基于深度学习的手机应用推荐系统研究与设计

发布时间：2021-06-06 15:42

　　手机应用推荐系统能够根据用户使用应用的情况,从海量的应用中推荐感兴趣的应用,有效地提高了用户体验并帮助手机应用迅速占据市场。目前手机应用的推荐服务主要依赖于手机应用管理软件,由于应用管理软件众多,单个应用管理软件难以全面地捕获到所有用户的偏好;通过更新、删除软件不能准确地反映出用户对应用的偏好;推荐应用的方式局限于应用管理软件内部,推荐效率较低。此外,传统的推荐算法存在着冷启动、数据稀疏,难以直接利用用户和应用的额外信息以及难以捕获特征间复杂的内在关系等问题,已经成为制约推荐系统性能的瓶颈。本文结合目前流行的深度学习技术,以及用户和物品的交互信息和额外信息构建了一个推荐系统模型,应用到显式反馈和隐式反馈的推荐系统中,得到用户对物品的偏好。由于用户手机移动网络数据能够反映出用户对应用的真实偏好,结合本文提出的推荐模型设计了一个手机应用推荐系统,可以将该推荐模型部署到多个平台上。本论文的研究成果如下:1.针对传统推荐系统存在的问题,我们提出了一个端到端的、无需额外人工特征工程的深度学习推荐系统模型,该模型包含两部分,分别用于捕获特征间的低阶线性关系和高阶非线性关系。同时使用用户-物品的评分... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 论文主要工作
    1.4 论文的组织结构
第二章 深度学习和推荐算法相关基础介绍
    2.1 深度学习
        2.1.1 引言
        2.1.2 多层感知机与BP算法
        2.1.3 常见激活函数
        2.1.4 深度学习编程框架
    2.2 推荐系统常用评价标准
第三章 基于深度学习的推荐系统模型
    3.1 模型设计
    3.2 模型结构
        3.2.1 加权交互模型
        3.2.2 深度模型
        3.2.3 模型融合
    3.3 训练策略
        3.3.1 过拟合
        3.3.2 损失函数
        3.3.3 优化方法
    3.4 数据集
        3.4.1 数据集介绍
        3.4.2 数据集处理
    3.5 实验结果
        3.5.1 深度模型的隐含层数
        3.5.2 特征嵌入
        3.5.3 Dropout
        3.5.4 嵌入特征的维度
        3.5.5 模型融合
        3.5.6 性能对比
    3.6 本章小结
第四章 基于深度学习的手机应用推荐模型
    4.1 研究背景
    4.2 数据分析
    4.3 模型训练
        4.3.1 数据预处理
        4.3.2 构建数据集
        4.3.3 实验模型及训练
        4.3.4 实验结果
    4.4 功能分析与系统设计
        4.4.1 模型迭代功能
        4.4.2 应用推荐功能
        4.4.3 功能架构设计
    4.5 本章小结
第五章 基于深度学习的手机应用推荐系统
    5.1 设计背景
    5.2 系统需求分析
    5.3 系统设计
        5.3.1 系统架构设计
        5.3.2 创建工程模块设计
        5.3.3 工程管理模块设计
        5.3.4 工作流管理模块设计
    5.4 系统配置及运行效果
        5.4.1 系统配置
        5.4.2 系统运行效果
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读学位期间发表的学术论文


【参考文献】：
期刊论文
[1]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅.  计算机学报. 2018(07)
[2]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)



本文编号：3214675