基于某二手车交易平台的产品个性化推荐方法及其系统

发布时间：2021-05-21 13:29

　　近年随着二手车交易平台内汽车产品种类和数量不断增多,平台内出现买卖双方信息不对称现象。面对海量的汽车产品信息,利用传统的搜索技术很难为用户提供个性化需求服务,制约着平台进一步发展。为此,本文提出在二手车交易平台内应用个性化推荐系统的解决方案。以此为研究对象,构建基于用户兴趣变化的协同过滤推荐方法。以Hadoop技术为基础架构设计了二手车交易平台产品个性化推荐系统,为用户提供更加方便、可靠和高效的汽车产品推送服务。论文工作内容如下:（1）介绍了二手车交易平台个性化推荐方法研究背景及目的,并阐述了二手车交易平台发展现状及存在的问题。针对二手车交易平台出现汽车标签语义模糊问题,提出构建复杂汽车标签网络,并对其进行聚类分析生成不同标签族的解决方案。（2）针对二手车交易平台用户兴趣变化和矩阵数据稀疏的问题,构建基于用户兴趣变化模型协同过滤推荐方法。该推荐方法在构建用户兴趣模型中引入了时间因素,通过将标签权重和时间模型相结合实现用户兴趣模型的动态更新,有效解决了二手车交易平台内用户兴趣不断变化问题,为用户实时推荐相匹配的汽车产品信息。通过建立用户-兴趣主题兴趣度关系矩阵代替评分矩阵计算用户之间的相... 

【文章来源】：浙江理工大学浙江省

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 二手车交易平台的发展现状
        1.2.2 个性化推荐方法的研究现状
    1.3 研究内容与体系结构
    1.4 本章小结
第2章 二手车交易平台个性化推荐系统相关理论分析
    2.1 二手车个性化推荐系统概论
    2.2 协同过滤个性化推荐方法分析
        2.2.1 基于模型的推荐算法
        2.2.2 基于用户的协同过滤算法
        2.2.3 基于项目的协同过滤推荐算法
        2.2.4 存在的问题
    2.3 基于标签个性化推荐方法分析
        2.3.1 标签的概念
        2.3.2 复杂标签网络及其特点
        2.3.3 基于标签的用户兴趣模型
        2.3.4 基于标签的个性化推荐方法
    2.4 Hadoop技术分析
        2.4.1 Hadoop生态系统
        2.4.2 MapReduce工作原理
    2.5 本章小结
第3章 二手车交易平台个性化推荐系统用户兴趣变化模型建立
    3.1 推荐系统面临问题
    3.2 复杂汽车标签网络的构建
        3.2.1 汽车标签定义
        3.2.2 复杂汽车标签网络构建过程与结果
    3.3 基于复杂汽车标签网络的聚类
    3.4 基于兴趣主题的用户多兴趣建模
        3.4.1 基于时间和频率的用户标签向量构建
        3.4.2 用户兴趣变化模型构建
    3.5 用户兴趣变化模型的更新策略
    3.6 本章小结
第4章 二手车交易平台个性化推荐系统推荐方法建立
    4.1 基本思路
    4.2 基于用户兴趣变化模型协同过滤推荐方法
    4.3 基于用户兴趣变化模型协同过滤推荐算法描述
    4.4 基于用户兴趣变化模型协同过滤推荐算法分析
        4.4.1 数据集样本及评价指标
        4.4.2 实验设计及结果分析
    4.5 本章小结
第5章 二手车交易平台产品个性化推荐系统设计
    5.1 系统目标
    5.2 需求分析
        5.2.1 系统功能需求
        5.2.2 系统非功能性需求
    5.3 系统设计
        5.3.1 系统总体架构设计
        5.3.2 系统开发环境和平台
    5.4 数据库设计
    5.5 系统功能模块设计
        5.5.1 数据采集与存储模块设计
        5.5.2 推荐引擎模块设计
        5.5.3 系统管理模块设计
    5.6 系统主要功能实现
    5.7 系统功能测试
    5.8 本章小结
第6章 结论与展望
    6.1 论文总结
    6.2 工作展望
参考文献
攻读学位期间的研究成果
致谢


【参考文献】：
期刊论文
[1]大数据时代下电子商务个性化推荐系统的分析与设计[J]. 王腾宇.  智库时代. 2020(08)
[2]基于节点信任度的复杂网络关键节点识别[J]. 王斌,王亚云,盛津芳,孙泽军.  小型微型计算机系统. 2019(11)
[3]我国汽车二手车销售网上平台发展前景[J]. 汪九康.  中外企业家. 2019(33)
[4]基于信息不对称下二手车市场博弈研究[J]. 王正鲁.  内蒙古统计. 2019(05)
[5]融合用户智能标签与社会化标签的推荐服务[J]. 贾伟,刘旭艳,徐彤阳.  情报科学. 2019(10)
[6]协同过滤推荐算法研究[J]. 李晓瑜.  计算机与数字工程. 2019(09)
[7]基于标签和协同过滤的改进推荐算法研究[J]. 金晶,怀丽波.  延边大学学报(自然科学版). 2019(03)
[8]融合多维语义表示的概率矩阵分解模型[J]. 任开旭,王玉龙,刘同存,李炜.  电子学报. 2019(09)
[9]基于HDFS的跨集群分布式文件系统研究[J]. 王大志.  信息技术与信息化. 2019(08)
[10]一种基于领域信任及不信任的奇异值分解推荐算法[J]. 张琦,柳玲,文俊浩.  计算机科学. 2019(10)

硕士论文
[1]基于Hadoop的新闻推荐系统关键技术的研究[D]. 王均贤.天津理工大学 2017
[2]面向数据稀疏问题的协同过滤推荐算法改进研究[D]. 周超.杭州电子科技大学 2013
[3]基于用户兴趣变化的协同过滤推荐技术研究[D]. 赵学伟.重庆大学 2012



本文编号：3199790