本文選題：汽車推薦系統(tǒng) + 文本分析　； 參考：《重慶大學(xué)》2016年碩士論文

【摘要】：伴隨著國家大數(shù)據(jù)戰(zhàn)略的實(shí)施,以電子商務(wù)為首的互聯(lián)網(wǎng)應(yīng)用與現(xiàn)代生活深度融合的同時(shí),也逐漸促進(jìn)了汽車等傳統(tǒng)行業(yè)市場經(jīng)營和發(fā)展模式的轉(zhuǎn)型。互聯(lián)網(wǎng)平臺(tái)和信息技術(shù)的發(fā)展為消費(fèi)者選購汽車提供了更多的便利條件和參考信息來源,然而汽車銷售市場愈來愈激烈的競爭卻導(dǎo)致了信息負(fù)載問題的進(jìn)一步加劇。推薦系統(tǒng)作為一種主動(dòng)過濾無關(guān)信息的技術(shù),特別是以基于內(nèi)容和協(xié)同過濾的改良算法為主流的推薦技術(shù),憑借其在普通消費(fèi)商品推薦任務(wù)中所展現(xiàn)的出色的性能和效率,不僅在電子商務(wù)平臺(tái)、互聯(lián)網(wǎng)金融、社交網(wǎng)絡(luò)等各大互聯(lián)網(wǎng)平臺(tái)中得到了廣泛應(yīng)用,同時(shí)也成為大量學(xué)術(shù)領(lǐng)域研究者關(guān)注的熱點(diǎn)。然而對于一些特定領(lǐng)域場景下的個(gè)性化推薦任務(wù),例如房屋、汽車、金融產(chǎn)品等,協(xié)同過濾技術(shù)和以物品過濾為基礎(chǔ)的推薦算法所表現(xiàn)出的有效性并不能很好地滿足用戶需求。本文在針對傳統(tǒng)推薦算法在汽車個(gè)性化推薦任務(wù)中所遇到的困難和瓶頸進(jìn)行了深入分析的基礎(chǔ)上,構(gòu)建了一種基于概率模型的汽車個(gè)性化推薦系統(tǒng)APRS。該推薦系統(tǒng)可以幫助普通消費(fèi)者在無需過多了解汽車領(lǐng)域相關(guān)知識(shí)的情況下,輔助他們進(jìn)行汽車的挑選以及購買決策。論文的主要研究成果如下:(1)針對中文商品在線評(píng)論的特點(diǎn),本文在挖掘觀點(diǎn)分句Part-Of-Speech(POS)模式和構(gòu)建相關(guān)專業(yè)領(lǐng)域知識(shí)詞典的基礎(chǔ)上,提出了一種基于商品屬性特征的意見挖掘和情感分析算法SAOSP,該算法以評(píng)論分句為粒度對商品在線評(píng)論文本進(jìn)行分析,從而完成了商品各項(xiàng)屬性特征評(píng)分情感分析和量化工作,從客觀數(shù)據(jù)事實(shí)的角度對商品基本信息進(jìn)行補(bǔ)充的同時(shí),也為推薦模型的構(gòu)建奠定了數(shù)據(jù)基礎(chǔ)。(2)通過對用戶在汽車購買過程中的行為特征進(jìn)行綜合分析,我們在論文中提出了一種新穎的概率模型用于對用戶的商品購買過程進(jìn)行描述。本文在該模型中綜合考慮了用戶個(gè)人偏好、互聯(lián)網(wǎng)用戶群體以及現(xiàn)實(shí)中社交群體等影響用戶最終購買決策的各項(xiàng)因素,并利用矩陣投影算法對模型中各概率參數(shù)進(jìn)行計(jì)算。(3)針對特定應(yīng)用領(lǐng)域商品復(fù)雜度高,普通用戶相關(guān)專業(yè)領(lǐng)域知識(shí)匱乏的特點(diǎn),本文所提出的推薦系統(tǒng)采用會(huì)話的方式對用戶的用途需求進(jìn)行顯式引導(dǎo),基于所提出的推薦模型將用戶的用途需求與商品屬性特征信息之間潛在的聯(lián)系進(jìn)行構(gòu)建和量化,并給出了Top-K推薦列表中商品評(píng)分排名的計(jì)算公式。幫助普通用戶在缺少汽車相關(guān)專業(yè)領(lǐng)域知識(shí)的情況下,只需根據(jù)自身的購車用途需求可以得到基于客觀數(shù)據(jù)事實(shí)的推薦結(jié)果。(4)通過引入FMM和TR兩種基于協(xié)同過濾技術(shù)的推薦算法作為對比,本文在現(xiàn)實(shí)數(shù)據(jù)集上對所提出的汽車個(gè)性化推薦系統(tǒng)APRS進(jìn)行了對比實(shí)驗(yàn)分析。實(shí)驗(yàn)結(jié)果驗(yàn)證,APRS在汽車這種特定應(yīng)用領(lǐng)域的商品的個(gè)性化推薦任務(wù)中具有較高的有效性和準(zhǔn)確性。
[Abstract]:With the implementation of the national big data strategy, the Internet application led by electronic commerce and the deep integration of modern life have also gradually promoted the transformation of the traditional industry market management and development model. The development of the Internet platform and information technology provides more conveniences and reference letters for consumers to buy cars. Source, however, the increasingly fierce competition in the car market has led to a further exacerbation of the problem of information load. The recommendation system is a technology that is active in filtering unrelated information, especially the recommendation technology based on content based and collaborative filtering, which is presented in the recommendation task of common consumer goods. Excellent performance and efficiency have been widely used not only in the Internet platforms, such as e-commerce platform, Internet finance, social network and so on, but also the focus of researchers in a large number of academic fields. However, personalized recommendation tasks, such as houses, cars, financial products, etc., are coordinated in some specific field scenarios. The effectiveness of the filtering technology and the recommendation algorithm based on the object filtering can not satisfy the user's requirements well. Based on the analysis of the difficulties and bottlenecks of the traditional recommendation algorithm in the personalized recommendation task of the automobile, this paper constructs a personalized recommendation of automobile based on the probability model. The main research results of the paper are as follows: (1) in view of the characteristics of the online comment on Chinese goods, this article is exploring the Part-Of-Speech (POS) model and structure of the point of view. (1) the main research results of this paper are as follows: (1) in view of the characteristics of the online comment on Chinese goods, this article is mining the model and structure of the point clause (POS). On the basis of the knowledge dictionary of related professional fields, a kind of opinion mining and emotional analysis algorithm SAOSP based on the characteristics of the commodity is proposed. The algorithm uses commentary clause as the granularity to analyze the online comment text of the commodity, thus completing the analysis and quantification of the commodity attribute characteristic score feeling and the quantitative work, from the objective data facts. While adding the basic information to the commodity, it also lays a data base for the construction of the recommended model. (2) through a comprehensive analysis of the behavior characteristics of the user in the process of automobile purchase, we put forward a novel probability model in this paper to describe the process of the purchase of the user. This paper is in this model. The factors that affect user's final purchase decision are comprehensively considered, such as user preferences, Internet user groups and social groups in reality. And the matrix projection algorithm is used to calculate the probability parameters in the model. (3) the characteristics of the high complexity of the commodity in the specific application field and the lack of knowledge in the related professional fields of the ordinary users, The proposed system uses a conversational approach to explicitly guide the user's use requirements. Based on the proposed model, it constructs and quantifies the potential connections between the user's use requirements and the feature information of the commodity, and gives the calculation formula of the ranking of the commercial products in the Top-K recommendation list. In the absence of automobile related professional knowledge, we only need to get the results based on objective data facts according to their own car use requirements. (4) by introducing two recommended algorithms based on FMM and TR as comparison, the proposed auto personalized recommendation system APRS is presented on the real data set. The experimental results show that APRS has high effectiveness and accuracy in the personalized recommendation task of the goods in this particular application field.
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計(jì)算機(jī)與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學(xué)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導(dǎo)刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡(luò)推薦系統(tǒng)[J];電子商務(wù);2007年10期

6 李媚;;個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟(jì)學(xué)模型的推薦系統(tǒng)的研究[J];計(jì)算機(jī)應(yīng)用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進(jìn)展及展望[J];信息系統(tǒng)學(xué)報(bào);2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強(qiáng)學(xué)習(xí)的旅行計(jì)劃推薦系統(tǒng)[J];計(jì)算機(jī)工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識(shí)瀏覽領(lǐng)域的應(yīng)用[J];硅谷;2011年21期

相關(guān)會(huì)議論文 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點(diǎn)擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時(shí)間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學(xué)年會(huì)論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進(jìn)的個(gè)性化信息推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];2005年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計(jì)算語言學(xué)研討會(huì)論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚(yáng)勇;;基于Web服務(wù)的技術(shù)轉(zhuǎn)移平臺(tái)推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應(yīng)用[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計(jì)[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

相關(guān)重要報(bào)紙文章 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報(bào);2014年

2 本報(bào)記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計(jì)算機(jī)世界;2012年

相關(guān)博士學(xué)位論文 前10條

1 周魏;推薦系統(tǒng)中基于目標(biāo)項(xiàng)目分析的托攻擊檢測研究[D];重慶大學(xué);2015年

2 田剛;融合維基知識(shí)的情境感知Web服務(wù)發(fā)現(xiàn)方法研究[D];武漢大學(xué);2015年

3 胡亮;集成多元信息的推薦系統(tǒng)建模方法的研究[D];上海交通大學(xué);2015年

4 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究[D];中國科學(xué)技術(shù)大學(xué);2007年

5 楊東輝;基于情感相似度的社會(huì)化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

6 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

7 王立才;上下文感知推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

8 劉龍;一個(gè)能實(shí)現(xiàn)個(gè)性化實(shí)時(shí)路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國科學(xué)技術(shù)大學(xué);2014年

9 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

10 劉士琛;面向推薦系統(tǒng)的關(guān)鍵問題研究及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 朱孔真;基于云計(jì)算的電子商務(wù)智能推薦系統(tǒng)研究[D];武漢理工大學(xué);2014年

2 郭敬澤;基于賦權(quán)評(píng)分和Dpark的分布式推薦系統(tǒng)研究與實(shí)現(xiàn)[D];天津理工大學(xué);2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設(shè)計(jì)[D];江南大學(xué);2015年

4 李煒;基于電子商務(wù)平臺(tái)的保險(xiǎn)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學(xué);2015年

6 秦大路;基于因式分解機(jī)模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學(xué);2015年

7 徐霞婷;動(dòng)態(tài)路網(wǎng)監(jiān)控與導(dǎo)航推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];蘇州大學(xué);2015年

8 黃學(xué)峰;基于Hadoop的電影推薦系統(tǒng)研究與實(shí)現(xiàn)[D];南京師范大學(xué);2015年

9 路小瑞;基于Hadoop平臺(tái)的職位推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

10 李愛寶;基于組合消費(fèi)行為分析的團(tuán)購?fù)扑]系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：1947272