本文關鍵詞： 臨時興趣 三維馬爾科夫模型 混合推薦 興趣閾值　出處：《天津財經大學》2016年碩士論文　論文類型：學位論文

【摘要】：隨著大數(shù)據(jù)時代的到來,網絡數(shù)據(jù)正在以爆炸式的速度出現(xiàn)在人們生活當中。豐富的數(shù)據(jù)資源在給人們帶來便利的同時也造成了很大的困擾,如何從龐大的數(shù)據(jù)集中找到期望的數(shù)據(jù)成為了亟待解決的熱門問題。因此,數(shù)據(jù)挖掘技術逐漸被人們重視起來。推薦算法是數(shù)據(jù)挖掘技術的一個非常重要的應用領域。一個高效并精準的個性化推薦方法不僅能夠減少用戶篩選無用信息的麻煩,同時也避免了大量的數(shù)據(jù)傳輸造成的網絡成本消耗。具有很高的商業(yè)價值。目前,個性化推薦系統(tǒng)主要在新聞瀏覽,娛樂信息瀏覽,電子商務等領域得到了廣泛的應用�；诖�,本文以用戶能夠更高效更精準的瀏覽新聞信息的目的出發(fā),提出了一種以引入了興趣閾值參數(shù)的三維馬爾科夫模型推薦算法進行精確預測并以基于加權用戶行為數(shù)據(jù)歸一化的推薦算法進行輔助預測的推薦策略。在算法的研究過程中,首先分析了新聞信息區(qū)別其他信息所具有的時效性強、數(shù)量大的特性。在數(shù)據(jù)整合的過程中,在排除了特殊情況的前提下,將信息的屬性進行了模糊替換以便提取出符合該特性的用戶偏好特征。其次分析了用戶臨時興趣現(xiàn)象和用戶興趣陡峭式變化的現(xiàn)象帶來的預測不準的問題,并提出在用戶偏好特征中引入興趣閾值參數(shù)的方式將用戶的興趣變化及時反饋給推薦系統(tǒng)的解決辦法。再次依據(jù)該特性和問題對要實現(xiàn)的新聞推薦算法進行需求分析。為了滿足對算法的需求分析,將Apriori算法以及馬爾科夫模型等算法的特性以及適用性進行分析,最終確定了本文的推薦模型,并通過在模型中引入試探性推送重大主流新聞以及用戶主動反饋的機制調整興趣閾值的取值,進而改善了用戶產生臨時興趣現(xiàn)象和用戶興趣陡峭式變化的現(xiàn)象帶來的預測不準的問題。然后通過對不同參與度用戶分組實驗,對比了未引入興趣閾值的傳統(tǒng)推薦模型與本文提出的推薦模型在推薦結果有效性上的差別。驗證了本文提出的推薦策略的有效性。最終應用本文提出的推薦策略實現(xiàn)了 一款具有個性化推薦功能的iOS端的手機應用。
[Abstract]:With the arrival of big data era, network data is appearing in people's lives at an explosive speed. Rich data resources not only bring convenience to people, but also cause a lot of trouble. How to find the expected data from the huge data set has become a hot problem to be solved. Data mining technology has been paid more and more attention. Recommendation algorithm is a very important application field of data mining technology. A highly efficient and accurate personalized recommendation method can not only reduce user filtering useless information. Trouble. At the same time, it also avoids the network cost consumption caused by a large number of data transmission. It has high commercial value. At present, personalized recommendation system mainly in news browsing, entertainment information browsing. Electronic commerce and other fields have been widely used. Based on this, the purpose of this paper is to enable users to browse news information more efficiently and accurately. In this paper, we propose a recommendation strategy based on 3D Markov model recommendation algorithm with interest threshold parameters and a recommendation algorithm based on weighted user behavior data normalization. In the process of research. First of all, the paper analyzes the characteristics of news information in distinguishing other information with strong timeliness and large quantity. In the process of data integration, the special circumstances are excluded. The attribute of information is replaced by fuzzy to extract the characteristic of user preference. Secondly, the problem of uncertain prediction caused by the phenomenon of temporary interest and steep change of interest is analyzed. The method of introducing the threshold parameter of interest into the feature of user preference is put forward to feedback the change of user's interest to the recommendation system in time. According to this feature and problem, the news recommendation algorithm to be implemented is required again. Analysis. In order to meet the needs of the algorithm analysis. The characteristics and applicability of Apriori algorithm and Markov model are analyzed, and the recommendation model of this paper is finally determined. And through the introduction of exploratory push major mainstream news and user active feedback mechanism to adjust the threshold of interest in the model. Then it improves the problem of uncertain prediction caused by the phenomenon of user's temporary interest and the steep change of user's interest. Then the user grouping experiment with different participation degree is carried out. The difference between the traditional recommendation model without interest threshold and the recommendation model proposed in this paper is compared in this paper. The validity of the recommendation strategy proposed in this paper is verified. Finally, the recommendation strategy proposed in this paper is applied. Realized. A personalized recommendation of the iOS end of the mobile application.
【學位授予單位】：天津財經大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 李穎基,彭宏,鄭啟倫,曾煒;自動分層推薦算法[J];計算機應用;2002年11期

2 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

3 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

4 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

5 張立燕;;一種基于用戶事務模式的推薦算法[J];福建電腦;2009年03期

6 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

7 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

8 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

9 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

10 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

相關會議論文 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網絡的含時推薦算法[A];第五屆全國復雜網絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：1445404