基于电商数据的用户兴趣挖掘与POI个性化推荐研究

发布时间：2021-11-24 00:21

　　随着信息技术的快速发展,获取信息途径的增多,人们可以随时随地获取大量信息数据。随之而来的问题就是在海量信息数据中,选择出符合自己喜好的信息。推荐系统正是常用的解决信息过载的一种手段,通常结合其他技术可以在各个领域中发挥作用,提高用户获取信息的质量与效率,带给用户更好的体验。目前在各个地图平台中,如百度地图、高德地图,主要提供的是共性的地点查询服务功能,并未根据用户的个性化需求为用户提供个性化POI（Point of Interest,兴趣点）推荐服务。本文将使用LDA（Latent Dirichlet Allocation,潜在狄利克雷分布）主题模型作为连接用户与POI之间的桥梁,实现根据用户兴趣为用户提供个性化POI推荐。主要工作如下:（1）针对用户行为数据中,存在部分用户产生的操作行为少,不足分析出其中用户兴趣主题这一问题,采用协同过滤算法,利用用户行为数据挖掘出其中潜藏的用户可能感兴趣的商品;（2）针对用户行为数据中,商品信息缺失的问题,通过利用网络爬虫技术获取了商品详细信息以弥补语料库中商品信息的不足;（3）整合之前获取到的用户与商品信息,并使用网络爬虫获取POI信息,构建了语... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

PLSA 概率图模型

原始数据描述信息之后，为使数据的分布情况能够清晰可见，使用了箱线图对数据进行表式，表示

用户商品信息箱线图

【参考文献】：
期刊论文
[1]TPR-TF:基于张量分解的时间敏感兴趣点推荐模型[J]. 王楠,李金宝,刘勇,张玉杰,钟颖莉.  吉林大学学报(工学版). 2019(03)
[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]基于深度学习的混合兴趣点推荐算法[J]. 冯浩,黄坤,李晶,高榕,刘东华,宋成芳.  电子与信息学报. 2019(04)
[4]基于LSTM的POI个性化推荐框架[J]. 王立,张谧.  计算机系统应用. 2018(12)
[5]基于主题模型的技术预见文本分析[J]. 吕皓,周晓纪.  情报探索. 2018(10)
[6]主题模型的发展及应用研究[J]. 马欣.  电脑知识与技术. 2018(15)
[7]基于LSH的隐私保护POI推荐算法[J]. 沈鑫娣,翟东君,张得天,刘安.  计算机工程. 2019(01)
[8]一种基于评分矩阵局部低秩假设融合地理和文本信息的协同排名POI推荐模型[J]. 孙琳,罗保山,高榕.  计算机应用研究. 2018(10)
[9]基于多关联度的移动用户POI个性化推荐[J]. 方英兰,杨勇,韩兵.  北方工业大学学报. 2017(02)
[10]基于UR-LDA的微博主题挖掘[J]. 陈阳,邵曦,赵海博.  计算机技术与发展. 2017(06)

博士论文
[1]提取商品特征和情感词的语义约束LDA模型研究[D]. 彭云.江西财经大学 2016
[2]基于词共现的文本主题挖掘模型和算法研究[D]. 常鹏.天津大学 2010

硕士论文
[1]基于位置的社交网络中的POI推荐问题的研究[D]. Pakhomova Kristina.哈尔滨工业大学 2016
[2]基于协同过滤的考虑时空因素的POI推荐研究[D]. 陈航.浙江大学 2016



本文编号：3514913