当推荐系统遇到物联网...

2020 年 7 月 21 日 机器学习与推荐算法

前言

物联网（The Internet of Things,简称IOT），从英文名中可以看出是对互联网（Internet）的扩充，意为互联网中的所有事务，涉及用户、内容、设备等。更具体的，是指通过各种信息传感器等设备与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其各种需要的信息，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知。

推荐系统（Recommender System），对于大家并不陌生，是指通过分析用户的历史行为记录、用户画像、物品属性等信息来推测用户未来的可能喜好。传统的推荐系统所使用的数据主要包括用户和物品的相关数据，比如用户侧的人口统计学信息、社交网络信息等，物品侧的属性信息、知识图谱信息等。

传统的推荐系统中的“物品”相对狭窄，主要指互联网世界中的虚拟产品，比如电子商务网站的商品、音乐播放网站的歌曲、视频网站的影视作品等，而物联网中的“物”更加泛化，可以代之互联网世界中的任何物品，因此推荐系统结合物联网的应用场景更加代表着无限可能，应该会有更多新鲜好玩的事情发生。

接下来，分享两篇RS+IOT的综述文章，供感兴趣的伙伴深入阅读。

1. Recommender Systems for the Internet of Things: A Survey. 2020.

论文地址：https://arxiv.org/abs/2007.06758

摘要：推荐是发展和促进物联网利益的重要阶段。传统的推荐系统无法利用不断增长的、动态的、异构的物联网数据。本文介绍了最先进的推荐系统，以及相关技术和应用在充满活力的物联网领域。我们讨论了将推荐系统应用于物联网的几个局限性，并提出了一个参考框架，用于比较现有研究，以指导未来的研究和实践。

2. Recommendations on the Internet of Things: Requirements, Challenges, and Directions. 2019. IEEE Internet Comput.

论文地址：

http://hydra.infosys.tuwien.ac.at/staff/sd/

papers/Zeitschriftenartikel_2019_SD_Recommendations.pdf

摘要： 物联网加速了互联网上可用数据的增长，这使得传统的搜索范例无法从大量而深入的资源中挖掘人们所需的信息。此外，鉴于物联网环境中所涉及的组织，社会结构和设备的动态性质，智能和自动化方法对于利用来自物联网网络的大量信息的知识来支持决策至关重要。当然，物联网更需要“主动发现”而不是事后搜索的有效和高效范例。本文讨论了一些重要的要求和关键挑战，以实现有效，高效的推荐，并提供有关物联网推荐的一系列新观点。