宋 蕊 李 童 董 鑫 丁治明

(北京工业大学信息学部 北京 100124)

随着信息技术和移动应用平台的快速发展，用户在使用移动应用的同时产生了海量的用户数据.这些用户数据蕴含用户与移动应用的交互信息，表达了用户需求偏好.因此，用户数据是分析用户需求偏好的重要数据源[1].

为了理解用户对移动应用的需求，已经有很多学者基于用户数据来挖掘需求偏好，进而为用户实现个性化的移动应用推荐.典型的推荐方法通常使用基于协同过滤(collaborative filtering, CF)和基于内容(content-based, CB)的技术[2].然而，传统推荐技术的相关工作集中分析用户对产品的评分[3]，而用户评分只是用户表达其需求偏好的一个维度，未能有效利用多维度的特征信息(如用户评论、用户使用记录等).此外，还有工作基于用户的历史数据分析产品之间的相似性来满足用户偏好[4]，但这样的思路不易发现用户和移动应用之间的关联，无法准确全面地刻画用户需求偏好.

本文认为移动应用的类别、功能描述信息以及用户评论等都是有价值的数据源.尤其是用户评论数据，它包含了大量的隐式信息，如用户对移动应用的态度、情感等[5].上述不同类型的多维信息可以形成异构的信息网络[6].对多维信息网络的有效表征能准确地刻画用户对移动应用的需求偏好.图嵌入技术已被证明是挖掘数据相互联系的有效方法[7].根据现有研究，元路径(meta-path)可以捕获异构信息网络中的语义结构[8].因此，在多维……