52、面向移动用户的可扩展上下文模型研究

面向移动用户的可扩展上下文模型研究

1. 上下文感知与智能城市

1.1 上下文感知

“上下文感知”这一特性通常用于描述任何能从使用上下文中获益的系统。如今，计算应用程序在各种新环境中运行，如嵌入汽车或可穿戴设备中。它们利用上下文信息来响应和适应计算环境的变化，这类应用越来越具有上下文感知能力，例如 Google Now 应用。在相关研究中，若一个系统“利用上下文为用户提供相关信息和/或服务，且相关性取决于用户的任务”，则被定义为上下文感知系统。例如，推荐系统（RS）会根据用户的偏好上下文信息，为其推荐合适的视频集。

1.2 智能城市

由于新技术（如物联网）和基础设施（如智能管理、智能交通、智能经济等）的快速持续发展，很难给出智能城市的统一定义。近年来，有多种基于这些技术和基础设施的智能城市描述。简单来说，智能城市是利用信息和通信技术（ICT）来提高城市服务质量或降低成本的城市。智能城市概念的一个显著特点是城市居民在城市发展和日常管理中不扮演积极角色，处于被动地位，其主要目标是改善城市居民的生活和工作，使其更轻松。在这种情况下，上下文感知推荐系统作为智能应用，能方便用户的职业和社交生活。

1.3 上下文感知推荐系统

推荐系统研究通常探索和开发基于用户品味、偏好以及过去活动（如先前购买）为用户推荐各种产品、服务或其他物品的技术和应用。上下文感知推荐系统（CARS）是推荐系统的重要子类，它会考虑物品（如服务）被消费或体验的上下文。在上下文感知推荐研究中，不同推荐应用中确定了一些重要的上下文特征，如电影和旅游领域的同伴、音乐领域的时间和心情、旅行领域的天气或季节等。上下文使 CARS 能通过多维评分函数（R: Use