移动环境下的服务推荐技术研究及应用

发布时间：2017-07-04 13:13

  本文关键词：移动环境下的服务推荐技术研究及应用

  更多相关文章： 移动环境 推荐系统 地理位置 用户兴趣模型

【摘要】：随着移动通信网络技术的飞速发展,智能移动设备逐渐成为人们获取信息的主要平台之一,但是互联网日益增长的信息内容给用户获取信息带来了沉重的负担。推荐系统的产生有效地缓解了这一问题,但是,传统的推荐方法有冷启动、效率低等各种问题,需要我们探索出新的方法来缓解这种现象。 针对移动推荐系统的冷启动问题,本文在用户行为数据比较少或者不存在的时候采用基于内容的推荐方法,在用户行为信息丰富时采用协同过滤的推荐算法。同时,考虑到移动设备上的推荐系统可以利用用户的地理位置,因此,本文首先得到用户的兴趣关键字,利用兴趣关键字建立用户兴趣模型,在用户兴趣模型的基础上把传统的推荐算法与特定的地域场景相结合,把推荐的展会信息以服务的方式展示给用户,使得推荐的结果符合用户的兴趣,并且在一定的时间内可达,使得推荐系统具有更高的个性化特征。 其次,从推荐结果展示的方式角度,以会展系统为例,综合采用凸显用户关注点,利用关键字吸引用户注意力。在展示推荐结果时,给用户提供推荐理由来赢得用户的信任度等多种方式来提高推荐的成功率。在用户体验方面,本系统以侧边栏按钮的形式,靠用户点击来展示推荐结果,从而不影响用户的正常使用。 再次,针对移动互联网网络不稳定的问题,每次向服务器请求时,本系统采用第三方框架的支持检查网络的连接状态,采用了中间缓存的方式来缓解这个问题,客户端暂时存放数据,等检测到有网络时,再打包传送到服务器端。 最后,在推荐效率方面,本文采用了离线挖掘和在线服务相结合的方法,服务器利用客户端手机传来的数据,以离线的方式来建立和更新用户模型进行推荐,服务器端检测出用户兴趣发生变化时,在用户下一次登陆系统时把计算的推荐结果推送到客户端。模拟实验的结果表明,通过设置用户当前所处的位置信息,该方法有效地缓解了冷启动问题,也在一定程度上提高了推荐系统的效率和有效性。
【关键词】：移动环境 推荐系统 地理位置 用户兴趣模型
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 引言8-9
• 1 绪论9-12
• 1.1 课题研究背景与研究意义9
• 1.2 国内外研究现状9-11
• 1.3 本文的主要工作11
• 1.4 本章小结11-12
• 2 相关技术分析12-22
• 2.1 Android相关技术12-13
• 2.2 个性化服务用户模型介绍13-15
• 2.3 个性化推荐技术概述15-21
• 2.3.1 内容的推荐17-18
• 2.3.2 协同过滤推荐算法18-20
• 2.3.3 基于人口统计学的推荐20-21
• 2.4 本章小结21-22
• 3 移动端会展系统中推荐模型研究22-31
• 3.1 会展系统用户兴趣模型22-26
• 3.1.1 用户模型特征数据获取22-23
• 3.1.2 用户模型建立23-24
• 3.1.3 用户模型更新24-25
• 3.1.4 应用程序推荐模块25-26
• 3.2 实验设计及案例分析26-30
• 3.2.1 实验数据及开发环境26
• 3.2.2 评价方法26-27
• 3.2.3 用户兴趣模型实验验证27-29
• 3.2.4 用户兴趣模型更新的实验验证29-30
• 3.3 本章小结30-31
• 4 移动端推荐系统详细设计31-39
• 4.1 需求分析31-32
• 4.2 设计目标32-33
• 4.3 系统体系结构33
• 4.4 服务器端设计33-34
• 4.4.1 系统功能设计34
• 4.5 客户端设计34-37
• 4.5.1 客户端功能架构34-35
• 4.5.2 用户行为数据获取35-36
• 4.5.3 应用程序推荐展示模块36-37
• 4.6 客户端中间缓存设计37-38
• 4.7 本章小结38-39
• 5 移动端推荐系统实现39-45
• 5.1 客户端功能实现39-41
• 5.1.1 会展系统模块39-41
• 5.1.2 推荐系统模块41
• 5.2 服务器端功能实现41-43
• 5.2.1 建立用户兴趣模型实现42
• 5.2.2 计算推荐模块实现42-43
• 5.3 客户端和服务器通信功能实现43-44
• 5.4 本章小结44-45
• 结论45-47
• 参考文献47-50
• 申请学位期间的研究成果及发表的学术论文50-51
• 致谢51

【参考文献】

中国期刊全文数据库 前4条

1 曾春,邢春晓,周立柱;个性化服务技术综述[J];软件学报;2002年10期

2 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期

3 朱征宇,裴仰军,陈华月,付关友;个性化服务中用户近期兴趣视图的生成[J];计算机工程与设计;2005年04期

4 雷瑛;吴晶;熊璋;;基于项目分层的个性化推荐方法[J];计算机工程与设计;2007年21期

，

本文编号：517901