检索结果-南通市图书馆

基于时间和标签信息的个性化地点推荐方法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于时间和标签信息的个性化地点推荐方法研究

作者：郝扬合肥工业大学

学位级别：硕士

随着移动设备、无线网络和Web 2.0的快速发展,基于位置的社交网络（Location-Based Social Networks, LBSN）逐步兴起,越来越多的人们通过这样的平台分享和获取各类信息。为了有效帮助用户快速发现自己感兴趣的地点,个性化的地点推荐成... 详细信息

随着移动设备、无线网络和Web 2.0的快速发展,基于位置的社交网络（Location-Based Social Networks, LBSN）逐步兴起,越来越多的人们通过这样的平台分享和获取各类信息。为了有效帮助用户快速发现自己感兴趣的地点,个性化的地点推荐成为近年来研究的热点之一。虽然已有学者对地点推荐展开了相关研究,但是仍然存在以下问题：首先,从推荐方法上看,学术界运用最普遍的方法是根据用户的历史签到数据构建用户评分矩阵,寻找相似用户进行协同过滤推荐,但是由于用户的签到数据存在严重的稀疏性,相似用户的寻找较为困难,导致推荐的结果准确性较低。其次,从推荐的影响因素来看,目前的地点推荐中忽略了时间和标签信息对于用户偏好建模的影响。而在基于位置的社交网络上,用户的行为具有明显的时间性,同时标签作为文本描述信息可以为地点推荐带来更多的参考依据。因此,本文针对上述问题,从时间因素和标签信息两个角度出发,对地点推荐方法进行了研究,主要工作和研究成果如下：（1）从时间角度对用户行为进行分析,挖掘用户行为与时间的内在关联,基于时间的不一致性和连续性对矩阵分解方法进行改进,提出了一种基于时间属性的地点推荐方法。（2）从地点的分类、标签信息入手,利用LDA方法挖掘标签的隐含主题,得到主题-标签的概率分布。在此基础上,根据用户的签到记录构建用户-主题模型,并通过衡量用户和地点在主题上的相似度预测用户评分得到推荐结果。然后,对标签主题建模的推荐方法进行了改进,提出了融合时间属性和地点标签的混合推荐方法。（3）利用著名的位置社交网络——Foursquare中的数据,对本文提出的地点推荐方法进行了实验研究,并对相关参数的影响进行了探讨。实验结果表明,本文提出的方法结合了时间和标签信息,能够更加全面地对用户行为进行分析,挖掘用户行为与时间、地点语义的隐含关系,具有更好的推荐效果,对解决个性化推荐问题具有重要的理论价值和实际意义。

关键词：基于位置的社交网络个性化地点推荐地点标签主题模型

基于Spark的个性化地点推荐系统的设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Spark的个性化地点推荐系统的设计与实现

作者：杨朔青岛理工大学

学位级别：硕士

伴随着数据时代的到来,网络用户每天需要接收无数不同类别的信息,面临从海量信息中选取所需信息的困扰,这时推荐系统应运而生。在当下流行的大数据计算平台中,基于内存迭代计算的Spark框架更符合推荐系统的要求,相比较传统的Hadoop Map ... 详细信息

伴随着数据时代的到来,网络用户每天需要接收无数不同类别的信息,面临从海量信息中选取所需信息的困扰,这时推荐系统应运而生。在当下流行的大数据计算平台中,基于内存迭代计算的Spark框架更符合推荐系统的要求,相比较传统的Hadoop Map Reduce框架,Spark框架中的多个master节点解决了Hadoop中易产生的单节点故障问题,具有更高的实时计算能力,可以大幅度提升推荐系统的运行效率。通过对Spark框架下的个性化地点推荐系统现状分析,在了解系统设计相关技术的前提下,本文的研究重点为算法优化与系统搭建,针对用户的推荐需求,提出了离线推荐与在线推荐相结合的推荐引擎架构,完成了个性化地点推荐系统的设计与实现。为了改善传统基于LBSN的地点推荐算法中普遍存在的数据稀疏问题与冷启动问题,本文提出了融合用户偏好与上下文信息的加权矩阵分解算法,与传统的矩阵分解算法相比较,加权矩阵分解模型通过对用户-签到矩阵中的元素进行加权处理来缓解数据稀疏问题。在推荐系统的实现过程中,用户签到的影响因素主要包括用户偏好与上下文信息,其中用户偏好对签到行为的影响最大,本文使用的加权矩阵分解模型以用户偏好为基础构建目标函数,然后建模上下文信息对用户签到行为的影响,分别构建地理位置对用户签到行为的影响矩阵与社交网络对用户签到行为的影响矩阵,将这两个矩阵加入目标函数,来重新定义用户签到行为的影响因素,预测用户前往目标地点进行签到的概率,这种方式进一步提高了推荐算法的准确率与召回率。系统设计实现的整体架构分为数据源、数据仓库、核心业务与数据展示四个模块,模块间的稳定传输保证了推荐系统的顺利运行,其中推荐引擎部分根据需求的不同划分为在线推荐与离线推荐两部分,满足了推荐结果的准确性需求。最后在Gowalla数据集与Foursquare数据集的基础上对系统进行了实验测试,证明了本文所实现系统的高准确率与高召回率。

关键词：推荐系统 Spark框架加权矩阵分解个性化地点推荐

个性化推荐算法在R2C商业平台上的研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

个性化推荐算法在R2C商业平台上的研究与应用

作者：肖林焱安徽大学

学位级别：硕士

近年来,随着移动互联网的高速发展与大数据时代的来临,智能终端的普及率在逐年上升,各类电子商务平台也在不断的发展,涌现出各具特色的平台模式,其中智能终端上的电子商务平台受到了很大的关注。在众多模式中,B2C和C2C是被大多电子商务... 详细信息

近年来,随着移动互联网的高速发展与大数据时代的来临,智能终端的普及率在逐年上升,各类电子商务平台也在不断的发展,涌现出各具特色的平台模式,其中智能终端上的电子商务平台受到了很大的关注。在众多模式中,B2C和C2C是被大多电子商务企业使用的成熟的模式,020是当下火热的新型商业模式,但是随着客户需求的多元化,又促使一些新型的电子商务平台获得了发展。中短程购物配送平台也就随之兴起,本文是以企业中短程区域购物系统为研究对象,在本文中所提出的R2C(区域对用户)电子商务平台就是目前刚刚兴起的一种移动消费平台方式;R2C平台模式是B2C与020融合后的一种拓展形式,是一种社区购物消费平台,具有广阔的应用场景。而在信息爆炸的今天,本文研究的重点是如何在R2C平台上高效的向用户推荐有用消息。目前,基于地理位置服务(LBS)的个性化推荐算法是移动推荐系统当中一个重要的研究方向,在R2C这个移动商务平台上可以收集到大量位置信息,通过在R2C电子商务上进行个性化的地点推荐,可以实现具体商业行为。本文研究的内容：1)首先本文简单介绍了目前R2C电子商务平台的发展现状,以及个性化地点推荐算法在R2C电子商务平台上的应用前景。2)对本文中涉及的相关理论进行介绍,对传统的推荐算法进行分析。3)对个性化地点推荐算法的研究现状及应用领域进行介绍,概述现存的地点推荐算法-USG算法,阐述本文两个重要算法的基础算法—基于人类活动周期的地点类别推荐算法,并对它进行研究。4)详细介绍基于人类活动周期性和空间性的地点推荐算法,以及介绍本文改进的算法：基于人类活动周期性和协同过滤地点推荐算法,并对本文所提出的区域推荐系统进行概述,说明该系统在R2C电子商务平台上进行实现的优势。5)用实验方式对本文所涉及的算法与目前的现存的地点推荐算法进行比较,实验结果表明,在R2C平台上,本文中的以基于人类活动周期性地点类别推荐算法为基础的其他两个算法更适用于这个平台,有更好的推荐效果。6)对未来电子商务平台的发展前景进行展望,本文的研究是对现有电子商务平台的发展和扩充,对于智能社区的发展也会有积极意义,以及对于人们未来能够更快捷和安全的购物产生现实意义。

关键词：电子商务 R2C 智能终端基于位置服务个性化地点推荐

基于实时位置的用户兴趣地点推荐算法的研究与设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于实时位置的用户兴趣地点推荐算法的研究与设计

作者：张帅西华大学

学位级别：硕士

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... 详细信息

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。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。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,提出了一种以用户的实际地理位置为出发点,结合用户的兴趣偏好来为用户产生更精准、更高质量的地点推荐算法。本文的主要工作如下:(1)本文提出一种基于地点的个性化推荐算法,该算法通过计算地点签到相似度、地点标签相似度以及地点之间的距离三个方面对地点推荐的影响,综合考虑这三个影响因素来为用户产生初步的地点推荐结果。(2)本文设计了一种计算用户评分特征的方法,该方法通过分析用户对地点的评分数据来预测用户对地点某些标签的偏好,通过综合评比来预测用户对某一新的地点的偏好程度。(3)基于上述相关的研究内容,本文提出一种基于实时位置的用户兴趣地点推荐算法,本算法综合考虑到用户的兴趣以及用户使用移动设备时的位置不确定性,为移动设备用户产生更高质量的地点推荐结果。(4)本文设计了一个基于Android平台的APP应用系统,将本文所提出的基于实时位置的用户兴趣地点推荐算法应用在该系统中,实现了系统的主要核心功能,通过所设计的系统验证了所要实现的效果。

关键词：海量信息推荐系统实时地理位置用户兴趣个性化地点推荐