基于用户地理信息的混合推荐算法的研究

发布时间：2020-02-18 14:04

【摘要】：推荐系统向用户提供个性化服务,在各类网站上的作用越来越大。无论是电影网站还是电子商务网站,随着项目数量的增多,用户的选择变得越来越困难,过去的推荐算法已经慢慢不适应这个时代,需要更多地了解用户的生活习惯以及兴趣取向,才能为用户推荐更合适的物品。目前我国的移动设备发展迅速,小米、华为等公司可以为用户提供价格适中,功能强大的各种移动设备,例如智能手机、平板电脑、智能手表等。这些设备的普及可以使我们更多的去了解用户的线下购买习惯。位置信息的获取在过去一直是一个难题,不仅需要专业的设备,而且精度也是差强人意。然而随着移动设备的普及,用户的位置信息的获取不再需要价格昂贵的GPS设备,同样随着室内定位技术的发展,用户在购物时的位置信息能够更精确。本论文将用户的位置信息作为一个元素加入到用户的个性化推荐系统中,将用户线上习惯与线下习惯相结合,提供更准确的推荐结果。本文首先介绍了个性化推荐的发展现状以及各种个性化推荐算法的算法结构以及优缺点信息,然后介绍了最新的室内定位技术,并进行横向的比较。本文介绍的基于用户地理信息的推荐算法是将用户的位置信息与用户的评分信息进行加权综合,获取到与目标用户相似的邻居用户,再通过邻居用户来向目标用户提供推荐。用户的位置信息有两种,一种是用户的签到信息,另外一种是用户在店铺的停留时间信息。本算法在Java开发平台下,使用大众点评3315名用户对499家店铺的评分与签到信息,通过实验证明,在加入用户的位置信息后,对用户的评分预测误差有明显的降低且推荐的准确率与召回率都有显著的增加。最后介绍了微网站的用户界面以及数据库的设计,用来获取用户在店铺内的停留时间信息。
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3

【参考文献】

相关期刊论文 前10条

1 黄洪加;;基于惯性传感器的室内惯性导航与定位系统[J];单片机与嵌入式系统应用;2015年02期

2 刘树栋;孟祥武;;基于位置的社会化网络推荐系统[J];计算机学报;2015年02期

3 于亚新;李玉龙;刘欣;于双羽;;LBSNs中基于用户活动和社交信任的好友及位置推荐算法[J];小型微型计算机系统;2014年10期

4 陈永遥;王俊;;基于电商O2O模式在我国零售业的应用分析和探索——以苏宁易购等零售巨头为例[J];电子商务;2014年08期

5 黄杰;;细节决定成败 看苹果iOS8的“微创新”[J];计算机与网络;2014年12期

6 安小兰;;亚马逊“阅读+社交+推荐+售书”新经营模式分析[J];编辑之友;2014年02期

7 邓水光;黄龙涛;吴健;吴朝晖;;Trust-Based Personalized Service Recommendation: A Network Perspective[J];Journal of Computer Science & Technology;2014年01期

8 康钟荣;;基于项目特征分类与填充的协同过滤算法研究[J];河南科技;2013年12期

9 黄永慧;陈程凯;;HTML5在移动应用开发上的应用前景[J];计算机技术与发展;2013年07期

10 钟丽萍;;HTML 5 Geolocation API应用探究[J];软件导刊;2013年03期

相关博士学位论文 前3条

1 张宴龙;室内定位关键技术研究[D];中国科学技术大学;2014年

2 陈丽娜;WLAN位置指纹室内定位关键技术研究[D];华东师范大学;2014年

3 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年

相关硕士学位论文 前9条

1 卞合善;基于蓝牙4.0低功耗室内定位研究[D];北京邮电大学;2015年

2 王青;WiFi室内定位系统的设计与实现[D];北京交通大学;2014年

3 王静金;基于位置社交网络的个性化地点推荐算法研究[D];厦门大学;2014年

4 黄秋婷;基于统计学的个性化推荐算法探究[D];厦门大学;2014年

5 周`，

本文编号：2580728