基于移动终端应用的用户属性预测

发布时间：2023-12-09 12:59

　　科技的进步带动移动互联网的发展,移动终端也给用户带来全新体验,用户不仅能进行通话、短信等基本操作,还能使用APP应用进行社交、娱乐、购物等更智能的操作。用户使用移动终端会产生大量的私人信息数据,这些数据包含着用户的性别、年龄、地理位置、兴趣爱好等信息。相比于其他设备,移动终端与用户信息联系更加紧密。基于移动终端数据的研究逐渐变成了热点,包括基站、GPS、WiFi的定位信息研究,手机传感器数据研究和移动终端APP应用研究。移动终端APP应用的研究能分析用户基础属性、兴趣爱好等,根据这些信息我们能更深入的了解用户,为用户提供具有针对性的服务。本文从用户移动终端应用数据出发,结合用户手机品牌型号、安装APP应用数据和用户行为数据来预测用户属性。在构建模型框架之前分析了特征之间的相关性,发现APP应用与用户有着紧密联系。针对APP种类数量巨大的问题,采用自然语言处理算法提取APP的主要信息,并通过人工标注将APP应用分为25个类型。分析APP类型数量和用户数量对预测结果的影响。提出APP分类模型,当用户安装使用新APP应用时能够快速计算,避免冷启动问题。根据对长尾理论的理解使用TF-IDF提取...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 本课题的研究背景和意义
    1.2 用户属性预测的国内外研究现状
        1.2.1 基于搜索浏览的用户属性研究
        1.2.2 基于社交网络的用户属性研究
        1.2.3 基于移动终端的用户属性研究
    1.3 论文的研究内容及层次结构安排
第二章 相关技术及分类算法
    2.1 相关技术
        2.1.1 词袋模型
        2.1.2 朴素贝叶斯
        2.1.3 TF-IDF
    2.2 分类算法
        2.2.1 Logistic回归
        2.2.2 随机森林
        2.2.3 XGboost
    2.3 本章小结
第三章 用户属性及数据预处理
    3.1 用户属性定义
    3.2 实验数据预处理
        3.2.1 APP数据处理
        3.2.2 模型评价指标
    3.3 常用算法结果对比
        3.3.1 基于APP类型预测框架
        3.3.2 APP分类对结果的影响
        3.3.3 用户数量对结果的影响
        3.3.4 预测结果对比
    3.4 本章小结
第四章 用户属性预测
    4.1 APP权重更新
    4.2 隐性信息提取
        4.2.1 pLSA
        4.2.2 LDA
    4.3 用户属性预测模型
        4.3.1 基于APP主题预测框架
        4.3.2 隐性主题提取
        4.3.3 用户属性模型
        4.3.4 混合协同预测算法
    4.4 本章小结
第五章 实验结果分析
    5.1 数据集分析
    5.2 参数优化
        5.2.1 主题参数优化
        5.2.2 协同算法参数优化
    5.3 预测结果分析
    5.4 本章小结
总结与展望
参考文献
攻读学位期间发表的论文和专利
致谢



本文编号：3871624