隨著信息技術(shù)的快速發(fā)展,獲取信息途徑的增多,人們可以隨時隨地獲取大量信息數(shù)據(jù)。隨之而來的問題就是在海量信息數(shù)據(jù)中,選擇出符合自己喜好的信息。推薦系統(tǒng)正是常用的解決信息過載的一種手段,通常結(jié)合其他技術(shù)可以在各個領(lǐng)域中發(fā)揮作用,提高用戶獲取信息的質(zhì)量與效率,帶給用戶更好的體驗。目前在各個地圖平臺中,如百度地圖、高德地圖,主要提供的是共性的地點查詢服務(wù)功能,并未根據(jù)用戶的個性化需求為用戶提供個性化POI（Point of Interest,興趣點）推薦服務(wù)。本文將使用LDA（Latent Dirichlet Allocation,潛在狄利克雷分布）主題模型作為連接用戶與POI之間的橋梁,實現(xiàn)根據(jù)用戶興趣為用戶提供個性化POI推薦。主要工作如下:（1）針對用戶行為數(shù)據(jù)中,存在部分用戶產(chǎn)生的操作行為少,不足分析出其中用戶興趣主題這一問題,采用協(xié)同過濾算法,利用用戶行為數(shù)據(jù)挖掘出其中潛藏的用戶可能感興趣的商品;（2）針對用戶行為數(shù)據(jù)中,商品信息缺失的問題,通過利用網(wǎng)絡(luò)爬蟲技術(shù)獲取了商品詳細信息以彌補語料庫中商品信息的不足;（3）整合之前獲取到的用戶與商品信息,并使用網(wǎng)絡(luò)爬蟲獲取POI信息,構(gòu)建了語... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

PLSA 概率圖模型

原始數(shù)據(jù)描述信息之后，為使數(shù)據(jù)的分布情況能夠清晰可見，使用了箱線圖對數(shù)據(jù)進行表式，表示

用戶商品信息箱線圖

【參考文獻】：
期刊論文
[1]TPR-TF:基于張量分解的時間敏感興趣點推薦模型[J]. 王楠,李金寶,劉勇,張玉杰,鐘穎莉.  吉林大學(xué)學(xué)報(工學(xué)版). 2019(03)
[2]一種改進的均方差協(xié)同過濾算法[J]. 饒鈺,陳光,邱天.  計算機與現(xiàn)代化. 2019(04)
[3]基于深度學(xué)習(xí)的混合興趣點推薦算法[J]. 馮浩,黃坤,李晶,高榕,劉東華,宋成芳.  電子與信息學(xué)報. 2019(04)
[4]基于LSTM的POI個性化推薦框架[J]. 王立,張謐.  計算機系統(tǒng)應(yīng)用. 2018(12)
[5]基于主題模型的技術(shù)預(yù)見文本分析[J]. 呂皓,周曉紀.  情報探索. 2018(10)
[6]主題模型的發(fā)展及應(yīng)用研究[J]. 馬欣.  電腦知識與技術(shù). 2018(15)
[7]基于LSH的隱私保護POI推薦算法[J]. 沈鑫娣,翟東君,張得天,劉安.  計算機工程. 2019(01)
[8]一種基于評分矩陣局部低秩假設(shè)融合地理和文本信息的協(xié)同排名POI推薦模型[J]. 孫琳,羅保山,高榕.  計算機應(yīng)用研究. 2018(10)
[9]基于多關(guān)聯(lián)度的移動用戶POI個性化推薦[J]. 方英蘭,楊勇,韓兵.  北方工業(yè)大學(xué)學(xué)報. 2017(02)
[10]基于UR-LDA的微博主題挖掘[J]. 陳陽,邵曦,趙海博.  計算機技術(shù)與發(fā)展. 2017(06)

博士論文
[1]提取商品特征和情感詞的語義約束LDA模型研究[D]. 彭云.江西財經(jīng)大學(xué) 2016
[2]基于詞共現(xiàn)的文本主題挖掘模型和算法研究[D]. 常鵬.天津大學(xué) 2010

碩士論文
[1]基于位置的社交網(wǎng)絡(luò)中的POI推薦問題的研究[D]. Pakhomova Kristina.哈爾濱工業(yè)大學(xué) 2016
[2]基于協(xié)同過濾的考慮時空因素的POI推薦研究[D]. 陳航.浙江大學(xué) 2016



本文編號：3514913