資源描述:
《開題報(bào)告2016-付帥-01121391》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、西安電子科技大學(xué)通信工程學(xué)院本科生畢業(yè)論文(設(shè)計(jì))開題報(bào)告(2016屆)學(xué)生姓名過(guò)迦專業(yè)通信工程學(xué)號(hào)01121391指導(dǎo)教師朱曉妍2015年1月5日(本表一式三份,學(xué)生、指導(dǎo)教師、學(xué)院各一份)一、論文名稱及項(xiàng)□來(lái)源名稱:基于用戶歷史數(shù)據(jù)的個(gè)性化地點(diǎn)推薦系統(tǒng)幵發(fā)來(lái)源:科研二、研究目的和意義目的:將用戶歷史數(shù)據(jù)進(jìn)行收集和分析,建立用戶模型,并對(duì)推薦對(duì)象進(jìn)行分析建模,然后根據(jù)基于位置的推薦算法向用戶進(jìn)行推薦。也就是說(shuō)在原有社交網(wǎng)絡(luò)屮,添加地理位置這一展性,通過(guò)給用戶或用戶活動(dòng)增加空間位置這一信息而向用戶推薦相關(guān)對(duì)象,使用戶
2、體驗(yàn)更加豐富。意義:地理位置信息作為用戶上下文屮重要組成之一隱含了大量信息,包括用戶個(gè)人興趣以及行為,這就提供給我們一個(gè)機(jī)會(huì),那就是更好的了解用戶在一個(gè)社交結(jié)構(gòu)屮,不單單是用戶的線上行為,而且包括了用戶在現(xiàn)實(shí)生活屮的流動(dòng)性和活躍度信息。在信息技術(shù)與互聯(lián)網(wǎng)技術(shù)飛速發(fā)展的今天,信息量已嚴(yán)重過(guò)載。而基于用戶歷史數(shù)據(jù)的個(gè)性化地點(diǎn)推薦系統(tǒng)可以有效的解決這一問(wèn)題。用戶可以從海量信息屮及時(shí)獲取到對(duì)自己有用的信息,讓生活變的更加簡(jiǎn)單、方便。由此可見,個(gè)性化地點(diǎn)推薦系統(tǒng)對(duì)人們的生活方式有著重耍的意義,這一問(wèn)題的解決對(duì)互聯(lián)網(wǎng)、IT等各個(gè)
3、產(chǎn)業(yè)都有著巨大推動(dòng)作用。三、國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)基于位置的推薦算法依賴于用戶過(guò)去的歷史數(shù)據(jù),利用用戶對(duì)去過(guò)的地方的訪問(wèn)時(shí)間、顯示評(píng)分或者評(píng)論來(lái)推測(cè)用戶的喜好,進(jìn)而預(yù)測(cè)用戶對(duì)于沒冇去過(guò)的地方是杏冇興趣并進(jìn)行相關(guān)推薦。地點(diǎn)推薦已經(jīng)成為最近研究的一個(gè)重點(diǎn)。地點(diǎn)推薦算法主耍利用用戶的個(gè)人信息數(shù)據(jù),位置元數(shù)裾以及用戶歷史位置數(shù)裾。一些地點(diǎn)推薦算法通過(guò)將位置元(如位置描述和標(biāo)簽等)與用戶的個(gè)人信息匹配來(lái)推薦地點(diǎn)。Park等在文獻(xiàn)[1]屮使用W葉斯網(wǎng)絡(luò)模型,對(duì)用戶個(gè)人信息(年齡、性別、飲食偏好)與參觀的價(jià)格和類型匹配。Lu等在
4、文獻(xiàn)[2]中探討了各個(gè)點(diǎn)之間的內(nèi)空間和時(shí)間的關(guān)系軌跡以確定相關(guān)的用戶偏好的活動(dòng)子序列。Ye等在文獻(xiàn)[3][4]屮提出一利
5、方法基于用戶簽到的吋IX!分布來(lái)提取位置特點(diǎn)。用戶的歷史數(shù)據(jù)包括他們對(duì)歷史位置的評(píng)分?jǐn)?shù)據(jù)、簽到數(shù)據(jù)以及個(gè)人喜好。使用用戶歷史位置數(shù)據(jù)進(jìn)行地點(diǎn)推薦比單獨(dú)的利用用戶的個(gè)人信息數(shù)據(jù)推薦更有優(yōu)勢(shì)。它可以忽略跟用戶匹配度很高但是用戶評(píng)分很差的地點(diǎn)。Chow等在文獻(xiàn)[5]中,Horozov等在文獻(xiàn)[6]中,Ye等在文獻(xiàn)[7]中以及DelPreteandCapra等在文獻(xiàn)[8]中都提出使用協(xié)同化過(guò)濾模型的個(gè)性化
6、地點(diǎn)推薦算法?;谖恢玫纳缃痪W(wǎng)絡(luò)還不是一個(gè)完全成熟的領(lǐng)域,如何為這個(gè)領(lǐng)域用戶提供更好的服務(wù)并挖掘更大的商機(jī)是每個(gè)移動(dòng)互聯(lián)網(wǎng)公司需要考慮的問(wèn)題。好的位置社交推薦系統(tǒng)對(duì)基于位置的社交網(wǎng)絡(luò)吸引用戶和商家有著非常關(guān)鍵的作用。經(jīng)過(guò)分析,發(fā)現(xiàn)今后還可以從以下兒方而展幵進(jìn)一步研究:1.根據(jù)用戶的不同喜好,對(duì)同一地點(diǎn)的不同用戶進(jìn)行個(gè)性化推薦;2.將推薦模型應(yīng)用在更廣泛的數(shù)據(jù)及上:3.將除位置信息以外的時(shí)間、情感等上下文信息運(yùn)用到推薦模型中來(lái):4.解決冷扃動(dòng)為題。移動(dòng)互聯(lián)網(wǎng)時(shí)代面臨著大數(shù)據(jù)的處理壓力,數(shù)裾結(jié)構(gòu)復(fù)雜,噪聲信息繁多。如何充
7、分利用這些數(shù)據(jù),挖掘出其屮的價(jià)值,在未來(lái)仍有很長(zhǎng)的路耍走。這需要學(xué)術(shù)界和業(yè)界的共同努力,業(yè)界公開數(shù)據(jù),學(xué)術(shù)界參與研究,相信將成為未來(lái)一段吋W的研究潮流。四、主耍研究?jī)?nèi)容、耍解決的問(wèn)題及本文的初步方案主耍研究?jī)?nèi)容:把用戶模型屮的興趣信息和推薦對(duì)象模型屮的特征信息匹配,同時(shí)使用相應(yīng)的推薦算法進(jìn)行篩選,找到用戶可能感興趣的對(duì)象,推薦給用戶。耍解決的問(wèn)題:1.對(duì)用戶歷史數(shù)據(jù)的采集與分析,并對(duì)用戶進(jìn)行建模;2.對(duì)推薦對(duì)象的特點(diǎn)分析,進(jìn)行推薦對(duì)象的建模:3.對(duì)基于地點(diǎn)的推薦算法進(jìn)行研究分析,確定合適的推薦算法,并進(jìn)行模擬推薦;4
8、.對(duì)推薦算法效果進(jìn)行評(píng)測(cè)并進(jìn)行優(yōu)化。初步方案:1.對(duì)位置社交個(gè)性化推薦算法的當(dāng)前研究現(xiàn)狀和而臨的挑戰(zhàn)進(jìn)行描述。簡(jiǎn)要概述基于位置的社交網(wǎng)絡(luò),位置推薦系統(tǒng)及常用推薦算法。1.研究基于位置社交網(wǎng)絡(luò)的個(gè)性化地點(diǎn)推薦算法。針對(duì)影響地點(diǎn)推薦的三個(gè)要素:用戶偏好、社交影響以及位置距離介紹基本個(gè)性化推薦算法。2.分析個(gè)性化地點(diǎn)推薦算法而臨的問(wèn)題,針對(duì)問(wèn)題說(shuō)明解決方案。根據(jù)解決方法提出一個(gè)融合用戶協(xié)同過(guò)濾、社交影響以及樸素貝葉斯分類的自適應(yīng)地點(diǎn)推薦算法。3.使用Foursquare數(shù)據(jù)集驗(yàn)證改進(jìn)的地點(diǎn)推存算法效果。同事,采用準(zhǔn)確率pr
9、ecision,作為度量依據(jù),與其他推薦算法比較分析。五、工作的主要階段、進(jìn)度和完成吋IX!第一階段(2015年12月-2016年1月上初)資料收集及整理,確定論文研究A容以及論文題□,擬定論文提綱和開題報(bào)告;第二階段(2016年1H初-3月初)根裾收集的大量資料,進(jìn)行系統(tǒng)學(xué)習(xí)。包拈用戶歷史數(shù)據(jù)的采集方法,如何對(duì)用戶進(jìn)行建模,推薦算法的學(xué)習(xí)與研