基于D-S证据理论的海量评价数据分析及用户偏好发现

发布时间：2018-06-18 17:30

本文选题：海量评价数据 + 用户偏好　；参考：《云南大学》2016年硕士论文

【摘要】：用户对商品和信息服务的评价包括评论和评分,富含了用户的兴趣、观点和偏好等行为信息。对用户产生的海量评价数据进行分析和挖掘,可发现用户的偏好和兴趣、社会个体或群体的行为和心理倾向,识别行为的目标和意图,进而更好地分析用户行为的产生机制,并对用户行为进行预测,为电子商务、社交网络、网络舆情监控和信息服务等各类典型的Web应用提供理论基础和技术支撑。本文从海量的用户评价数据出发,基于边际效用理论给出用户偏好的定义。由于影响用户偏好的各影响因素具有不确定性,需要一种框架来表达各影响因素的不确定性,因此,本文基于D-S证据理论描述影响用户偏好的各影响因素的不确定性、以及各因素之间的相互关系,以评论中的各词汇、包含正面／负面词汇的评论和评分作为用户对商品偏好的“证据”,给出了综合考虑各影响因素的联合算子,以及基于MapReduce的计算方法和用户偏好发现机制。本文的主要工作及贡献可概括如下：(1)利用D-S证据理论中的证据组合计算方法,以评论中的各词汇作为用户对商品偏好的“证据”、以评论和评分作为用户对商品偏好的“证据”、以用户对一个类别中各商品的偏好作为对商品类别偏好的“证据”,讨论用户在以上三个层面的用户偏好发现的关键技术。以第一个层面的偏好发现问题为代表,定义了相应的概率赋值函数和证据组合规则,得到不同证据对最终用户偏好的联合影响。(2)利用Hadoop平台下的MapReduce并行编程模型,给出了实现从用户评价信息发现用户偏好的两趟MapReduce算法,分别得到评论数据中各词汇的统计结果和用户对各商品的偏好。(3)采用真实用户评价信息作为测试数据集,测试了本文所提出方法的正确性、加速比以及并行效率；设计并开发了“基于D-S证据理论的评价数据中的用户偏好发现软件”,展示了本文所提出的方法。
[Abstract]:This paper analyzes and mining the user ' s preference by using the theory of the marginal utility .
The user preference discovery software in the evaluation data based on D - S evidence theory is designed and developed , and the method proposed in this paper is presented .
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.52

【相似文献】