【摘要】：現(xiàn)如今,推薦系統(tǒng)無論是在電子商務還是在社交網(wǎng)絡都占據(jù)著舉足輕重的位置.而傳統(tǒng)的以銀行為代表的金融機構(gòu)在個性化推薦方面的應用,較之于互聯(lián)網(wǎng)行業(yè)略有不足.本文根據(jù)基于機器學習方法的隱語義模型,并結(jié)合用戶的特征,生成一種融合用戶特征的改進隱語義模型,并對金融產(chǎn)品進行推薦.在解決冷啟動問題時,可以通過用戶的人口統(tǒng)計學特征給新用戶進行產(chǎn)品推薦.該方法計算用戶的特征關(guān)于物品的興趣度,將所有特征關(guān)于物品的興趣度進行累積,從而得到用戶關(guān)于物品的興趣度.而隱語義模型(Latent Factor Model,LFM)是通過將物品分類,計算用戶關(guān)于類的興趣度_(,6)),和物品關(guān)于類的權(quán)重_(4),6)),將二者相乘得到用戶關(guān)于物品的興趣度.兩種推薦方法的結(jié)合點正是用戶關(guān)于物品的興趣度.本文將基于用戶特征計算出來的用戶關(guān)于物品的興趣度與LFM計算出來的興趣度進行線性組合,二者的權(quán)重則利用用戶的活躍度進行衡量.利用訓練出的模型對目標用戶興趣度較高的前個物品進行推薦(TopN).通過在Movielens數(shù)據(jù)集和銀行理財產(chǎn)品數(shù)據(jù)集上的實驗測試,融合用戶特征的改進隱語義模型在樣本量較少和應對用戶冷啟動問題時,具有更好的推薦性能.
【圖文】：

.2 測測評評維維度度除了測評指標, 一個推薦系統(tǒng)還要考慮測評維度. 對于一個推薦系統(tǒng), 它性能不是很好, 但是, 可能在某些情況下較好. 而測評維度就能夠幫助找哪些情況下性能較好. 測評維度主要包括：用戶維度, 即人口統(tǒng)計學信息活躍度等. 物品維度, 包含物品的基本屬性, 物品的流行度, 以及評分信息時間維度, 包括季節(jié)性, 工作日還是周末等. 推推薦薦系系統(tǒng)統(tǒng)的的應應用用推薦系統(tǒng)被廣泛應用于電子商務、個性化音樂視頻推薦、基于位置的服告等眾多方面.如, 在亞馬遜網(wǎng)站瀏覽《數(shù)據(jù)挖掘?qū)д摗芬粫鴷r, 會在該書頁面下方推送息：

圖 2-2: 推薦算法分類Figure 2-2 Recommended algorithm classification算法主要包括基于關(guān)聯(lián)規(guī)則的推薦、基于內(nèi)容的推薦、基于協(xié)基于模型的推薦和混合的推薦等[18].基基于于關(guān)關(guān)聯(lián)聯(lián)規(guī)規(guī)則則的的推推薦薦分析(關(guān)聯(lián)規(guī)則), 又稱關(guān)聯(lián)挖掘, 主要用來發(fā)現(xiàn)大量數(shù)據(jù)集中物于關(guān)聯(lián)規(guī)則的推薦常見于電子商務系統(tǒng)中. 其實際意義是, 購買會傾向于購買另外一些物品. 基于關(guān)聯(lián)規(guī)則的推薦, 其首要目標  6 
【學位授予單位】：黑龍江大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F832;C815

【相似文獻】

相關(guān)期刊論文 前10條

1 彭吉瓊;金歡;占思琦;;基于校企合作的情景感知推薦算法研究[J];海峽科技與產(chǎn)業(yè);2019年06期

2 徐志熹;錢洋;蘇揚;;融合時序的決策樹推薦算法研究[J];現(xiàn)代計算機;2019年34期

3 徐笛;;算法實踐中的多義與轉(zhuǎn)義：以新聞推薦算法為例[J];新聞大學;2019年12期

4 崔素麗;;教程推薦算法研究[J];信息與電腦(理論版);2019年24期

5 李旭峰;;基于社交網(wǎng)絡學習推薦算法的應用研究[J];信息系統(tǒng)工程;2019年12期

6 王扶東;俞立群;;垂直學習社區(qū)基于學習興趣與風格的社會化推薦算法[J];小型微型計算機系統(tǒng);2020年01期

7 牛在森;伊華偉;李曉會;李波;;融合層次聚類和粒子群優(yōu)化的魯棒推薦算法[J];小型微型計算機系統(tǒng);2020年01期

8 周神保;莫凡;;智能推薦算法安全風險研究[J];廣東通信技術(shù);2019年07期

9 俞偉;徐德華;;推薦算法概述與展望[J];科技與創(chuàng)新;2019年04期

10 張世東;;推薦算法概述[J];科技傳播;2019年04期

相關(guān)會議論文 前10條

1 米傳民;彭鵬;單曉菲;馬靜;;考慮顯式評分的基于二部圖的推薦算法[A];第十七屆中國管理科學學術(shù)年會論文集[C];2015年

2 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

3 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2007年

4 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術(shù)交流會論文集[C];2008年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術(shù)會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：2618099