【摘要】：移動數(shù)據(jù)業(yè)務(wù)的日益豐富及用戶需求的多樣化使得針對電信用戶的個性化推薦應(yīng)運而生,然而電信用戶的消費行為受其彼此之間的社會聯(lián)系影響較大,由于移動數(shù)據(jù)業(yè)務(wù)的數(shù)量較大,使得電信消費數(shù)據(jù)存在嚴重的數(shù)據(jù)稀疏問題,傳統(tǒng)的推薦算法需要在這些方面進行有針對性的改進�；诖�,本文的主要研究內(nèi)容和成果如下： 1、通過數(shù)據(jù)實驗驗證了用戶社會聯(lián)系與移動數(shù)據(jù)業(yè)務(wù)的消費行為之間存在關(guān)聯(lián)性。證明了兩點假設(shè)：(1)具有一定社會聯(lián)系的兩個用戶具有相似的數(shù)據(jù)業(yè)務(wù)消費偏好；(2)兩個用戶之間的社會關(guān)系越強,他們數(shù)據(jù)業(yè)務(wù)消費的相似性就越高。 本文首先通過對前人研究的總結(jié)和分析提出兩點假設(shè),本文針對這兩個假設(shè)設(shè)計了統(tǒng)計實驗,實驗的主要思想是比較有社會聯(lián)系和沒有社會聯(lián)系的用戶對之間的消費行為相似度,通過假設(shè)檢驗的方法驗證兩個假設(shè)的正確性。最后的統(tǒng)計結(jié)果表明,用戶的社會聯(lián)系與其消費行為相似度之間具有顯著性影響,并且具有社會聯(lián)系的兩個用戶之間更有可能具有相似的數(shù)據(jù)業(yè)務(wù)消費行為；用戶社會聯(lián)系強度(通話頻次)與用戶之間消費行為相似度的相關(guān)性分析結(jié)果表明兩者呈較強的正相關(guān)關(guān)系。由此,兩個假設(shè)都得到證實。 2、提出了基于通話記錄的電信用戶社會聯(lián)系強度的度量方法,并基于此設(shè)計了用戶產(chǎn)品矩陣的空缺值填充方法。 為了利用用戶之間的社會聯(lián)系對于其消費行為的影響來實現(xiàn)數(shù)據(jù)業(yè)務(wù)的推薦方法設(shè)計,本文以通話記錄的各項屬性(如通話開始的時間、通話持續(xù)的時間、通話的類型等)為基礎(chǔ),結(jié)合通話雙方在一定時間范圍內(nèi)的通話記錄統(tǒng)計信息構(gòu)造了較為準確的度量電信用戶之間社會聯(lián)系強度的方法。基于該度量方法及第一部分研究的成果進一步設(shè)計了用戶項目矩陣的空缺值填充方法,數(shù)據(jù)實驗中用戶項目矩陣的稀疏性由91.87%降低到了80.21%,取得了較好的填充效果。 3、在傳統(tǒng)的協(xié)同過濾推薦算法基礎(chǔ)上設(shè)計了基于用戶社會聯(lián)系的推薦算法Social-CF,后續(xù)的數(shù)據(jù)實驗證明該推薦算法在預(yù)測準確性及推薦效果上都要優(yōu)于經(jīng)典的協(xié)同過濾推薦算法(CollaborativeFiltering)。 在前述空缺值填充算法的基礎(chǔ)上提出了綜合相似度的計算方法,由此改進了鄰居用戶篩選的規(guī)則；之后為了保證推薦集的完整性,引入了主要推薦集和補充推薦集的概念,保證了推薦集中的業(yè)務(wù)能夠滿足用戶的潛在偏好和需求。實驗中使用了1464位用戶的消費行為數(shù)據(jù)進行推薦和驗證,通過實驗確定了綜合相似度中α的參數(shù)取值,并且使用具有最優(yōu)參數(shù)取值的推薦方法與經(jīng)典CF算法進行比較,結(jié)果表明本文提出的算法在預(yù)測準確性及推薦效果上都具有一定的優(yōu)勢(召回率最大值78.37%,高于經(jīng)典CF的69.21%；精確度33.99%,經(jīng)典CF30.46%;MAE最低0.136略低于經(jīng)典CF的0.146)。
【圖文】：

本章主要內(nèi)容將包括以下三大部分，各部分之間的關(guān)系如圖2一l所示:2.1移動環(huán)境卜的個性化推薦研究綜述2.2基于社會聯(lián)系的個性化推薦研究綜述2.1.1個性化推薦技術(shù)綜述2.2.1影響用戶消費行為的因素2.1.2移動環(huán)境卜的推薦研究視角2.2.2社會聯(lián)系對消費行為的影響研究綜述借鑒前人的推薦思想和方法 22.3基于辛毅會聯(lián)系的個性化推薦研究綜述總結(jié)當前用戶社會聯(lián)系在個性化領(lǐng)域研究的不足_.r.，.—一一側(cè):.;側(cè)}，乙少己居竹}圖2一1第二章研究內(nèi)容第一節(jié)對移動環(huán)境下的個性化研究進行綜述，首先總結(jié)傳統(tǒng)個性化推薦的思想和基本技術(shù)，并指出每種推薦技術(shù)的優(yōu)劣勢，為進一步確定本文的研究思路提

述了在推薦系統(tǒng)中引入用戶社會聯(lián)系信息的重要性[39l，，該研究認為用戶在實際購買產(chǎn)品時往往傾向于通過詢問自己熟悉的和信任的人來獲取產(chǎn)品信息，因此在推薦系統(tǒng)中也應(yīng)該將這一因素考慮在內(nèi)。根據(jù)這一思想，該研究設(shè)計了如圖2一7所示的用戶信任傳播網(wǎng)絡(luò)，并以此改進推薦性形成過程中鄰居用戶的選擇方法(將偏好相似度與信任信息相結(jié)合尋找鄰居用戶)。USerSJudgements」」 XXX丫丫 丫-‘卜 Directtrustforjudgements DireettrustforusersInfe仃 edtrustforjud卯ments補夢圖2一7用戶信任傳播的示意圖3)改進推薦流程上述兩種方法都是從推薦的細節(jié)步驟中尋找突破口來引入用戶的社會聯(lián)系信息，這樣的方式易于理解，且容易與傳統(tǒng)的方法進行比較。除此之外，還有些學者將前述的一些具體方法進行整合提出一套更加完整可行的推薦框架;或者針對其所研究的應(yīng)用領(lǐng)域的特點，嘗試從系統(tǒng)的角度對原有的推薦思路進行修正，在引入社會聯(lián)系信息之后重新構(gòu)建了推薦流程。
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2011
【分類號】：F626;F224

【引證文獻】

相關(guān)博士學位論文 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;2003年

相關(guān)碩士學位論文 前1條

1 尹燕銀;基于用戶社會關(guān)系的移動數(shù)據(jù)業(yè)務(wù)精準營銷研究[D];北京郵電大學;2013年

本文編號：2702742