基于多維情景特征分類(lèi)的個(gè)性化推薦方法研究

《基于多維情景特征分類(lèi)的個(gè)性化推薦方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、藝４法碲笟士ｆ頊?zhǔn)繉W(xué)位論文基子多維情景特征分矣的個(gè)牲化推薦方法研堯劉建濤指導(dǎo)教師：楊德剛教授專(zhuān)業(yè)名稱(chēng)：計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)研究方向：智能算法與應(yīng)用二〇一八年四月重慶師范大學(xué)碩士學(xué)位論文基于多維情景特征分類(lèi)的個(gè)性化推薦方法研究碩士研究生：劉建濤指導(dǎo)教師：楊德剛教授學(xué)科專(zhuān)業(yè)：計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)所在學(xué)院：計(jì)算機(jī)與信息科學(xué)學(xué)院重慶師范大學(xué)二零一八年四月AThesisSubmittedtoChongqingNormalUniversityinPartialFulfillmentoftheRequirementsforthe

2、DegreeofMasterPersonalizedrecommendationmethodbasedonmultidimensionalscenefeatureclassificationCandidate：LiuJiantaoSupervisor：ProfessorYangDegangMajor：ComputerSystemStructureCollege：CollegeofComputerandInformationScienceChongqingNormalUniversityApril，2018重慶師范大學(xué)碩士學(xué)位論文中文摘要

3、基于多維情景特征分類(lèi)的個(gè)性化推薦方法研究摘要如今網(wǎng)絡(luò)的互聯(lián)互通涉及醫(yī)療、教育、航空、工業(yè)等各行各業(yè)，網(wǎng)絡(luò)上可以爬的數(shù)據(jù)量、需要存儲(chǔ)和分析的數(shù)據(jù)量都呈指數(shù)級(jí)增長(zhǎng)，公開(kāi)的數(shù)據(jù)也越來(lái)越多，所以人們面臨的信息過(guò)載問(wèn)題也越來(lái)越嚴(yán)重，因此推薦系統(tǒng)在各大領(lǐng)域也越來(lái)越流行，工業(yè)應(yīng)用中對(duì)推薦方法的要求也越來(lái)越高。目前大多數(shù)推薦方法都是基于用戶和產(chǎn)品的交互信息，很少加入其他相關(guān)信息，而基于多維情景信息的推薦方法會(huì)在推薦的過(guò)程中考慮多維情景信息對(duì)用戶未來(lái)行為的預(yù)測(cè)的影響。本文研究的個(gè)性化推薦方法動(dòng)態(tài)提取用戶和產(chǎn)品的多維情景特征，分析用戶對(duì)產(chǎn)品的興趣度和用戶與

4、產(chǎn)品、產(chǎn)品與產(chǎn)品、用戶與用戶的隱藏關(guān)系，從而極大地提高用戶對(duì)推薦結(jié)果的滿意度和精準(zhǔn)營(yíng)銷(xiāo)的有效性?；诖耍疚奶岢隽嘶诙嗑S情景特征分類(lèi)的個(gè)性化推薦算法，本文的主要工作：（1）閱讀了大量相關(guān)文獻(xiàn)，總結(jié)了前人的研究成果和不足，對(duì)本文研究的算法需要用到的理論基礎(chǔ)和關(guān)鍵技術(shù)進(jìn)行了大量的資料查找與總結(jié)。本文提出對(duì)用戶和產(chǎn)品的多維情景特征分類(lèi)，可以更加快捷地向用戶提供更加準(zhǔn)確有效的產(chǎn)品推薦列表和為產(chǎn)品提供更加精準(zhǔn)的營(yíng)銷(xiāo)對(duì)象即是用戶列表，并且可以分析出同一情景下用戶之間的關(guān)聯(lián)關(guān)系以及產(chǎn)品與產(chǎn)品之間的關(guān)聯(lián)關(guān)系。（2）對(duì)用戶和產(chǎn)品的多維情景特征進(jìn)行聚類(lèi)，

5、并構(gòu)建分類(lèi)模型。利用協(xié)同過(guò)濾思想構(gòu)建用戶-產(chǎn)品-用戶的情景關(guān)系網(wǎng)絡(luò)圖。在此基礎(chǔ)上構(gòu)建了多維情景特征分類(lèi)的用戶興趣度算法，設(shè)計(jì)了針對(duì)用戶的個(gè)性化推薦方法和針對(duì)產(chǎn)品精準(zhǔn)營(yíng)銷(xiāo)的推薦方法。（3）進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)過(guò)程先根據(jù)實(shí)驗(yàn)數(shù)據(jù)提取了用戶和產(chǎn)品的情景特征，使用Single-Pass聚類(lèi)思想對(duì)用戶和產(chǎn)品進(jìn)行聚類(lèi)，然后使用了決策樹(shù)和隨機(jī)森林對(duì)聚類(lèi)后的用戶和產(chǎn)品的情景類(lèi)別標(biāo)簽訓(xùn)練分類(lèi)器，實(shí)現(xiàn)多維情景特征分類(lèi)的個(gè)性化推薦方法，并對(duì)實(shí)驗(yàn)結(jié)果做了評(píng)估、對(duì)比、分析，驗(yàn)證了本文推薦算法的有效性。關(guān)鍵詞：多維情景，個(gè)性化推薦，聚類(lèi)，Single-Pass，分類(lèi)

6、I重慶師范大學(xué)碩士學(xué)位論文英文摘要PersonalizedrecommendationmethodbasedonmultidimensionalscenefeatureclassificationABSTRACTNowadays,Internetintercommunicationinvolvesallwalksoflife,suchasthemedical,education,aviation,industryandsoon.Theamountofdatathatcanbecrawledonthenetwork,theamountof

7、datathatneedstobestoredandanalyzedisincreasingexponentially,andtheshareddataaremoreandmore.Therefore,theproblemofinformationoverloadisbecomingevermoreserious.Therefore,therecommendationsystemisinthebigcollar.Thedomainisbecomingevermorepopular,andthedemandforrecommendatio

8、nmethodsinindustrialapplicationsishigherandhigher.Mostoftherecommendationsarebuiltontheinteractiveinfor