基于LBS的个性化推荐系统的研究与设计

发布时间：2017-05-23 09:30

  本文关键词：基于LBS的个性化推荐系统的研究与设计，，由笔耕文化传播整理发布。

【摘要】：为了提高社区居民的生活质量,推进社区创新化管理的进程,前期在某社区项目中开发了“基于LBS的社区管理系统”,实现了社区信息服务和公共管理等功能。随着时间的累积和业务覆盖面的扩大,系统中待发布社区信息日益增多,出现了信息过载现象。当前系统中的社区信息服务仍以简单的信息展示为主,移动互联网技术和数据挖掘技术并没有发挥应有的作用。本文试图解决当前社区管理系统中信息流通不畅的问题,设计和开发了基于LBS的社区信息个性化推荐系统。为此该系统对社区周边的各类社区信息进行整合处理,利用社区信息本地化特性,按照用户个性化需求进行推荐。本文主要完成以下工作：一、 通过对社区居民行为和社区信息特征的研究,分析了社区信息的本地化、非标准化等特性,选取个性化推荐技术改善社区信息过载的问题。结合个性化推荐的定义和相关概念,明确了推荐对象。二、推荐算法使用基于用户的协同过滤算法,利用余弦相似度计算用户相似性,固定N值进行邻域选择,预测用户对社区信息的兴趣度,生成推荐列表。三、 依据社区居民和社区信息的本地化特性,提出了数据预过滤的协同过滤改进算法。使用层次聚类算法对用户预先分组,分组过程中使用了Geohash算法对LBS提供的地理信息进行转码。根据分组结果对数据进行预过滤,在一定程度缓解了“冷启动”问题。四、 设计实验方法,验证改进算法的有效性。实现基于上述算法的基于LBS的个性化推荐系统,并应用在某社区项目中,解决了社区信息个性化推荐的问题。
【关键词】：LBS 个性化推荐 协同过滤 层次聚类 Geohash
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 研究背景及意义9-10
• 1.2 相关技术介绍10-12
• 1.3 存在的主要问题12-13
• 1.4 论文的组织结构13-14
• 第二章 社区信息推荐系统需求分析14-22
• 2.1 社区管理系统14-16
• 2.1.1 系统架构14-15
• 2.1.2 系统组成15-16
• 2.2 社区信息服务的特征16-19
• 2.2.1 社区居民行为特征17-18
• 2.2.2 社区信息特征18-19
• 2.3 社区信息推荐需求分析19-21
• 2.3.1 优化社区信息服务19-20
• 2.3.2 优化公共管理服务20-21
• 2.4 本章小结21-22
• 第三章 个性化推荐技术22-34
• 3.1 个性化推荐技术22-25
• 3.1.1 社区信息推荐基本概念22-24
• 3.1.2 个性化推荐算法24-25
• 3.2 协同过滤算法25-31
• 3.2.1 相似度计算25-28
• 3.2.2 邻域选择28-30
• 3.2.3 评分预测30-31
• 3.2.4 ItemCF和UserCF31
• 3.3 评价标准31-33
• 3.4 本章小结33-34
• 第四章 社区信息个性化推荐算法的设计34-45
• 4.1 改进算法设计34-35
• 4.2 基于LBS的用户分组35-40
• 4.2.1 LBS定义35-36
• 4.2.2 Geohash算法36
• 4.2.3 Geohash二进制编码算法36-38
• 4.2.4 查找相邻用户38
• 4.2.5 层次聚类实现用户分组38-40
• 4.3 预过滤算法40-41
• 4.3.1 基于用户分组的数据预过滤40-41
• 4.4 “冷启动”问题41-43
• 4.5 算法效果验证43-44
• 4.5.1 实验方法设计43
• 4.5.2 实验结果43-44
• 4.6 本章小结44-45
• 第五章 基于LBS的个性化推荐系统设计与实现45-56
• 5.1 推荐系统架构设计45-46
• 5.2 数据库46-49
• 5.2.1 关键数据表47-49
• 5.3 运算模块技术细节49-53
• 5.3.1 数据预处理模块49-50
• 5.3.2 用户分组模块50-52
• 5.3.3 预过滤模块52
• 5.3.4 推荐器模块52-53
• 5.4 推荐结果展示53-55
• 5.5 本章小结55-56
• 第六章 总结56-58
• 6.1 论文工作总结56
• 6.2 进一步的研究工作56-58
• 参考文献58-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 张亚伟;苏一丹;;基于移动Agent的分布式个性化推荐系统[J];微计算机信息;2008年09期

2 许良;汪克夷;;基于移动Agent的个性化推荐系统的研究[J];消费导刊;2008年09期

3 刘洋;;面向电子商务网站的个性化推荐系统[J];中小企业管理与科技(上旬刊);2012年01期

4 麻旺勇;叶跃苗;;基于位置感知的个性化推荐系统的设计与实现[J];福建电脑;2014年01期

5 余建芳;;个性化推荐系统在民族院校图书馆信息服务中的设计探析——以甘肃民族师范学院图书馆为例[J];福建电脑;2014年01期

6 杨海涛;石磊;卫琳;;一个基于搜索结果的个性化推荐系统[J];计算机工程与应用;2006年32期

7 姜有辉;高琳琦;;个性化推荐系统中顾客信息的隐式采集方法研究[J];现代情报;2006年11期

8 江秀佳;何源光;;国内电子商务个性化推荐系统改进研究[J];图书情报工作;2009年16期

9 杨静;;电子商务个性化推荐系统的构建[J];现代计算机(专业版);2012年28期

10 顾丽敏;;个性化推荐系统研究[J];无线互联科技;2013年08期

中国重要会议论文全文数据库 前1条

1 黎陨;詹晓红;孙莉;;基于频繁遍历路径的个性化推荐系统[A];第二十届全国数据库学术会议论文集（技术报告篇）[C];2003年

中国重要报纸全文数据库 前1条

1 国防科技大学计算机学院 应晓敏 窦文华;古老概念的凤凰涅i肹N];计算机世界;2003年

中国硕士学位论文全文数据库 前10条

1 倪鹏飞;基于顾客满意度的电子商务个性化推荐系统评价研究[D];河北大学;2015年

2 贾忠涛;电影个性化推荐系统的研究与实现[D];西南科技大学;2015年

3 何俊;基于社交网络的个性化推荐系统的设计与实现[D];贵州大学;2015年

4 肖巧龙;基于用户隐性行为的个性化推荐系统的设计及研究[D];南京财经大学;2014年

5 于淼;基于LBS的个性化推荐系统的研究与设计[D];北京邮电大学;2015年

6 张亚伟;基于移动agent的分布式个性化推荐系统研究[D];广西大学;2007年

7 周卫敏;基于网络短评的个性化推荐系统的研究与实现[D];华南理工大学;2012年

8 闫艳;基于多Agent技术的电子商务个性化推荐系统的设计与实现[D];首都师范大学;2009年

9 张通;基于图书馆业务数据分析服务的个性化推荐系统设计与实现[D];北京邮电大学;2013年

10 胡小丰;面向科研用户的个性化推荐系统设计与实现[D];中国农业科学院;2013年

  本文关键词：基于LBS的个性化推荐系统的研究与设计，由笔耕文化传播整理发布。

本文编号：387544