Aug, 2023

社交物联网的上下文感知服务推荐系统

PDF
TL;DRSocial Internet of Things 的研究，探索服务推荐的上下文表示、潜在特征组合技术以及服务推荐框架对提高准确性和相关性的有效性进行实验评估。
social internet of thingsrecommendationscontextual representationlatent features combination techniqueservice recommendation framework
发现论文，激发创造
  • 隐式群体推荐的安全人工智能物联网

    提出了一种基于安全 IoT 结构和协同贝叶斯网络模型的人群推荐算法 SAIoT-GR，旨在解决现有数据安全性和反馈偏差难题。通过大量实验，该算法表现出高效性和稳健性。

    Apr, 2021

  • 基于知识增强图神经网络的 SIoT 可信度评估

    本文提出了一种知识增强的图神经网络（KGTrust），用于在社会物联网（SIoT）中进行更好的信任评估，该方法结合了用户和对象的语义知识以及增强的信任关系，能够有效地捕捉 SIoT 信任的多方面特性。实验结果表明，KGTrust 方法优于当前的最先进方法。

    Feb, 2023

  • 关于上下文信息对兴趣点推荐影响的系统分析

    本文提出了不同的上下文模型，分析了 POI 推荐中不同主要上下文信息的融合。主要贡献是：提供了对上下文感知定位推荐的广泛调查，量化和分析不同上下文信息在 POI 推荐中的影响，并使用两个着名的现实世界数据集评估了所考虑的模型。我们的结果表明，虽然建模地理和时间影响可以提高推荐的质量，但将所有其他上下文信息融合到推荐模型中并不总是最佳策略。

    Jan, 2022

  • 基于智能手机嵌入式传感器数据的用户社交环境和熟悉场所的设备端建模

    该论文提出了一种基于移动设备的无监督轻量级方法来直接模拟用户的社交上下文和位置，该方法利用了自我网络模型，对智能手机嵌入式传感器数据提取高级别的语义上下文特征，在社交上下文方面，该方法利用了在用户和设备之间的物理和网络社交互动的数据，对于位置，它优先建模了特定位置的熟悉度程度，相对于只使用与物理上下文相关的特征，该方法在 AUROC、Precision 和 Recall 方面的表现都有所提高。

    Jun, 2023

  • 基于服务的推荐系统结果验证

    使用服务模型提出一种新的推荐系统结果解释方法，能从不同粒度水平上提取用户与物品交互的体验数据，并将解释围绕交互的不同阶段进行组织，并通过用户研究证明此方法具有更好的用户认知支持和接口适用性，但不同层次的用户可能需要个性化策略以满足不同的交互需求。

    Nov, 2022

  • 物联网的上下文感知计算：综述

    本文介绍了物联网范式和上下文感知的基础知识，并从物联网的角度对上下文感知进行了调查，涵盖了与上下文感知和物联网相关的很多技术，方法，模型、应用程序和中间件解决方案，并对过去十年中进行的 50 个研究和商业解决方案进行了评估和总结，讨论了它们的发现以及其在物联网中的适用性，并提出了未来的研究方向。

    May, 2013

  • 多视角交互式协同过滤

    本研究提出了一种名为 MV-ICTR 的推荐算法，能够同时处理评分和背景信息，利用潜在因子对物品依赖特征进行建模，并采用多臂赌博策略进行长期在线个性化推荐，适用于冷启动用户和物品占比高的数据集，提高了推荐性能。

    May, 2023

  • 在线和移动社交网络的推荐系统：一项调查

    该研究论文是一篇关于在在线和移动社交网络中设计和实现推荐系统的综述，重点介绍了如何利用社交上下文信息来改善推荐任务，以及标准算法如何在完全分布式环境中进行增强和优化，并讨论了这些系统的优缺点和性能评估。

    Jun, 2023

  • 融合物理和虚拟传感器数据的用户情境轻量级建模

    本文介绍了一个框架，可收集来自个人移动设备的数据集，包含异构传感器数据，使用六种降维技术，可以在保持准确率损失小于 3% 的情况下，实现 10 倍加速和超过 90% 的特征减少，从而提高上下文分类能力。

    Jun, 2023

  • 大气层：边缘雾云计算的上下文和情境感知协同物联网架构

    提出一种软件架构，利用边缘、雾化和云计算等不同层级之间的双向通信来最大限度地利用上下文和情境数据，并通过医院呼吸疾病监测的案例研究证明了该架构在满足物联网场景需求方面有着高效的通信。

    Jan, 2024