基于社交行为的用户品牌偏好挖掘算法研究

发布时间：2021-06-12 23:22

　　互联网的到来促进了信息的爆炸性增长,人们从海量信息中定位自己感兴趣的信息变得越来越困难,“信息过载”现象严重。个性化推荐技术通过挖掘海量数据获取用户的偏好,并根据用户的偏好为其推荐相应的内容,有效解决信息过载问题。然而,个性化推荐技术仍然面临着数据稀疏性、用户冷启动等挑战。社交网站为挖掘用户兴趣提供了额外的信息来源,不少研究通过跨域引入用户社交信息的方式解决传统个性化推荐面临的相关问题。然而,大多数研究只考虑了引入用户的个人信息和社交关系信息,却很少考虑到引入同样包含用户兴趣的社交行为信息。同时,跨域引入社交行为信息存在三个方面的挑战:1)社交域和电商域的数据通常来自不同的网站,需要找到领域间的重叠用户,并通过这些用户对齐不同领域的信息。2)不同领域数据的形式不同,从不同领域构建的特征既要能够输入到同一推荐模型中,也要保证原有数据中的信息完整性。3)社交行为和购物行为发生的时间是不同步的,引入时序信息时行为不同步会对挖掘用户时序兴趣产生一定的干扰。为了应对这些挑战,本文提出了一种跨域时序偏好挖掘算法,有效引入时序社交行为信息,缓解用户冷启动、用户兴趣变化等问题,主要贡献如下:1、提出了... 

【文章来源】：广东工业大学广东省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

基于社交信息的跨域推荐研究进展Fig.1-1ResearchonCross-domainRecommendationBasedonSocialInformation

广东工业大学硕士学位论文好挖掘模型要求的特征向量（矩阵）形式。二部分为偏好挖掘模块，根据上一步获取到的特征向量（矩阵）数据品特征矩阵，并选取相应的偏好挖掘算法，挖掘用户对不同商品的兴趣户最感兴趣的项目集合。在这一部分中偏好挖掘算法是重中之重，根选择合适的偏好挖掘算法不仅会影响到系统的执行效率，还会对预测以及用户体验产生重大影响。

络的发展和社交账号登录技术的兴起，使各类的服务平台获得用户的社为了可能，融合用户社交领域的信息，能够有效解决单领域数据面临的、冷启动等问题。领域”的概念其实很难去界定，学术界至今也没有统一的说法。如电影和是两个不同的领域，而动作片和恐怖片同样也可以认为是两个不同的领有按照不同平台划分不同的域，如 Amazon 和淘宝。常所说的跨域兴趣预测推荐是利用源（辅助）域的信息和知识去提高目标果，但是事实上并非所有的跨域兴趣预测的目标都是如此，也有为用户商品为目的系统。Cantador 等人[33]按照推荐任务的不同，将跨域兴趣预类型。首先假设存在源（辅助）sD 域和目标域tD ，两个域中的用户集合t ，项目集合分别为sI 和tI ，斜线覆盖的区域为需要挖掘的数据，粗线框测的范围，则三种类型的预测任务如图 2-2 所示。

【参考文献】：
期刊论文
[1]基于迭代回归树模型的跨平台长尾商品购买行为预测[J]. 白婷,文继荣,赵鑫,杨伯华.  中文信息学报. 2017(05)



本文编号：3226499