本文選題：個性化推薦 + 可見度　； 參考：《浙江大學》2016年碩士論文

【摘要】：隨著智能手機的普及,各種各樣的手機應用層出不窮,手機應用下載平臺面臨著嚴重的信息過載問題。個性化推薦是解決信息過載問題最直接的方法,但是目前大部分應用下載平臺的推薦服務還停留在熱門榜單推薦上,沒有一個個性化的推薦系統(tǒng)。這主要是因為在手機應用推薦場景中,一般傳統(tǒng)的商品推薦算法無法取得良好的推薦效果,其推薦的結果有時甚至還不如熱門榜單的推薦。除此以外,手機應用的數(shù)量過大,使的手機應用推薦算法的算法時間復雜度過高,也是傳統(tǒng)推薦算法難以直接應用在手機應用推薦場景中的原因。本文首先介紹了個性化推薦的國內(nèi)外研究現(xiàn)狀,并分析了商品推薦算法不適用于手機應用推薦場景的原因。之后針對以上問題引入了應用可見度,并將其加入到現(xiàn)有的推薦算法中,使得算法能夠適應手機應用的推薦場景。并且為了使得推薦算法能夠處理超大規(guī)模的數(shù)據(jù),本文通過對推薦算法的改寫,使之能夠運行在分布式平臺上,加快算法的運行速度。文章的最后通過對比實驗,驗證了算法引入可見度之后的有效性,并構造了不同的數(shù)據(jù)集,檢驗了分布式推薦算法的運行效率。
[Abstract]:With the popularity of smart phones, a variety of mobile applications emerge, mobile application download platform is facing serious information overload problem. Personalized recommendation is the most direct way to solve the problem of information overload, but at present, most of the recommendation services of application and download platform still stay on the hot list recommendation, and there is not a personalized recommendation system. This is mainly because in the mobile phone application recommendation scenario, the general traditional product recommendation algorithm can not achieve good results, its recommendation results are sometimes even worse than the popular list of recommendations. In addition, the number of mobile phone applications is too large, which makes the time complexity of the mobile application recommendation algorithm too high, which is also the reason why the traditional recommendation algorithm is difficult to be directly applied in the mobile phone application recommendation scene. This paper first introduces the research status of personalized recommendation at home and abroad, and analyzes the reason why the commodity recommendation algorithm is not suitable for mobile phone application recommendation. Then, the application visibility is introduced to solve the above problems, and it is added to the existing recommendation algorithm, which makes the algorithm adapt to the mobile phone application recommendation scenario. And in order to enable the recommendation algorithm to deal with large scale data this paper rewrites the recommendation algorithm to make it run on the distributed platform and accelerate the speed of the algorithm. At the end of the paper, the effectiveness of the algorithm is verified by comparing the results with visibility, and different data sets are constructed to test the efficiency of the distributed recommendation algorithm.
【學位授予單位】：浙江大學
【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 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

2 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

3 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

4 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

5 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

6 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

7 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

8 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

9 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

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03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(jīng)濟發(fā)展轉(zhuǎn)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(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：1881398