刘凯，男，1981年生，山西晋城人，祖籍吉林；工学博士，心理学博士后，硕士研究生导师；具有十佘年高校教学及七年IT开发经历；主要学术研究方向为网络用户心理与行为、虚拟小组讨论等。

　　个性化推荐成为当前学术界和实业界的研究热点，然而用户偏好提取的粒度和精度却成为制约个性化推荐效果的主要问题之一。《基于屏幕视觉热区的用户偏好提取及个性化推荐》在用户为中心的理论视角下.通过心理学眼动实验发现并证实了屏幕视觉热区的存在，从而将用户行为、偏好提取及分析单元细化至用户注视过的信息层面。借助屏幕视觉热区，《基于屏幕视觉热区的用户偏好提取及个性化推荐》研究了用户实时注视的短文本关键词提取方法，以及利用提取的关键词构建长期、短期、即时的用户偏好复合模型，并最终提供具有推荐解释功能的交互收敛式个性化推荐服务。
　　《基于屏幕视觉热区的用户偏好提取及个性化推荐》适用于高等院校管理科学、信息科学、计算机科学和心理学相关专业的师生阅读，也可供自然科学、工程技术乃至电子商务领域的开发人员参考。

　　《基于屏幕视觉热区的用户偏好提取及个性化推荐》：
　　1.5.1创新点
　　1.主要创新点
　　首先，在理论上尝试构建较为完整的个性化推荐系统的理论体系。《基于屏幕视觉热区的用户偏好提取及个性化推荐》深入分析并首次明确提出个性化推荐系统的本质是认知助手，指出其完整结构应该包括推荐项目、推荐策略和推荐时机三个部分，个性化推荐系统的目标便是要实现项目、策略与时机三方的综合寻优。同时，还总结了个性化推荐系统中的五大矛盾：用户与电商利益的矛盾、推荐方法精确性与多样性的矛盾、用户偏好与推荐先在后在的辩证、用户感知便利与隐私保护的矛盾以及个性化推荐的主观性（有偏）结果与用户客观性（无偏）搜寻需求的矛盾。
　　其次，提出并实现了用户偏好实时提取方法。用户偏好数据作为个性化推荐系统分析的基础，其数量和质量决定着推荐效果的优劣。现阶段，网络用户偏好数据主要来自对注册、评分、评论、标签等显性信息以及用户页面停留时间、点击量、收藏等隐性信息的提取和挖掘。但是，这些数据发生的频率和强度并不高，个性化推荐系统至今仍旧不够“个性”。《基于屏幕视觉热区的用户偏好提取及个性化推荐》另辟蹊径，由于用户浏览时的阅读（注视）行为数量最多、发生频率最高，便利用以屏幕视觉热区为基础的模拟用户眼动方法来实时跟踪用户的浏览行为，从而识别并抽取出用户真正注视到的页面内容并据此提取用户偏好。通过引入屏幕视觉热区的概念，有效解决用户偏好数据量少质低的问题。
　　最后，提出并验证基于屏幕视觉热区的交互收敛式个性化推荐方法。已有个性化推荐方法并未对用户实时行为给予足够的关注，用户的网上浏览行为是其兴趣的直接反映。进一步地，用户的历史行为是其长期和短期偏好的反映，具有稳定性。而真实场景中，用户的即时行为是其即时偏好的反映，往往具有发散性和随机性，并不稳定。对用户即时偏好的识别，不仅有助于提高个性化推荐的准确性，更能够增强个性化推荐的多样化，从而提升用户满意度。以屏幕视觉热区的实时偏好提取为基础，通过与用户交互获得对即时行为的理解，从而动态地缩小目标范围，帮助用户挑选出满意的商品。此外，《基于屏幕视觉热区的用户偏好提取及个性化推荐》从用户心理出发，基于人机交互、复合偏好约束及在线评分修正方法，使其不仅为用户推荐具体的商品，还向用户说明推荐的理由。
　　2.微创新点
　　除了上述三项主要创新点外，《基于屏幕视觉热区的用户偏好提取及个性化推荐》还在诸多具体研究中进行了其他微创新。
　　首先，屏幕视觉热区的确立。心理学中，越来越多的对用户网络浏览行为的研究是借助眼动仪来完成的，国内外已经在用户搜索行为和人机工程领域取得了丰硕的成果。然而，几乎所有的热区研究都是针对网页而非屏幕展开的，通过观察和实验，《基于屏幕视觉热区的用户偏好提取及个性化推荐》证明了用户浏览网页时普遍存在阅读的习惯位置，在这个位置内集中了84%以上的注视时间，并将该区域命名为用户浏览的屏幕视觉热区，简称屏幕视觉热区。利用屏幕视觉热区不仅可以识别出用户实时的阅读内容，还完美地解释了心理学中网页上经典F形视觉热区产生的原因。虽然这只是个小的创新点，但却可以将用户偏好获取精度提升一个级别，是全书的基础和突破口。
　　其次，在多种算法的实现中完成了许多很有意义的创新。例如，在网页自动分类中，采用双中线法进行页面降噪，在提高页面核心内容识别效果的同时又降低了算法的计算消耗；在用户会话切分中，对传统页面浏览路径进行粒度更小的划分，从原本在某段特征时间内（如上午9-l1点）用户访问的所有页面序列为一个分析单位，过渡到基于商品品类细分的子会话为分析单位（上午9N11点，分为上衣、手机、计算机图书和游戏装备等4个子会话）。
　　最后，引入语言学相关理论处理管理科学与工程的问题也是一项大胆的探索和尝试。由于功能语言学研究完全是从语法、语义和语用三个层面出发，特别是在计算机科学无法有效解决的语义和语用层面已经形成了非常成熟的理论体系和分析方法。借用这些成熟的理论与方法，对在线商品评论的准确性进行修正，使之成为提炼推荐解释的可信数据源。
　　……

前言
1 绪论
1．1 研究背景
1．2 研究范围及相关概念
1．3 研究目的
1．4 研究内容与方法
1．5 创新及意义

2 相关理论与研究现状
2．1 综述体系说明
2．2 精确性研究
2．3 满意化研究
2．4 其他相关研究
2．5 理论评述——矛盾论

3 用户为中心的个性化推荐系统理论体系
3．1 历史背景
3．2 学科基础
3．3 个性化推荐系统理论核心体系
3．4 个性化推荐系统的理论瓶颈
3．5 总结

4 基于屏幕视觉热区的用户偏好提取方法
4．1 用户浏览行为中的屏幕视觉热区
4．2 面向用户偏好识别的网页机能分类及其判别方法
4．3 基于屏幕视觉热区的中文短文本关键词实时提取方法
4．4 总结

5 基于屏幕视觉热区的用户偏好建模
5．1 基于商品特征自组织层次聚类的用户偏好模型
5．2 基于商品特征自组织层次聚类的网络用户会话切分研究
5．3 基于屏幕视觉热区的用户偏好复合模型
5．4 总结

6 基于在线商品评分修正的推荐解释
6．1 研究背景
6．2 相关研究
6．3 评价介入理论
6．4 话语标记
6．5 基于评价介入理论和话语标记的在线评论修正方法
6．6 基于在线商品评论的推荐解释风格
6．7 总结

7 基于用户偏好复合模型的交互收敛式个性化推荐方法
7．1 研究背景
7．2 相关研究
7．3 基本原理
7．4 交互行为与约束条件
7．5 交互收敛式的实时个性化推荐方法
7．6 原型系统构建
7．7 评价指标
7．8 实验验证
7．9 总结

8 总结与展望
8．1 总结
8．2 展望
参考文献
索引