在互聯(lián)網(wǎng)的數(shù)據(jù)量和信息量都呈指數(shù)級(jí)増長(zhǎng)的背景中,好的推薦系統(tǒng)成為人們?cè)谛畔⒑Ｑ蟮闹改厢�。因�(yàn)橥扑]系統(tǒng)可以通過分析、研究用戶的行為、興趣、習(xí)慣和興趣偏好等個(gè)性化的信息,進(jìn)而構(gòu)建用戶的知識(shí)模型、興趣模型等能推算用戶特征的模型,最終把符合用戶特征與用戶興趣的信息準(zhǔn)確地提供給客戶。目前,國(guó)內(nèi)外已有的推薦算法大多是單維和靜態(tài)的算法,它們僅基于時(shí)間的協(xié)同過慮,或只考慮到“用戶-位置”。這樣的推薦算法越來越不適用于具有多維和動(dòng)態(tài)特征的移動(dòng)環(huán)境。比如,基于位置協(xié)同的過濾算法通過分析移動(dòng)用戶的位置信息軌跡獲得“用戶-位置”評(píng)分矩陣,構(gòu)建基于位置信息的用戶偏好模型。而基于時(shí)間協(xié)同過濾的推薦算法,主要是通過分析移動(dòng)用戶興趣變化在時(shí)間上表現(xiàn)出的特點(diǎn),綜合考慮遺忘規(guī)律、興趣的持久度、衰減性、流行性和季節(jié)性等問題進(jìn)行建模,已經(jīng)具備了一定的時(shí)效性和動(dòng)態(tài)性特征。本文最主要的工作是研究從單維到多維、從靜態(tài)到動(dòng)態(tài)的推薦技術(shù),提出了一種融合了“位置、項(xiàng)目、時(shí)間”等多因子的多維動(dòng)態(tài)協(xié)同過濾推薦算法,并應(yīng)用在當(dāng)前的移動(dòng)電商平臺(tái)中。該算法根據(jù)“時(shí)間、項(xiàng)目、位置”的多維信息在動(dòng)態(tài)的移動(dòng)電商平臺(tái)中實(shí)現(xiàn)精準(zhǔn)推薦。實(shí)驗(yàn)結(jié)果表明,與單維和... 

【文章來源】：廣東技術(shù)師范大學(xué)廣東省

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

GSMAIntelligence公布的移動(dòng)行業(yè)最終數(shù)據(jù)

法結(jié)合以實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，從而使用推薦系統(tǒng)更算法算法的基本思路我們可以用“1+1”的思維去理過幾種常用的算法融合，實(shí)現(xiàn)不同算法的優(yōu)勢(shì)互是從科學(xué)性，適用性，還是解讀性等方面都相般情況下都是以協(xié)同過濾推薦算法作為基礎(chǔ)算實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。混合推薦算法如果歸納下，可以式三大類。合推薦算法：這種算法又可以分為特征組合與特所示。其中，推薦 1 代表該混合推薦算法中的第混合推薦算法中的第 n 種算法。

圖 2-2 并行式混合推薦圖流水線式混合推薦算法：分串聯(lián)混合式、分級(jí)混合式兩種。這種混的結(jié)果，可以作為另一種算法的輸入。當(dāng)然，還可以用一種算法先，然后再用另一種算法進(jìn)行具體的推薦。如圖 2-3 所示。其中，推合推薦算法中的第一種算法、推薦 n 所代表的是該混合推薦算法中。圖 2-3 流水線式混合推薦圖薦系統(tǒng)的關(guān)鍵技術(shù)

【參考文獻(xiàn)】：
期刊論文
[1]移動(dòng)圖書館情景感知信息推薦服務(wù)用戶接受行為研究[J]. 李賀,侯力鐵,祝琳琳.  圖書情報(bào)工作. 2019(12)
[2]融合內(nèi)容和改進(jìn)協(xié)同過濾的個(gè)性化推薦算法[J]. 何波,潘力.  控制工程. 2018(08)
[3]整矩陣的滿秩分解[J]. 王嬌.  阜陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(03)
[4]Trust-Based Context-Aware Mobile Social Network Service Recommendation[J]. XU Jun,ZHONG Yuansheng,ZHU Wenqiang,SUN Feifei.  Wuhan University Journal of Natural Sciences. 2017(02)
[5]基于DRIS系統(tǒng)中的中文自動(dòng)分詞模塊設(shè)計(jì)與實(shí)現(xiàn)[J]. 張昭楠,馬亞蕾.  電子設(shè)計(jì)工程. 2016(14)
[6]基于改進(jìn)K最近鄰分類算法的不良網(wǎng)頁并行識(shí)別[J]. 徐雅斌,李卓,陳俊伊.  計(jì)算機(jī)應(yīng)用. 2013(12)
[7]基于小世界網(wǎng)絡(luò)的用戶位置行為興趣模型[J]. 張少中,俞東云.  電信科學(xué). 2012(02)
[8]上下文感知推薦系統(tǒng)[J]. 王立才,孟祥武,張玉潔.  軟件學(xué)報(bào). 2012(01)
[9]移動(dòng)設(shè)備的個(gè)性化推薦在上下文感知應(yīng)用[J]. 徐月美,姜薇,王溢策.  微計(jì)算機(jī)信息. 2009(21)
[10]基于協(xié)同過濾的移動(dòng)電子商務(wù)個(gè)性化推薦系統(tǒng)若干研究[J]. 吳吉義,林志潔,龔祥國(guó).  電子技術(shù)應(yīng)用. 2007(01)

碩士論文
[1]面向B2C網(wǎng)站消費(fèi)者在線購(gòu)物行為的情境化推薦策略研究[D]. 陳宗琴.東南大學(xué) 2018
[2]基于用戶興趣及時(shí)間信息的個(gè)性化推薦系統(tǒng)研究[D]. 萬馳.南昌航空大學(xué) 2018
[3]基于大數(shù)據(jù)的淘寶移動(dòng)端個(gè)性化推薦策略優(yōu)化研究[D]. 劉洪峰.蘭州理工大學(xué) 2018
[4]基于時(shí)間效應(yīng)和屬性信息的推薦算法研究[D]. 葉宏圖.西南交通大學(xué) 2018
[5]基于社交圖片的用戶上下文信息感知算法研究與實(shí)現(xiàn)[D]. 任懷貴.電子科技大學(xué) 2017
[6]基于多維情境的移動(dòng)信息服務(wù)個(gè)性化推薦算法研究[D]. 喬磊.北京交通大學(xué) 2016



本文編號(hào)：3415186