基于时间序列挖掘的APP安装推荐与卸载预测
发布时间：2021-12-11 16:47
近年来,移动互联网得到很大发展,移动应用程序（即App）在我们生活中扮演着前所未有的重要角色。它逐渐的成为人们衣食住行、娱乐工作等社会生活中必不可少的一部分。对于用户来说,在面对市场上如此之多的应用时,常常会陷入如何抉择的难题。对于开发商而言,通过预测用户将来是否会卸载App,可以帮助他们了解产品缺陷,从而更好地完善和改进自己的产品。此外,通过预判用户是否会卸载某款App,可为该用户提前推荐更优质的同类App替代产品,提升用户推荐体验。推荐系统的出现,很好的解决了信息过载的问题。传统的应用推荐系统一般是基于评分——推荐评分较高的热门应用。然而,用户的需求往往是多样化的,且应用评分的客观性可能由于人为操纵而无法得到保证。因此,这种单一的推荐方式的表现往往不尽如人意,这也是个性化的应用推荐系统的意义所在。而对于应用程序卸载预测问题,目前很少有这方面的研究。针对上述问题,本文提出了基于时间序列挖掘的个性化App推荐算法以及用户App卸载行为预测算法。本文所定义的时间序列是指那些所观察到的按照时间顺序排列的动态数据序列,具有动态性和复杂性。本文使用的数据来自于中国领先的App应用市场——中国应...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
推荐引擎架构图
系统可能会自动推荐一系列关于编程的书籍相似度。：之间的相似程度。相似程度和用户的操作记录为用户生成推荐的公式定义如下：| ( ) ( ) || (b) |abI a I bwI 欢物品 b 的用户数，而 ( ) ( )是同时既上式表示同时喜欢 a,b 两样物品的用户占喜有很多种算法，这里只是一种定义方式。目关联度。例图所为输入，在这里默认用户为物品的
图 2.3 一个典型的人工神经网络图（三层）Fig 2.3Atypical artificial Neural Network Graph (three layers)2.2.3.3 隐含马尔可夫模型（Hidden Markov Model，HMM）隐含马尔可夫模型[37][36]是一种统计模型，由美国数学家鲍姆（Leonard E. Baum等人提出来。一个含有隐含未知参数的马尔可夫过程可以用隐含马尔科夫模型描述，如何确定这个隐含参数是隐含马尔科夫模型的难点。假设在随机过程中，每个符号的出现概率不相互独立，每个随机试验当前的状态依赖于其之前的状态，也就是说随机过程中各个状态tS 的概率分布，只与它的前一个状态t1S 有关，即1 2 3 1 1( | , , ,..., ) ( | )t t t tP S S S S S P S S 。这种假设被称为为马尔可夫链，符合这种假设的随机过程称为马尔可夫过程。隐含马尔可夫模型是马尔可夫模型的一个扩展，不管什么时候 t,tS 都是看不见的。但是每个时态的隐含马尔可夫模型会输出一个一个只和tS 有关的符号。上述模型就称为隐含马尔可夫模型。在隐含马尔可夫模型中，模型中的状态不能直接观察得出，但是由于受状态影响的某些变量可见，因而符合输出序列能够透露出状态序列的一些信息。
【参考文献】：
期刊论文
[1]互联网时代教育类APP开发——美国《教育技术开发人员指南》手册解读及启示[J]. 胡月,王以宁,徐鹏,张海. 中国电化教育. 2015(12)
[2]移动医疗App研究现状及启示[J]. 徐倩,赵文龙. 医学信息学杂志. 2015(09)
[3]基于机器学习的地震异常数据挖掘模型[J]. 韩莹,李姗姗,陈福明. 计算机仿真. 2014(11)
[4]基于手持终端的图书馆APP移动服务研究[J]. 田蕊,陈朝晖,杨琳. 图书馆建设. 2012(07)
[5]基于关联规则个性化推荐的改进算法[J]. 谢芳,王波. 计算机应用. 2006(S2)
[6]基于内容过滤的个性化搜索算法[J]. 曾春,邢春晓,周立柱. 软件学报. 2003(05)
博士论文
[1]机器学习及数据挖掘在生物信息学中的应用研究[D]. 杜伟.吉林大学 2011
硕士论文
[1]移动应用商店用户下载行为研究[D]. 袁霞.西南交通大学 2015
[2]基于机器学习的移动应用推荐系统的研究与实现[D]. 符永顺.中山大学 2014
[3]基于数据挖掘和机器学习的木马检测系统设计与实现[D]. 施宇.电子科技大学 2014
本文编号：3535029
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
推荐引擎架构图
系统可能会自动推荐一系列关于编程的书籍相似度。：之间的相似程度。相似程度和用户的操作记录为用户生成推荐的公式定义如下：| ( ) ( ) || (b) |abI a I bwI 欢物品 b 的用户数，而 ( ) ( )是同时既上式表示同时喜欢 a,b 两样物品的用户占喜有很多种算法，这里只是一种定义方式。目关联度。例图所为输入，在这里默认用户为物品的
图 2.3 一个典型的人工神经网络图（三层）Fig 2.3Atypical artificial Neural Network Graph (three layers)2.2.3.3 隐含马尔可夫模型（Hidden Markov Model，HMM）隐含马尔可夫模型[37][36]是一种统计模型，由美国数学家鲍姆（Leonard E. Baum等人提出来。一个含有隐含未知参数的马尔可夫过程可以用隐含马尔科夫模型描述，如何确定这个隐含参数是隐含马尔科夫模型的难点。假设在随机过程中，每个符号的出现概率不相互独立，每个随机试验当前的状态依赖于其之前的状态，也就是说随机过程中各个状态tS 的概率分布，只与它的前一个状态t1S 有关，即1 2 3 1 1( | , , ,..., ) ( | )t t t tP S S S S S P S S 。这种假设被称为为马尔可夫链，符合这种假设的随机过程称为马尔可夫过程。隐含马尔可夫模型是马尔可夫模型的一个扩展，不管什么时候 t,tS 都是看不见的。但是每个时态的隐含马尔可夫模型会输出一个一个只和tS 有关的符号。上述模型就称为隐含马尔可夫模型。在隐含马尔可夫模型中，模型中的状态不能直接观察得出，但是由于受状态影响的某些变量可见，因而符合输出序列能够透露出状态序列的一些信息。
【参考文献】：
期刊论文
[1]互联网时代教育类APP开发——美国《教育技术开发人员指南》手册解读及启示[J]. 胡月,王以宁,徐鹏,张海. 中国电化教育. 2015(12)
[2]移动医疗App研究现状及启示[J]. 徐倩,赵文龙. 医学信息学杂志. 2015(09)
[3]基于机器学习的地震异常数据挖掘模型[J]. 韩莹,李姗姗,陈福明. 计算机仿真. 2014(11)
[4]基于手持终端的图书馆APP移动服务研究[J]. 田蕊,陈朝晖,杨琳. 图书馆建设. 2012(07)
[5]基于关联规则个性化推荐的改进算法[J]. 谢芳,王波. 计算机应用. 2006(S2)
[6]基于内容过滤的个性化搜索算法[J]. 曾春,邢春晓,周立柱. 软件学报. 2003(05)
博士论文
[1]机器学习及数据挖掘在生物信息学中的应用研究[D]. 杜伟.吉林大学 2011
硕士论文
[1]移动应用商店用户下载行为研究[D]. 袁霞.西南交通大学 2015
[2]基于机器学习的移动应用推荐系统的研究与实现[D]. 符永顺.中山大学 2014
[3]基于数据挖掘和机器学习的木马检测系统设计与实现[D]. 施宇.电子科技大学 2014
本文编号：3535029
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3535029.html
