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

【摘要】：隨著移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展,手機(jī)應(yīng)用(簡(jiǎn)稱APP)的種類(lèi)和數(shù)量都呈現(xiàn)高速增長(zhǎng)趨勢(shì)。據(jù)統(tǒng)計(jì)截止2017年3月,安卓和蘋(píng)果應(yīng)用市場(chǎng)一共擁有約為500萬(wàn)款的APP,如何更好地向用戶推薦APP是提升用戶體驗(yàn)和增加企業(yè)營(yíng)收的關(guān)鍵性問(wèn)題。我們發(fā)現(xiàn)現(xiàn)有APP推薦策略主要基于用戶個(gè)人信息,并沒(méi)有考慮社交網(wǎng)絡(luò)中用戶所處群體對(duì)其產(chǎn)生的影響。然而與現(xiàn)實(shí)中購(gòu)物相似,用戶在下載或購(gòu)買(mǎi)APP時(shí)必然會(huì)受到社交網(wǎng)絡(luò)好友的影響。因此,向傳統(tǒng)APP個(gè)性化推薦算法中融入網(wǎng)絡(luò)用戶間的社交影響力是否會(huì)帶來(lái)正向收益,以及如何融入是一個(gè)值得深入探索的課題。本文對(duì)個(gè)性化推薦算法和社交影響力進(jìn)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(jiǎn)稱SVD-WSI。該算法的核心目標(biāo)是向用戶推薦預(yù)測(cè)使用次數(shù)較高的APP,主要包含兩個(gè)部分:第一部分根據(jù)用戶個(gè)人信息,從個(gè)性化角度預(yù)測(cè)用戶使用APP次數(shù),提出基于分布式SVD的APP使用次數(shù)預(yù)測(cè)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(jìn)行預(yù)測(cè),提出基于社交影響力的APP使用次數(shù)預(yù)測(cè)算法—D-SI。在實(shí)驗(yàn)部分,我們首先基于MovieLens公開(kāi)數(shù)據(jù),驗(yàn)證了 D-SVD算法相比基于用戶、物品的協(xié)同過(guò)濾以及SVD++算法有更高的準(zhǔn)確率。其次我們基于騰訊提供的應(yīng)用寶數(shù)據(jù),驗(yàn)證了 SVD-WSI算法引入社交影響力后對(duì)推薦效果帶來(lái)的正向收益。最后針對(duì)求解社交網(wǎng)絡(luò)中影響力傳播最廣的用戶集合—影響力最大化問(wèn)題,我們基于騰訊數(shù)據(jù)對(duì)比了 D-SI算法影響力計(jì)算模型與基準(zhǔn)WC算法的差異,實(shí)驗(yàn)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(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李穎基,彭宏,鄭啟倫,曾煒;自動(dòng)分層推薦算法[J];計(jì)算機(jī)應(yīng)用;2002年11期

2 徐義峰;徐云青;劉曉平;;一種基于時(shí)間序列性的推薦算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2006年10期

3 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計(jì)算機(jī)應(yīng)用;2007年06期

4 張海玉;劉志都;楊彩;賈松浩;;基于頁(yè)面聚類(lèi)的推薦算法的改進(jìn)[J];計(jì)算機(jī)應(yīng)用與軟件;2008年09期

5 張立燕;;一種基于用戶事務(wù)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(guó)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(qiáng);;智能博物館環(huán)境下的個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

8 王文;;個(gè)性化推薦算法研究[J];電腦知識(shí)與技術(shù);2010年16期

9 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評(píng)價(jià)估計(jì)的混合推薦算法研究[J];微計(jì)算機(jī)信息;2010年36期

10 夏秀峰;代沁;叢麗暉;;用戶顯意識(shí)下的多重態(tài)度個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年16期

相關(guān)會(huì)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(gè)性化推薦算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

3 秦國(guó);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(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 周玉妮;鄭會(huì)頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動(dòng)商務(wù)個(gè)性化推薦系統(tǒng)[A];社會(huì)經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第17屆學(xué)術(shù)年會(huì)論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國(guó)復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號(hào)：1905721