• 預過濾
• 後過濾
• 建模
  =>
  將使用者和物品放入，特定的情景中，考慮；
  消費者的決策，和他當時的心情是相關的；

1. 建模

• 將情景作為附加資料集合
• 從二維推薦到三維

R:User∗Item∗Context−−>Rating

情景的定義

推進系統手冊-P157

*特徵的選擇
@@@Toward optimal featrue selection
@@@Featrue selection for knowledge discovery and data mining
@@@ regreesion analysis by example

• 分層
• 各層次的笛卡爾積

結合情景的推薦

• 傳統的推薦
  

• 結合情景
  U∗I∗R−−−>U∗I∗R∗C……….C是情景的緯度

• 情景推薦的三種形式
  

  1. a：情景預過濾：被用來選擇構建資料集合
  2. b: 情境建模：用來建模
  3. c: 情境後過濾：針對情景修改

2. 情境預過濾

• 使用情景資訊來構建二維資料集合
  *　就是將情景作為條件，過濾資料庫，構成資料集合

3. 情境後過濾

• 針對計算後的資料，使用後過濾
  
  1. 過濾無關的推薦
  2. 調整給定的排名
• 方法： 加權，過濾

4. 情境建模

• 生產多維推薦器
• 通過預測模型（迴歸，分類，決策樹）等方法，
• 將情景資訊和使用者物品資訊融合
  @@@Incorporating context into recommender systems suing multidimensional rating estimation methods

啟發式計算

• 計算多維向量的相似度

基於模型

@@@Internet recommendation systems
@@@ Context-aware SVM for context-dependent information recommendation

5. 情景方法的融合

• 選擇最好的
• 組合多種推薦器
  @@@Hybird recommender systems: Survey and experiment
  @@@Hybird web recommender systems
  @@@collaborative filtering by personality diagnosis
  @@@ Incorporating contextual information in recommender systems using a multidimensional approach