面向新用户需求的汽车个性化推荐

发布时间：2021-07-14 20:12

　　伴随着互联网技术快速迭代和发展,过去30年间人类社会产生的信息量已大大超过人类有史以来产生的总信息量,人们陷入到信息的汪洋中,如何高效地寻找到自己真正需要的信息资源成为一个难题。个性化推荐通过分析用户行为,为用户建立兴趣模型,预测用户行为模式,再主动将有效信息推荐给用户,从而在一定程度上解决了用户获取有用信息的难度。然而对于汽车这种低频次购买的特殊商品,不像人们平时生活中的普通用品,它本身有着复杂度高、相关参数众多等特点,所以在推荐任务过程中,对不经常接触这一领域的用户,会遇到相关领域知识匮乏,对于汽车销售商,会遇到用户历史交易数据少等困难。如何将个性化推荐成功应用于汽车购买领域,让用户更方便选购汽车,让汽车销售商更准确推荐汽车,是摆在用户和汽车销售商面前亟需解决的问题,同时也是本文研究的目的所在。本文在相关理论与国内外学者科研成果研究基础上,面向新用户的需求,建立了汽车推荐算法,本文取得的主要研究成果如下:1.通过比较现有推荐算法,确定了本文使用的个性化推荐算法的框架-基于知识的推荐算法,并对该算法及相关技术进行了详细的分析与介绍。2.通过网络爬虫获取到本文所需的汽车数据,分析不同群... 

【文章来源】：河北经贸大学河北省

【文章页数】：43 页

【学位级别】：硕士

【部分图文】：

技术路线图

图 3.1 网络数据页面3.2 数据采集过程遇到的问题及解决方法在爬取数据的过程中发现汽车之家这个网站设立了反爬机制，如用户口碑鼠标的右键功能，短期内不断访问网站需重新验证，网页字体设立掩码，自定

图 3.2 修改爬虫间隔时间到，这里不再是简单的数字混淆了，而是对一些中文文字进行了重新编码处理。这体里有 91 个字（含一个空白字），每个字显示其字形和其字形编码。比如文中“很”的编码是 0xED1E，在利用 Font Creator 查看复制的该不可见字符的十六进制编码

【参考文献】：
期刊论文
[1]基于文本情感分析的电商在线评论数据挖掘[J]. 刘玉林,菅利荣.  统计与信息论坛. 2018(12)
[2]基于文本挖掘的网络商品评论情感分析[J]. 刘敏,王向前,李慧宗,张宝隆.  辽宁工业大学学报(自然科学版). 2018(05)
[3]基于知识图谱的个性化学习资源推荐研究[J]. 黄华升.  软件工程. 2018(10)
[4]融合内容和改进协同过滤的个性化推荐算法[J]. 何波,潘力.  控制工程. 2018(08)
[5]知识图谱的推荐系统综述[J]. 常亮,张伟涛,古天龙,孙文平,宾辰忠.  智能系统学报. 2019(02)
[6]结合用户偏好和项目属性的网络结构推荐算法[J]. 苏健民,郭伟超.  黑龙江大学自然科学学报. 2018(02)
[7]融合社交因素和评论文本卷积网络模型的汽车推荐研究[J]. 冯永,陈以刚,强保华.  自动化学报. 2019(03)
[8]基于Python的关联规则算法在推荐领域的应用研究[J]. 韩潞潞,刘念,王枫.  科技资讯. 2018(02)
[9]基于MOOC平台数据和知识图谱的学习路径推荐——以软件工程专业为例[J]. 吴强强,陈昊鹏,赵子濠,蒋建伟.  工业和信息化教育. 2017(11)
[10]新能源汽车消费者购买影响因素的实证研究[J]. 张秋霞,刘朋.  汽车实用技术. 2017(17)



本文编号：3284816