【摘要】：Web2.0的成熟和互聯(lián)網(wǎng)的發(fā)展使得越來越多的工作得以從線下遷移到線上進(jìn)行,由此出現(xiàn)了互聯(lián)網(wǎng)群體協(xié)作的概念,眾包即為其中一種較為典型的群體協(xié)作模式。在眾包商業(yè)模式中,眾籌的概念受到了普通用戶的大量關(guān)注。眾籌是一種面向大眾的融資活動,利用大眾的渠道和資金為某個項目提供一定的物質(zhì)支持,因其投資額度和門檻較低且為普通個人提供了融資機(jī)會而受到人們的歡迎。從第一家眾籌平臺ArtistShare的建立到現(xiàn)在,眾籌行業(yè)經(jīng)歷了迅速的發(fā)展,根據(jù)Massolution發(fā)布的2015CF眾籌行業(yè)報告,2015年的眾籌總金額將達(dá)到344億美元。隨著眾籌平臺規(guī)模的擴(kuò)大,不僅平臺越來越難以維護(hù)產(chǎn)品列表,用戶也難以完整瀏覽并快速發(fā)現(xiàn)自己感興趣的產(chǎn)品。根據(jù)對現(xiàn)有眾籌平臺的調(diào)查,平臺提供的僅僅是排序功能,用戶無法篩選產(chǎn)品,也無法得到系統(tǒng)推薦產(chǎn)品的服務(wù)。在眾籌平臺的起步階段,因?yàn)楫a(chǎn)品和用戶數(shù)量較少,因此平臺現(xiàn)有架構(gòu)能夠滿足使用需求；而在如今信息爆炸的時代,眾籌的產(chǎn)品列表迅速增長,用戶不僅期望能夠快速有效獲取信息,還希望系統(tǒng)能進(jìn)行智能化的推薦。在新世紀(jì)興起的電子商務(wù)及其他類似的平臺很早就發(fā)現(xiàn)了這一問題,而應(yīng)用于其中的各種個性化推薦算法則在不斷改進(jìn)的過程中幫助用戶實(shí)現(xiàn)了信息的過濾、篩選以及自動化推薦的需求,在減少用戶的搜索成本的同時提升了用戶的使用滿意度。但遺憾的是眾籌平臺目前還不能提供這些服務(wù)。因此,將個性化推薦應(yīng)用在眾籌平臺中就顯得很有必要。根據(jù)以往學(xué)者和業(yè)界對個性化推薦系統(tǒng)的研究,本文以眾籌平臺為目標(biāo),嘗試探索將個性化推薦算法應(yīng)用在眾籌平臺中的可行性及應(yīng)用效果。考慮到國內(nèi)外鮮有該領(lǐng)域的研究,因此本文首先利用文獻(xiàn)調(diào)研法對個性化推薦的起源和發(fā)展進(jìn)行歸納總結(jié),分析比較各類推薦算法的優(yōu)劣；然后較為細(xì)致地總結(jié)了眾籌平臺的發(fā)展歷史和現(xiàn)狀,對平臺中項目和用戶的特征屬性進(jìn)行了分析比較,闡明了在平臺中應(yīng)用個性化推薦方法的必要性和可行性�；诖�,本文結(jié)合眾籌平臺的特征提出了使用協(xié)同過濾方法進(jìn)行個性化推薦,并針對該算法的不足依次提出了基于內(nèi)容的改進(jìn)算法、基于降維的改進(jìn)算法和組合協(xié)同過濾的改進(jìn)算法；最后通過實(shí)際抓取數(shù)據(jù)進(jìn)行測試驗(yàn)證了算法及其改進(jìn)算法的推薦性能。本文的主要研究貢獻(xiàn)體現(xiàn)在：(1)在較為完整地收集現(xiàn)有眾籌平臺用戶、項目展示情況和相關(guān)信息的基礎(chǔ)上,對其作了較為全面的結(jié)構(gòu)功能分析,以此對眾籌平臺中項目和用戶的特征屬性進(jìn)行了提取和篩選,以便將其用于個性化推薦的模型構(gòu)建和計算。(2)將個性化推薦算法應(yīng)用到了眾籌平臺中,并根據(jù)眾籌平臺的特點(diǎn)針對算法作了相應(yīng)的改進(jìn),在抓取實(shí)際用戶數(shù)據(jù)的基礎(chǔ)上對改進(jìn)算法的性能進(jìn)行了多方面的驗(yàn)證。本文的不足主要是由于人力和資源條件的限制,獲取的用戶和項目數(shù)據(jù)規(guī)模僅能進(jìn)行簡單的實(shí)驗(yàn)驗(yàn)證,以致不能對以后大規(guī)模應(yīng)用可能出現(xiàn)的問題以及算法改進(jìn)提供進(jìn)一步的建議。本文將在Web內(nèi)容挖掘、組合協(xié)同過濾等方面做進(jìn)一步深入研究,探索提高推薦效率的同時降低時間成本的更好方法。
[Abstract]:......
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：G250.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王彬菁;李明東;;一種改進(jìn)的關(guān)聯(lián)規(guī)則在個性化學(xué)習(xí)推薦系統(tǒng)中的應(yīng)用[J];電腦知識與技術(shù);2015年22期

2 孫艷;朱玉全;陳耿;;基于隱語義模型的協(xié)同過濾圖書推薦方法[J];信息技術(shù);2015年11期

3 高虎明;趙鳳躍;;一種融合協(xié)同過濾和內(nèi)容過濾的混合推薦方法[J];現(xiàn)代圖書情報技術(shù);2015年06期

4 陳小輝;高燕;;基于優(yōu)化歐氏距離的協(xié)同過濾推薦[J];計算機(jī)與現(xiàn)代化;2015年03期

5 翟爍;;基于用戶興趣和雙重聚類融合的協(xié)同過濾算法的優(yōu)化研究[J];無線互聯(lián)科技;2015年05期

6 張玉連;袁偉;;隱語義模型下的科技論文推薦[J];計算機(jī)應(yīng)用與軟件;2015年02期

7 高鳳麗;孫連山;;個性化推薦系統(tǒng)概述[J];技術(shù)與市場;2015年02期

8 江周峰;楊俊;鄂海紅;;結(jié)合社會化標(biāo)簽的基于內(nèi)容的推薦算法[J];軟件;2015年01期

9 朱清香;侯會茹;劉晶;戴培森;晏霄;;基于矩陣多源加權(quán)關(guān)聯(lián)規(guī)則在個性化推薦中的應(yīng)用[J];科技管理研究;2015年01期

10 姜書浩;薛福亮;;一種利用協(xié)同過濾預(yù)測和模糊相似性改進(jìn)的基于內(nèi)容的推薦方法[J];現(xiàn)代圖書情報技術(shù);2014年02期

相關(guān)博士學(xué)位論文 前1條

1 鄧愛林;電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];復(fù)旦大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 張進(jìn);電子商務(wù)推薦系統(tǒng)中協(xié)同過濾算法的分析與研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2012年

2 杜英;基于協(xié)同過濾技術(shù)的個性化推薦系統(tǒng)研究[D];天津師范大學(xué);2012年

3 高建煌;個性化推薦系統(tǒng)技術(shù)與應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2010年

4 朱后坤;關(guān)于推薦系統(tǒng)的統(tǒng)計預(yù)測研究[D];上海交通大學(xué);2010年

5 張馳;基于混合推薦技術(shù)的個性化資源推薦模型設(shè)計與實(shí)現(xiàn)[D];上海交通大學(xué);2010年

6 施華;基于項目和用戶雙重聚類的協(xié)同過濾推薦算法[D];東北師范大學(xué);2009年

7 楊杰;個性化推薦系統(tǒng)應(yīng)用及研究[D];中國科學(xué)技術(shù)大學(xué);2009年

8 鄧婕;基于匿名用戶使用挖掘的個性化信息推薦研究[D];西安電子科技大學(xué);2009年

9 張雪文;智能推薦系統(tǒng)中協(xié)同過濾算法的研究[D];上海交通大學(xué);2008年

10 楊麟兒;基于用戶興趣的個性化推薦系統(tǒng)的研究與設(shè)計[D];北京交通大學(xué);2008年

，

本文編號：2258119