面向手机APP的推荐优化研究
发布时间：2021-03-25 09:51
随着智能手机的用户约来越多,手机应用也得到快速发展。据统计,现在Google Play和App Store的手机应用数量都已经超过了一百五十万。在海量应用中找到符合自己需求的应用需要耗费用户大量精力。手机应用和传统产品一样有自己的评价系统,用户在下载使用应用后可以给应用相应的评分和评论。新用户在寻找应用时除了查看应用信息之外,另一个主要参考因素就是用户的评论信息。面对海量的应用和评论数据,用户无法全部查看这些信息之后做出决策,因此,需要一个有效的推荐系统来解决用户面临的信息过载问题。传统的推荐算法,如协同过滤算法等,都是将推荐的产品看作是静态不变的单元,产品的特性不会随着时间推移而变化。然而手机应用与传统产品的一个很大的不同是手机应用的特性会随着新版本的推出而变化,因此对于手机应用的推荐来说,传统的算法并不准确。为此在进行手机应用推荐时,应该将手机的动态特征考虑进去,这样就能一定程度上提高手机应用推荐的精度。本文基于手机应用的动态特性和同类应用竞争筛选机制,提出了一个手机应用推荐算法。该算法通过跟踪、学习并抽取动态手机应用特征,筛选出有竞争力的同类应用推荐列表。本文提出的手机应用推荐算...
【文章来源】：北京理工大学北京市 211工程院校 985工程院校
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究背景及意义
1.2 研究综述
1.2.1 市场现状
1.2.2 学术现状
1.3 研究内容
第2章 相关理论
2.1 文本挖掘
2.1.1 文本预处理
2.1.2 文本挖掘分析技术
2.2 LDA主题模型
2.3 传统推荐算法概述
2.3.1 协同过滤算法
2.3.2 基于内容的推荐
2.3.3 关联规则
2.4 本章小结
第3章 手机应用及其推荐特征研究
3.1 手机应用的相关概念
3.2 手机应用特征分析
3.2.1 应用数量繁多
3.2.2 评价机制完善
3.2.3 版本变化频繁
3.2.4 渗透力强
3.3 手机应用推荐特性分析
3.3.1 手机应用信息的获取
3.3.2 用户信息的获取
3.3.3 手机应用推荐的独特之处
3.4 本章小结
第4章 基于动态特征和同类筛选的应用推荐
4.1 改进的手机应用推荐
4.2 手机应用的动态特征抽取
4.3 推荐列表的二次筛选
4.3.1 用户偏好的获取
4.3.2 推荐列表生成
4.4 本章小结
第5章 实验及结果验证
5.1 数据准备
5.1.1 数据抓取
5.1.2 数据处理
5.1.3 数据清理
5.1.4 划分训练集与测试集
5.2 评价指标
5.3 实验设计
5.3.1 主题模型分析获得用户兴趣
5.3.2 同类竞争机制下的用户偏好
5.3.3 推荐列表的生成
5.4 实验结果及对比实验
5.4.1 相似邻居数量对推荐效果的影响
5.4.2 综合得分系数β对推荐效果的影响
5.4.3 对比实验及比较结果
5.5 本章小结
总结与展望
论文工作总结
未来工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于Python的新浪微博爬虫研究[J]. 吴剑兰. 无线互联科技. 2015(06)
[2]LDA模型下书目信息分类系统的研究与实现[J]. 李湘东,廖香鹏,黄莉. 现代图书情报技术. 2014(05)
[3]个性化推荐系统综述[J]. 王国霞,刘贺平. 计算机工程与应用. 2012(07)
[4]基于场论的聚类算法[J]. 遇铁龄,张化祥. 计算机工程与设计. 2010(21)
[5]文本分类中特征权重因子的作用研究[J]. 张爱华,靖红芳,王斌,徐燕. 中文信息学报. 2010(03)
[6]协同过滤系统项目冷启动的混合推荐算法[J]. 郭艳红,邓贵仕. 计算机工程. 2008(23)
[7]基于向量空间模型的文本聚类算法[J]. 姚清耘,刘功申,李翔. 计算机工程. 2008(18)
[8]中文分词技术[J]. 李淑英. 科技信息(科学教研). 2007(36)
[9]基于邮件过滤的中文邮件语料库构建[J]. 李军辉,朱巧明,李培峰. 计算机应用与软件. 2007(08)
[10]文本挖掘技术研究进展[J]. 袁军鹏,朱东华,李毅,李连宏,黄进. 计算机应用研究. 2006(02)
硕士论文
[1]基于社交网络的移动应用推荐系统研究及应用[D]. 李迎辰.重庆大学 2014
[2]基于Android终端的物联网数据管理系统研究[D]. 鲍蕾蕾.北方工业大学 2013
[3]推荐系统中信息相似度的研究及其应用[D]. 高鹏.上海交通大学 2013
[4]基于标签协同过滤算法在微博推荐中的研究[D]. 胡大伟.内蒙古科技大学 2012
本文编号：3099495
【文章来源】：北京理工大学北京市 211工程院校 985工程院校
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 研究背景及意义
1.2 研究综述
1.2.1 市场现状
1.2.2 学术现状
1.3 研究内容
第2章 相关理论
2.1 文本挖掘
2.1.1 文本预处理
2.1.2 文本挖掘分析技术
2.2 LDA主题模型
2.3 传统推荐算法概述
2.3.1 协同过滤算法
2.3.2 基于内容的推荐
2.3.3 关联规则
2.4 本章小结
第3章 手机应用及其推荐特征研究
3.1 手机应用的相关概念
3.2 手机应用特征分析
3.2.1 应用数量繁多
3.2.2 评价机制完善
3.2.3 版本变化频繁
3.2.4 渗透力强
3.3 手机应用推荐特性分析
3.3.1 手机应用信息的获取
3.3.2 用户信息的获取
3.3.3 手机应用推荐的独特之处
3.4 本章小结
第4章 基于动态特征和同类筛选的应用推荐
4.1 改进的手机应用推荐
4.2 手机应用的动态特征抽取
4.3 推荐列表的二次筛选
4.3.1 用户偏好的获取
4.3.2 推荐列表生成
4.4 本章小结
第5章 实验及结果验证
5.1 数据准备
5.1.1 数据抓取
5.1.2 数据处理
5.1.3 数据清理
5.1.4 划分训练集与测试集
5.2 评价指标
5.3 实验设计
5.3.1 主题模型分析获得用户兴趣
5.3.2 同类竞争机制下的用户偏好
5.3.3 推荐列表的生成
5.4 实验结果及对比实验
5.4.1 相似邻居数量对推荐效果的影响
5.4.2 综合得分系数β对推荐效果的影响
5.4.3 对比实验及比较结果
5.5 本章小结
总结与展望
论文工作总结
未来工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于Python的新浪微博爬虫研究[J]. 吴剑兰. 无线互联科技. 2015(06)
[2]LDA模型下书目信息分类系统的研究与实现[J]. 李湘东,廖香鹏,黄莉. 现代图书情报技术. 2014(05)
[3]个性化推荐系统综述[J]. 王国霞,刘贺平. 计算机工程与应用. 2012(07)
[4]基于场论的聚类算法[J]. 遇铁龄,张化祥. 计算机工程与设计. 2010(21)
[5]文本分类中特征权重因子的作用研究[J]. 张爱华,靖红芳,王斌,徐燕. 中文信息学报. 2010(03)
[6]协同过滤系统项目冷启动的混合推荐算法[J]. 郭艳红,邓贵仕. 计算机工程. 2008(23)
[7]基于向量空间模型的文本聚类算法[J]. 姚清耘,刘功申,李翔. 计算机工程. 2008(18)
[8]中文分词技术[J]. 李淑英. 科技信息(科学教研). 2007(36)
[9]基于邮件过滤的中文邮件语料库构建[J]. 李军辉,朱巧明,李培峰. 计算机应用与软件. 2007(08)
[10]文本挖掘技术研究进展[J]. 袁军鹏,朱东华,李毅,李连宏,黄进. 计算机应用研究. 2006(02)
硕士论文
[1]基于社交网络的移动应用推荐系统研究及应用[D]. 李迎辰.重庆大学 2014
[2]基于Android终端的物联网数据管理系统研究[D]. 鲍蕾蕾.北方工业大学 2013
[3]推荐系统中信息相似度的研究及其应用[D]. 高鹏.上海交通大学 2013
[4]基于标签协同过滤算法在微博推荐中的研究[D]. 胡大伟.内蒙古科技大学 2012
本文编号：3099495
本文链接：https://www.wllwen.com/shoufeilunwen/jjglss/3099495.html
