發(fā)布時間：2019-07-10 12:21

【摘要】：隨著移動應(yīng)用的急速增長,手機(jī)助手等移動應(yīng)用獲取平臺也面臨著信息過載的問題.面對大量的移動應(yīng)用,用戶很難找到最適合的;而另一方面,長尾應(yīng)用淹沒在資源池中不易被人所知.已有推薦方法多注重推薦準(zhǔn)確率,忽視了多樣性,推薦結(jié)果中多是下載量高的應(yīng)用,使得推薦系統(tǒng)的數(shù)據(jù)積累越來越偏向于熱門應(yīng)用,導(dǎo)致長期的推薦效果越來越差.針對這一問題,首先改進(jìn)了兩種推薦方法,提出了將用戶的主題模型和應(yīng)用的主題模型與MF相結(jié)合的LDA_MF模型,以及將應(yīng)用的標(biāo)簽信息和用戶行為數(shù)據(jù)同時加以考慮的LDA_CF算法.為了結(jié)合不同算法的優(yōu)點(diǎn),在保證推薦準(zhǔn)確率的條件下提升推薦結(jié)果的多樣性,提出了融合LDA_MF,LDA_CF以及經(jīng)典的基于物品的協(xié)同過濾模型的混合推薦算法.使用真實(shí)的大數(shù)據(jù)評測所提推薦算法,結(jié)果顯示,所提推薦方法能夠得到推薦多樣性更好且準(zhǔn)確率更高的結(jié)果.
[Abstract]:With the rapid growth of mobile applications, mobile application acquisition platforms such as mobile assistants are also facing the problem of information overload. In the face of a large number of mobile applications, it is difficult for users to find the most suitable; on the other hand, long-tailed applications are not easily known in the resource pool. The existing recommendation methods pay more attention to the recommendation accuracy and ignore the diversity. Most of the recommendation results are the applications with high downloads, which makes the data accumulation of the recommendation system more and more inclined to hot applications, resulting in the long-term recommendation effect getting worse and worse. In order to solve this problem, two recommendation methods are improved, and a LDA_MF model which combines the user's topic model and the applied topic model with MF is proposed, and the LDA_CF algorithm which considers the applied label information and user behavior data at the same time is proposed. In order to combine the advantages of different algorithms and improve the diversity of recommendation results under the condition of ensuring the accuracy of recommendation, a hybrid recommendation algorithm combining LDA_MF,LDA_CF and classical object-based collaborative filtering model is proposed. Using the real big data to evaluate the proposed recommendation algorithm, the results show that the proposed recommendation method can get better recommendation diversity and higher accuracy.
【作者單位】： 數(shù)據(jù)工程與知識工程教育部重點(diǎn)實(shí)驗(yàn)室(中國人民大學(xué)信息學(xué)院);清華大學(xué)經(jīng)濟(jì)管理學(xué)院;
【基金】：國家自然科學(xué)基金(71272029,71490724,61472426) 國家高技術(shù)研究發(fā)展計劃(863)(2014AA015204) 北京市自然科學(xué)基金(4152026)~~
【分類號】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計算機(jī)工程與應(yīng)用;2007年06期

2 王嵐;翟正軍;;基于時間加權(quán)的協(xié)同過濾算法[J];計算機(jī)應(yīng)用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(工學(xué)版);2008年02期

4 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機(jī)系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報;2009年04期

6 廖新考;;基于用戶特征和項(xiàng)目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

7 沈磊;周一民;李舟軍;;基于心理學(xué)模型的協(xié)同過濾推薦方法[J];計算機(jī)工程;2010年20期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進(jìn)研究[J];計算機(jī)技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機(jī)信息;2011年11期

10 鄭婕;鮑海琴;;基于協(xié)同過濾推薦技術(shù)的個性化網(wǎng)絡(luò)教學(xué)平臺研究[J];科技風(fēng);2012年06期

相關(guān)會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項(xiàng)目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 紀(jì)科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

3 于程遠(yuǎn);基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

5 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

6 羅恒;基于協(xié)同過濾視角的受限玻爾茲曼機(jī)研究[D];上海交通大學(xué);2011年

7 薛福亮;電子商務(wù)協(xié)同過濾推薦質(zhì)量影響因素及其改進(jìn)機(jī)制研究[D];天津大學(xué);2012年

8 高e，

本文編號：2512606