1.4 移动互联网信息推荐领域中的研究热点

移动推荐系统的研究目前已经取得了一系列的成果，在实际应用中也获得了一定的进展。但和传统互联网推荐系统一样，移动推荐系统值得深入研究并取得更多成果的方向还有很多，主要包括以下几个方向。

1）移动用户偏好获取

移动推荐的核心是形成个性化的推荐结果，而个性化的基础就是满足不同用户的偏好需求。在移动推荐系统中，通常采用隐式获取的方法，但获取的偏好依然存在如时效、准确性等方面的问题。因此，这个方向仍然有大量的研究工作需要去做。

2）冷启动问题

冷启动问题是整个推荐系统领域存在的一个普遍问题，在移动推荐系统中自然也存在，其具体表现和传统推荐系统一样，主要存在新用户和新项目的问题。目前一种常见的做法就是从多源信息中采用其他维度的数据信息来解决。例如，使用用户的位置信息、用户的统计信息等来解决该问题[26，27]。

3）移动社会化推荐

移动社会化推荐是移动推荐领域重要的研究方向之一，当前的移动互联网是用户社交网络的一个重要载体，越来越多的人已经习惯了使用移动社交网络。因此，移动社会化网络中包含了大量的用户社交行为信息，这些信息可以用来提高推荐系统的性能，移动社会化网络的精确构建是移动推荐的基础，采用何种方法得到用户间的关系和关系强度信息是构建这种社会化网络的关键。而如何将社会化网络和推荐系统相结合及如何增强推荐系统的效果和性能也是一个尚待深入研究的方向。

4）移动情境感知推荐

正如前面所述，在移动推荐中，需要着重考虑移动网络环境给推荐系统带来的影响，用户在移动信息需求和对个性化信息的推荐方面受情境信息影响更大，但若在推荐过程中考虑过多的情境信息，则容易导致计算复杂度提高、算法效率低下的问题，这和移动推荐中的实时性相悖。因此，考虑情境信息的有效性是移动情境感知推荐的核心之一。目前，该方向也面临多种问题，包括情境的获取和情境信息处理的数据降维方法等。

5）移动推荐的评价

目前，如何对移动推荐的结果进行正确的评价是一个存在一定困难的问题。传统推荐系统的评价指标体系中常用的如准确率、召回率等也被用在了移动推荐系统中，由于移动推荐系统领域较缺乏公开的数据集合，因此，在验证上存在较大的困难。目前解决的方法有两种，即通过模拟数据集合或通过调查问卷的方式来获取用户对系统实时性、满意度等方面的数据。但这两种方法的准确性和成本都较难控制。因此，如何对移动推荐的结果进行正确的评价，仍然是研究人员需要进一步研究的方向。

6）移动推荐的隐私和安全

为了增加移动推荐的准确性、实时性，移动推荐系统会采集并分析移动用户的时间、地点、行为、行动轨迹等信息。这些信息本身的价值加上信息的存储安全问题就带来了用户的隐私和信息安全问题。由于这些信息具有敏感性，移动用户主动提供此类信息的意愿较低，甚至可能出现抵触情绪。为了解决这种问题，文献[21]采用了分布式的移动推荐系统来解决信息集中存放的问题。文献[28]则在增强移动推荐系统的防欺诈性和移动推荐系统的推荐信用方面做了相关研究。总之，在一个大数据分析盛行的时代，如何保护用户的隐私和信息安全对于移动推荐领域来说是一个值得深入研究的方向。