个性化推荐服务内容更加准确,服务质量和使用效率得到进一步提高。     

一种CBR与RBR相结合的智能家庭推理系统*

介绍了一种CBR与RBR相结合的智能家庭推理系统。将CBR与RBR两种人工智能技术相结合,运用于普适计算的典型应用智能家庭中,首先通过RBR推理出当前用户的活动以及心情等较高级上下文;然后再用CBR进行上下文的再处理,融合多类型或历史的上下文,自动预测相似度最大的上下文,并基于该上下文为用户提供个性化服务。     

基于情景上下文与信任关系的旅游景点推荐算法*

针对现有旅游景点推荐个性化的不足问题,本文提出了一种基于信任关系与于情景上下文的旅游景点推荐算法。首先在传统的协同过滤算法上以用户信任度代替相似度来解决数据稀疏性;其次引入用户情景上下文信息,更全面的反映出用户的个性化需求;最后基于用户的信任度和上下文信息优化,建立一个推荐结果准确度更高的旅游景点推荐模型。模拟实验结果表明,综合考虑信任度和情景上下文信息的推荐策略表现最优。     

基于用户上下文的新闻服务机制研究

在新闻服务中引入用户上下文来实现个性化服务.通过定义用户上下文,利用基于事例的推理(CBR)方法,对基于用户新闻请求生成的问题事例进行推理,找到可用的事例,修改问题事例,经过新闻检索,实现个性化新闻服务,提高内容服务质量,优化检索结果,生成最大程度反映用户需求的新闻结果.     

面向服务组合的复杂上下文本体模型

为了有效解决泛在网络环境下Web服务质量上下文描述问题,在OWL_S基础上提出了面向服务组合的复杂上下文本体模型-OWL_S_QoS＋,包括用户上下文本体和服务上下文本体。用户上下文本体描述用户的环境状态、拥有的资源信息、用户需求及用户群组等对服务或组合服务运行产生影响的一系列属性;服务上下文本体在原有OWL_S定义的基础上,增加了服务对客户端与服务端的运行环境需求、不确定性QoS描述方法。通过模型比较验证了OWL_S_QoS＋具有较强的描述能力。     

一种基于事件的情境感知框架

为更好地满足用户的个性化需求、支持情境感知服务,提出一种基于事件的情境感知框架。该框架包括传感器层、事件总线和应用服务层,采用事件触发的方式调用应用服务与用户交互,并建立基于规则的事件过滤机制,对无效事件进行屏蔽。应用结果表明,该框架可提高系统的感知性能和重用性。     

CAS-<Emphasis Type="SmallCaps">Mine</Emphasis>: providing personalized services in context-aware applications by means of generalized rules

Context-aware systems acquire and exploit information on the user context to tailor services to a particular user, place, time, and/or event. Hence, they allow service providers to adapt their services to actual user needs, by offering personalized services depending on the current user context. Service providers are usually interested in profiling users both to increase client satisfaction and to broaden the set of offered services. Novel and efficient techniques are needed to tailor service supply to the user (or the user category) and to the situation in which he/she is involved. This paper presents the CAS-Mine framework to efficiently discover relevant relationships between user context data and currently asked services for both user and service profiling. CAS-Mine efficiently extracts generalized association rules, which provide a high-level abstraction of both user habits and service characteristics depending on the context. A lazy (analyst-provided) taxonomy evaluation performed on different attributes (e.g., a geographic hierarchy on spatial coordinates, a classification of provided services) drives the rule generalization process. Extracted rules are classified into groups according to their semantic meaning and ranked by means of quality indices, thus allowing a domain expert to focus on the most relevant patterns. Experiments performed on three context-aware datasets, obtained by logging user requests and context information for three real applications, show the effectiveness and the efficiency of the CAS-Mine framework in mining different valuable types of correlations between user habits, context information, and provided services.     

Context-aware recommendations through context and activity recognition in a mobile environment

The mobile Internet introduces new opportunities to gain insight in the user’s environment, behavior, and activity. This contextual information can be used as an additional information source to improve traditional recommendation algorithms. This paper describes a framework to detect the current context and activity of the user by analyzing data retrieved from different sensors available on mobile devices. The framework can easily be extended to detect custom activities and is built in a generic way to ensure easy integration with other applications. On top of this framework, a recommender system is built to provide users a personalized content offer, consisting of relevant information such as points-of-interest, train schedules, and touristic info, based on the user’s current context. An evaluation of the recommender system and the underlying context recognition framework shows that power consumption and data traffic is still within an acceptable range. Users who tested the recommender system via the mobile application confirmed the usability and liked to use it. The recommendations are assessed as effective and help them to discover new places and interesting information.     

基于用户操作行为的兴趣度的分析与计算

在互联网的背景下,用户检索行为所体现的兴趣是零散的、分布的.利用一个群集模型来综合这些分布的信息,对个性化服务也会提供帮助.通过对单个用户行为的分析,提出了一种基于操作行为的兴趣度的计算方法,可以有效地计算出该用户对当前内容的兴趣度的基值,并最终为用户兴趣群集模型中各个结点的兴趣度的值的计算提供重要依据.     

个性化信息服务中基于Tag的用户兴趣模型

随着web信息爆炸增长,个性化信息服务成为人们研究的热点,用户兴趣建模是个性化服务的关键,针对当前用户建模的缺点和tag的广泛应用,对基于tag的用户兴趣建模进行研究,首先通过实验证明tag中蕴含用户稳定的兴趣及tag分布的其他特征,然后提出加权树形结构由粗到细的粒度表示用户模型,为提高服务时效性,对用户频繁一起使用的...     

用户情境感知的流式移动应用推荐

在目前流式应用分发系统中,客户端的移动应用分发都是依靠系统后台管理员人工操作或者简单地依靠位置信息为用户分发应用,没有考虑到用户在不同的情境活动下对应用的需求差异问题。针对上述问题,提出一种基于用户情境感知的流式应用推荐机制。该机制通过采集流式应用场景下用户的情境信息数据,利用机器学习Xgboost算法识别用户情境活动,并根据识别的用户情境来为用户推荐应用。同时,利用用户的反馈信息进一步提高用户个性化应用推荐的准确度。实验结果表明,Xgboost算法在准确率和时间开销上性能优于传统算法,在流式应用分发系统中有很高的实际应用价值。     

情景感知的物联网服务推荐方法研究

如何根据用户实时的情景高效地为其推荐最为合适的物联网服务,已经成为当前服务计算与物联网领域亟需解决的关键问题之一。针对这一问题,提出了一种基于情景感知的物联网服务推荐方法。首先基于改进的FolkRank算法生成当前用户可用的物联网服务列表;之后,依据用户当前关键的情景构建用户情景信息模型,根据用户的情景模型从服务列表中筛选出最能满足用户当前情景的物联网服务。实验结果表明,所提出的情景感知的物联网服务推荐方法是可行的与有效的。     

一种动态混合QoS语义的Web服务个性化推荐模型

服务推荐是服务计算中的主要问题之一,当前大多针对功能属性进行推荐,而在Web服务的QoS属性方面考虑较少,并且不支持动态变化的QoS属性。基于动态混合QoS的语义Web服务个性化推荐模型,把语义Web技术引入Web服务中,在QoS监控器下,有效监测Web服务的QoS属性变化并动态更新Web服务的QoS属性。根据建立的用户兴趣模型,向用户推荐具有个性化的Web服务。此外,在个性化推荐系统中使用最广泛的协同过滤推荐技术基础上,对数据进行了一系列的预处理填充,而且充分考虑了不同时间的项目评分对推荐的影响。结合用户兴趣度和用户评分的相似性计算方法,并通过不同的权值来表示它们的重要程度,综合计算目标用户的最近邻居集合,最终对用户u产生推荐。该系统在一定程度上提高了服务推荐的效率和准确度并满足用户查询需求。     

Personalization and Context Management

Supporting the individual user in his working, learning, or information access is one of the main goals of user modeling. Personal or group user models make it possible to represent and use information about preferences, knowledge, abilities, emotional states, and many other characteristics of a user to adapt the user experience and support. Nowadays, the disappearing computer enables the user to access her information from a variety of personal and public displays and devices. To support a new generation of contextualized and personalized information and services, this paper addresses the problem of context management. Context management is a new approach to the design of context-aware systems in ubiquitous computing that combines personalization and contextualization. The presented framework for context management integrates user modeling and context modeling, which can benefit from each other and give rise to more valid models for personalized and contextualized information delivery. The paper will introduce a base framework and tools for designing context-aware applications and decompose the underlying framework into its foundational components. As two illustrative application cases, the paper discusses implementations of an intelligent advertisement board and an audio-augmented museum environment.