基于实时位置的用户兴趣地点推荐算法的研究与设计
发布时间：2021-06-26 21:08
近年来,随着互联网的迅速发展,网络信息量呈爆炸式增长。海量的信息虽然让用户有了更多地选择,但同时也造成了用户选择信息时的迷茫和无助。因此,相关学者们为解决此问题开始研究各种办法,推荐系统属于一种对此问题比较有效果的解决办法。其基本思想在于对用户的历史行为数据进行挖掘和分析,深入的理解用户和项目之间的关系,帮助用户在海量的信息中选择用户最有可能感兴趣的内容推荐给用户,让用户不再有面对海量信息时的无助,利用推荐系统的解决方法一定程度上缓解了这一难题,为广大互联网用户提供了相对便捷的个性化推荐服务[1]。同时移动通讯设备的快速发展,其方便性、易携带性使得用户在日常生活中越来越喜欢通过移动设备获取信息,因此把推荐技术应用到移动智能设备上也是大势所趋[2]。移动设备上的推荐系统对用户进行推荐时,要求我们更多地考虑实时地点方面的影响因素,用户所处的实际地理位置不同就会有不同的实际需求。为了更好地研究使用移动智能设备来为用户产生令其比较满意的推荐结果,本文通过研究推荐技术的相关内容,分析当前已有的个性化推荐技术的国内外发展现状以及对比各种推荐算法,提出了一...
【文章来源】：西华大学四川省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
整体混合设计
图 2.2 并行混合设计Fig. 2.2 The design of parallel hybrid并行式混合设计的优势在于它对现有的推荐方法基本不做改变，只是在整合推使用合适的技术进行合理的处理[31]。其缺点在于在数据输入分配时需要做一才能保证相应的推荐算法去处理相应的输入数据。（3）流水线混合设计流水线混合设计与上述两种设计方法存在很大的不同之处，整体式混合设计和合设计是将各种不同的推荐算法产生的推荐结果进行整合然后产生最终的推而在流水线式混合设计中，每个推荐算法是依次顺序进行的，后者推荐算法是荐结果的基础上进行进一步的分析处理，得到更为精准的推荐结果。还是举例求全班同学为班级建设提供建议，要求无班级职务的同学们提好建议之后交给，纪律委员对于收到的建议处理后交给文艺文员，文艺委员处理后再交给别的这样依次进行，最后将最终的建议结果交给班主任。当然这里只是简单的举了描述，在流水线式混合设计中数据从前一个处理阶段移交到后一个处理阶段可很复杂的处理机制，因此这就要求开发者对推荐算法有着相当深刻的理解，才
并行式混合设计的优势在于它对现有的推荐方法基本不做改变，只是在整合推荐时使用合适的技术进行合理的处理[31]。其缺点在于在数据输入分配时需要做一定理才能保证相应的推荐算法去处理相应的输入数据。（3）流水线混合设计流水线混合设计与上述两种设计方法存在很大的不同之处，整体式混合设计和并混合设计是将各种不同的推荐算法产生的推荐结果进行整合然后产生最终的推荐，而在流水线式混合设计中，每个推荐算法是依次顺序进行的，后者推荐算法是在推荐结果的基础上进行进一步的分析处理，得到更为精准的推荐结果。还是举例班要求全班同学为班级建设提供建议，要求无班级职务的同学们提好建议之后交给纪员，纪律委员对于收到的建议处理后交给文艺文员，文艺委员处理后再交给别的班，这样依次进行，最后将最终的建议结果交给班主任。当然这里只是简单的举了个来描述，在流水线式混合设计中数据从前一个处理阶段移交到后一个处理阶段可能用很复杂的处理机制，因此这就要求开发者对推荐算法有着相当深刻的理解，才能种推荐算法进行交接时保证推荐结果的准确性。具体流程图如下图 2.3 所示。
【参考文献】：
期刊论文
[1]大数据时代医院图书馆精准服务思考[J]. 刘文娟. 中国信息化. 2019(04)
[2]一种改进的均方差协同过滤算法[J]. 饶钰,陈光,邱天. 计算机与现代化. 2019(04)
[3]基于用户行为数据分析的个性化推荐算法分析[J]. 皇甫汉聪,肖招娣. 电子设计工程. 2019(07)
[4]基于人性化用户特征的在线酒店推荐技术研究[J]. 王婧虹,李银胜. 计算机应用与软件. 2019(02)
[5]一种新型有向加权协同过滤算法的推荐技术研究[J]. 彭康华,姚江梅,黄裕锋. 计算机与数字工程. 2019(01)
[6]基于LBS大数据的城市儿童户外非正式公共活动空间体系构建[J]. 朱亚斓,张桂杰. 现代城市研究. 2019(01)
[7]基于栈式降噪自动编码器的动态混合推荐算法[J]. 李梦梦,夏阳,李心茹,徐婷,魏思政. 计算机工程. 2019(08)
[8]混合协同过滤算法在推荐系统中的应用[J]. 沈鹏,李涛. 计算机技术与发展. 2019(03)
[9]自适应学习系统个性化知识推荐技术研究[J]. 袁路妍. 中国教育信息化. 2018(24)
[10]基于情境信息的移动广告推荐系统的研究[J]. 浩庆波,徐岩,高慧. 电子技术. 2018(11)
硕士论文
[1]面向户外运动的个性化推荐系统的研究与实现[D]. 代义伟.华东交通大学 2018
[2]基于混合推荐模式的汽车类文章推荐系统的设计与实现[D]. 申玉聪.北京交通大学 2018
[3]基于LBS与RTMP智慧社区安防系统的研发与应用[D]. 齐麒.海南大学 2018
[4]基于Spark的混合模式电影推荐系统研究与实现[D]. 张力元.重庆大学 2018
[5]基于混合模型的个性化推荐算法研究[D]. 郑瑶琳.北京邮电大学 2018
[6]微博用户偏好分析与建模[D]. 牛锐.北京交通大学 2018
[7]基于BPR模型的情景感知推荐算法的研究与实现[D]. 史龙飞.北京邮电大学 2018
[8]活动型社会网络的多重推荐算法研究[D]. 田丽红.北京交通大学 2018
[9]基于用户上下文相似度的移动应用推荐研究与实现[D]. 余可钦.重庆大学 2017
[10]基于用户兴趣感知的个性化美食推荐算法研究与应用[D]. 范顺忠.湖南大学 2017
本文编号：3252086
【文章来源】：西华大学四川省
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
整体混合设计
图 2.2 并行混合设计Fig. 2.2 The design of parallel hybrid并行式混合设计的优势在于它对现有的推荐方法基本不做改变，只是在整合推使用合适的技术进行合理的处理[31]。其缺点在于在数据输入分配时需要做一才能保证相应的推荐算法去处理相应的输入数据。（3）流水线混合设计流水线混合设计与上述两种设计方法存在很大的不同之处，整体式混合设计和合设计是将各种不同的推荐算法产生的推荐结果进行整合然后产生最终的推而在流水线式混合设计中，每个推荐算法是依次顺序进行的，后者推荐算法是荐结果的基础上进行进一步的分析处理，得到更为精准的推荐结果。还是举例求全班同学为班级建设提供建议，要求无班级职务的同学们提好建议之后交给，纪律委员对于收到的建议处理后交给文艺文员，文艺委员处理后再交给别的这样依次进行，最后将最终的建议结果交给班主任。当然这里只是简单的举了描述，在流水线式混合设计中数据从前一个处理阶段移交到后一个处理阶段可很复杂的处理机制，因此这就要求开发者对推荐算法有着相当深刻的理解，才
并行式混合设计的优势在于它对现有的推荐方法基本不做改变，只是在整合推荐时使用合适的技术进行合理的处理[31]。其缺点在于在数据输入分配时需要做一定理才能保证相应的推荐算法去处理相应的输入数据。（3）流水线混合设计流水线混合设计与上述两种设计方法存在很大的不同之处，整体式混合设计和并混合设计是将各种不同的推荐算法产生的推荐结果进行整合然后产生最终的推荐，而在流水线式混合设计中，每个推荐算法是依次顺序进行的，后者推荐算法是在推荐结果的基础上进行进一步的分析处理，得到更为精准的推荐结果。还是举例班要求全班同学为班级建设提供建议，要求无班级职务的同学们提好建议之后交给纪员，纪律委员对于收到的建议处理后交给文艺文员，文艺委员处理后再交给别的班，这样依次进行，最后将最终的建议结果交给班主任。当然这里只是简单的举了个来描述，在流水线式混合设计中数据从前一个处理阶段移交到后一个处理阶段可能用很复杂的处理机制，因此这就要求开发者对推荐算法有着相当深刻的理解，才能种推荐算法进行交接时保证推荐结果的准确性。具体流程图如下图 2.3 所示。
【参考文献】：
期刊论文
[1]大数据时代医院图书馆精准服务思考[J]. 刘文娟. 中国信息化. 2019(04)
[2]一种改进的均方差协同过滤算法[J]. 饶钰,陈光,邱天. 计算机与现代化. 2019(04)
[3]基于用户行为数据分析的个性化推荐算法分析[J]. 皇甫汉聪,肖招娣. 电子设计工程. 2019(07)
[4]基于人性化用户特征的在线酒店推荐技术研究[J]. 王婧虹,李银胜. 计算机应用与软件. 2019(02)
[5]一种新型有向加权协同过滤算法的推荐技术研究[J]. 彭康华,姚江梅,黄裕锋. 计算机与数字工程. 2019(01)
[6]基于LBS大数据的城市儿童户外非正式公共活动空间体系构建[J]. 朱亚斓,张桂杰. 现代城市研究. 2019(01)
[7]基于栈式降噪自动编码器的动态混合推荐算法[J]. 李梦梦,夏阳,李心茹,徐婷,魏思政. 计算机工程. 2019(08)
[8]混合协同过滤算法在推荐系统中的应用[J]. 沈鹏,李涛. 计算机技术与发展. 2019(03)
[9]自适应学习系统个性化知识推荐技术研究[J]. 袁路妍. 中国教育信息化. 2018(24)
[10]基于情境信息的移动广告推荐系统的研究[J]. 浩庆波,徐岩,高慧. 电子技术. 2018(11)
硕士论文
[1]面向户外运动的个性化推荐系统的研究与实现[D]. 代义伟.华东交通大学 2018
[2]基于混合推荐模式的汽车类文章推荐系统的设计与实现[D]. 申玉聪.北京交通大学 2018
[3]基于LBS与RTMP智慧社区安防系统的研发与应用[D]. 齐麒.海南大学 2018
[4]基于Spark的混合模式电影推荐系统研究与实现[D]. 张力元.重庆大学 2018
[5]基于混合模型的个性化推荐算法研究[D]. 郑瑶琳.北京邮电大学 2018
[6]微博用户偏好分析与建模[D]. 牛锐.北京交通大学 2018
[7]基于BPR模型的情景感知推荐算法的研究与实现[D]. 史龙飞.北京邮电大学 2018
[8]活动型社会网络的多重推荐算法研究[D]. 田丽红.北京交通大学 2018
[9]基于用户上下文相似度的移动应用推荐研究与实现[D]. 余可钦.重庆大学 2017
[10]基于用户兴趣感知的个性化美食推荐算法研究与应用[D]. 范顺忠.湖南大学 2017
本文编号：3252086
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3252086.html
最近更新
教材专著
