發(fā)布時間：2018-05-18 11:48

  本文選題：推薦算法 + 協(xié)同過濾��； 參考：《華東師范大學》2017年碩士論文

【摘要】：隨著移動互聯(lián)網(wǎng)的飛速發(fā)展,手機應用(簡稱APP)的種類和數(shù)量都呈現(xiàn)高速增長趨勢。據(jù)統(tǒng)計截止2017年3月,安卓和蘋果應用市場一共擁有約為500萬款的APP,如何更好地向用戶推薦APP是提升用戶體驗和增加企業(yè)營收的關鍵性問題。我們發(fā)現(xiàn)現(xiàn)有APP推薦策略主要基于用戶個人信息,并沒有考慮社交網(wǎng)絡中用戶所處群體對其產(chǎn)生的影響。然而與現(xiàn)實中購物相似,用戶在下載或購買APP時必然會受到社交網(wǎng)絡好友的影響。因此,向傳統(tǒng)APP個性化推薦算法中融入網(wǎng)絡用戶間的社交影響力是否會帶來正向收益,以及如何融入是一個值得深入探索的課題。本文對個性化推薦算法和社交影響力進行深入研究,提出了基于分布式SVD和社交影響力的APP推薦算法,簡稱SVD-WSI。該算法的核心目標是向用戶推薦預測使用次數(shù)較高的APP,主要包含兩個部分:第一部分根據(jù)用戶個人信息,從個性化角度預測用戶使用APP次數(shù),提出基于分布式SVD的APP使用次數(shù)預測算法—D-SVD;第二部分根據(jù)用戶所處社交群體信息,從社交影響角度進行預測,提出基于社交影響力的APP使用次數(shù)預測算法—D-SI。在實驗部分,我們首先基于MovieLens公開數(shù)據(jù),驗證了 D-SVD算法相比基于用戶、物品的協(xié)同過濾以及SVD++算法有更高的準確率。其次我們基于騰訊提供的應用寶數(shù)據(jù),驗證了 SVD-WSI算法引入社交影響力后對推薦效果帶來的正向收益。最后針對求解社交網(wǎng)絡中影響力傳播最廣的用戶集合—影響力最大化問題,我們基于騰訊數(shù)據(jù)對比了 D-SI算法影響力計算模型與基準WC算法的差異,實驗發(fā)現(xiàn)本文所提算法能夠挖掘到影響力傳播更廣的用戶集合。
[Abstract]:With the rapid development of mobile internet, the category and quantity of mobile phone application (app) are increasing rapidly. Android and Apple have about 5 million apps in the app market as of March 2017, and how to better recommend the APP to users is a key issue for improving the user experience and increasing corporate revenue. We find that the current APP recommendation strategy is mainly based on the user's personal information and does not take into account the influence of the user's group on the social network. However, similar to real shopping, users are bound to be influenced by social network friends when downloading or buying APP. Therefore, whether it will bring positive benefits to the traditional APP personalized recommendation algorithm, and how to integrate it, is a topic worth further exploring. In this paper, the personalized recommendation algorithm and social influence are deeply studied, and a APP recommendation algorithm based on distributed SVD and social influence is proposed, which is called SVD-WSI. The core goal of the algorithm is to recommend the app with high prediction times to the user, which includes two parts: the first part predicts the number of users using APP from the angle of personalization according to the personal information of the user. Based on distributed SVD, a APP usage prediction algorithm-D-SVD is proposed. In the second part, based on the information of the users' social groups, the APP usage prediction algorithm-D-SI based on the social influence is proposed from the point of view of social influence. In the experimental part, we first based on the MovieLens open data, verify that the D-SVD algorithm has higher accuracy than the user-based collaborative filtering and SVD algorithm. Secondly, based on the YingYongBao data provided by Tencent, we verify that the SVD-WSI algorithm brings positive benefits to the recommendation effect by introducing social influence. Finally, in order to solve the problem of maximizing the influence of the most widely used users in social networks, we compare the difference between the D-SI algorithm and the benchmark WC algorithm based on Tencent data. Experimental results show that the proposed algorithm can mine the user set with wider influence spread.
【學位授予單位】：華東師范大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 李穎基,彭宏,鄭啟倫,曾煒;自動分層推薦算法[J];計算機應用;2002年11期

2 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

3 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

4 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

5 張立燕;;一種基于用戶事務模式的推薦算法[J];福建電腦;2009年03期

6 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

7 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

8 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

9 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

10 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

相關會議論文 前10條

1 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)庫學術會議論文集（技術報告篇）[C];2007年

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

3 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)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012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)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：1905721