本文選題：汽車推薦系統(tǒng) + 文本分析��； 參考：《重慶大學》2016年碩士論文

【摘要】：伴隨著國家大數據戰(zhàn)略的實施,以電子商務為首的互聯網應用與現代生活深度融合的同時,也逐漸促進了汽車等傳統(tǒng)行業(yè)市場經營和發(fā)展模式的轉型。互聯網平臺和信息技術的發(fā)展為消費者選購汽車提供了更多的便利條件和參考信息來源,然而汽車銷售市場愈來愈激烈的競爭卻導致了信息負載問題的進一步加劇。推薦系統(tǒng)作為一種主動過濾無關信息的技術,特別是以基于內容和協同過濾的改良算法為主流的推薦技術,憑借其在普通消費商品推薦任務中所展現的出色的性能和效率,不僅在電子商務平臺、互聯網金融、社交網絡等各大互聯網平臺中得到了廣泛應用,同時也成為大量學術領域研究者關注的熱點。然而對于一些特定領域場景下的個性化推薦任務,例如房屋、汽車、金融產品等,協同過濾技術和以物品過濾為基礎的推薦算法所表現出的有效性并不能很好地滿足用戶需求。本文在針對傳統(tǒng)推薦算法在汽車個性化推薦任務中所遇到的困難和瓶頸進行了深入分析的基礎上,構建了一種基于概率模型的汽車個性化推薦系統(tǒng)APRS。該推薦系統(tǒng)可以幫助普通消費者在無需過多了解汽車領域相關知識的情況下,輔助他們進行汽車的挑選以及購買決策。論文的主要研究成果如下:(1)針對中文商品在線評論的特點,本文在挖掘觀點分句Part-Of-Speech(POS)模式和構建相關專業(yè)領域知識詞典的基礎上,提出了一種基于商品屬性特征的意見挖掘和情感分析算法SAOSP,該算法以評論分句為粒度對商品在線評論文本進行分析,從而完成了商品各項屬性特征評分情感分析和量化工作,從客觀數據事實的角度對商品基本信息進行補充的同時,也為推薦模型的構建奠定了數據基礎。(2)通過對用戶在汽車購買過程中的行為特征進行綜合分析,我們在論文中提出了一種新穎的概率模型用于對用戶的商品購買過程進行描述。本文在該模型中綜合考慮了用戶個人偏好、互聯網用戶群體以及現實中社交群體等影響用戶最終購買決策的各項因素,并利用矩陣投影算法對模型中各概率參數進行計算。(3)針對特定應用領域商品復雜度高,普通用戶相關專業(yè)領域知識匱乏的特點,本文所提出的推薦系統(tǒng)采用會話的方式對用戶的用途需求進行顯式引導,基于所提出的推薦模型將用戶的用途需求與商品屬性特征信息之間潛在的聯系進行構建和量化,并給出了Top-K推薦列表中商品評分排名的計算公式。幫助普通用戶在缺少汽車相關專業(yè)領域知識的情況下,只需根據自身的購車用途需求可以得到基于客觀數據事實的推薦結果。(4)通過引入FMM和TR兩種基于協同過濾技術的推薦算法作為對比,本文在現實數據集上對所提出的汽車個性化推薦系統(tǒng)APRS進行了對比實驗分析。實驗結果驗證,APRS在汽車這種特定應用領域的商品的個性化推薦任務中具有較高的有效性和準確性。
[Abstract]:With the implementation of the national big data strategy, the Internet application led by electronic commerce and the deep integration of modern life have also gradually promoted the transformation of the traditional industry market management and development model. The development of the Internet platform and information technology provides more conveniences and reference letters for consumers to buy cars. Source, however, the increasingly fierce competition in the car market has led to a further exacerbation of the problem of information load. The recommendation system is a technology that is active in filtering unrelated information, especially the recommendation technology based on content based and collaborative filtering, which is presented in the recommendation task of common consumer goods. Excellent performance and efficiency have been widely used not only in the Internet platforms, such as e-commerce platform, Internet finance, social network and so on, but also the focus of researchers in a large number of academic fields. However, personalized recommendation tasks, such as houses, cars, financial products, etc., are coordinated in some specific field scenarios. The effectiveness of the filtering technology and the recommendation algorithm based on the object filtering can not satisfy the user's requirements well. Based on the analysis of the difficulties and bottlenecks of the traditional recommendation algorithm in the personalized recommendation task of the automobile, this paper constructs a personalized recommendation of automobile based on the probability model. The main research results of the paper are as follows: (1) in view of the characteristics of the online comment on Chinese goods, this article is exploring the Part-Of-Speech (POS) model and structure of the point of view. (1) the main research results of this paper are as follows: (1) in view of the characteristics of the online comment on Chinese goods, this article is mining the model and structure of the point clause (POS). On the basis of the knowledge dictionary of related professional fields, a kind of opinion mining and emotional analysis algorithm SAOSP based on the characteristics of the commodity is proposed. The algorithm uses commentary clause as the granularity to analyze the online comment text of the commodity, thus completing the analysis and quantification of the commodity attribute characteristic score feeling and the quantitative work, from the objective data facts. While adding the basic information to the commodity, it also lays a data base for the construction of the recommended model. (2) through a comprehensive analysis of the behavior characteristics of the user in the process of automobile purchase, we put forward a novel probability model in this paper to describe the process of the purchase of the user. This paper is in this model. The factors that affect user's final purchase decision are comprehensively considered, such as user preferences, Internet user groups and social groups in reality. And the matrix projection algorithm is used to calculate the probability parameters in the model. (3) the characteristics of the high complexity of the commodity in the specific application field and the lack of knowledge in the related professional fields of the ordinary users, The proposed system uses a conversational approach to explicitly guide the user's use requirements. Based on the proposed model, it constructs and quantifies the potential connections between the user's use requirements and the feature information of the commodity, and gives the calculation formula of the ranking of the commercial products in the Top-K recommendation list. In the absence of automobile related professional knowledge, we only need to get the results based on objective data facts according to their own car use requirements. (4) by introducing two recommended algorithms based on FMM and TR as comparison, the proposed auto personalized recommendation system APRS is presented on the real data set. The experimental results show that APRS has high effectiveness and accuracy in the personalized recommendation task of the goods in this particular application field.
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數據的開源推薦系統(tǒng)分析[J];計算機與數字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現[J];計算機工程與設計;2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學推薦系統(tǒng)的設計與實現[J];計算機應用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導刊;2007年23期

5 葉群來;;營銷與網絡推薦系統(tǒng)[J];電子商務;2007年10期

6 李媚;;個性化網絡學習資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經濟學模型的推薦系統(tǒng)的研究[J];計算機應用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進展及展望[J];信息系統(tǒng)學報;2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強學習的旅行計劃推薦系統(tǒng)[J];計算機工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領域的應用[J];硅谷;2011年21期

相關會議論文 前8條

1 張燕;李燕萍;;基于內容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學術年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設計與實現[A];2005年全國理論計算機科學學術年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務推薦系統(tǒng)[A];第三屆學生計算語言學研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務的技術轉移平臺推薦系統(tǒng)研究[A];第二十二屆中國數據庫學術會議論文集（技術報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術的智能服裝推薦系統(tǒng)設計[A];2011年全國電子信息技術與應用學術會議論文集[C];2011年

相關重要報紙文章 前2條

1 ;大數據如何“落地”[N];中國新聞出版報;2014年

2 本報記者 鄒大斌;大數據：電商新武器[N];計算機世界;2012年

相關博士學位論文 前10條

1 周魏;推薦系統(tǒng)中基于目標項目分析的托攻擊檢測研究[D];重慶大學;2015年

2 田剛;融合維基知識的情境感知Web服務發(fā)現方法研究[D];武漢大學;2015年

3 胡亮;集成多元信息的推薦系統(tǒng)建模方法的研究[D];上海交通大學;2015年

4 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術大學;2007年

5 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學;2014年

6 曹渝昆;基于神經網絡和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學;2006年

7 王立才;上下文感知推薦系統(tǒng)若干關鍵技術研究[D];北京郵電大學;2012年

8 劉龍;一個能實現個性化實時路徑推薦服務的推薦系統(tǒng)框架[D];中國科學技術大學;2014年

9 李濤;推薦系統(tǒng)中若干關鍵問題研究[D];南京航空航天大學;2009年

10 劉士琛;面向推薦系統(tǒng)的關鍵問題研究及應用[D];中國科學技術大學;2014年

相關碩士學位論文 前10條

1 朱孔真;基于云計算的電子商務智能推薦系統(tǒng)研究[D];武漢理工大學;2014年

2 郭敬澤;基于賦權評分和Dpark的分布式推薦系統(tǒng)研究與實現[D];天津理工大學;2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設計[D];江南大學;2015年

4 李煒;基于電子商務平臺的保險推薦系統(tǒng)的設計與實現[D];復旦大學;2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學;2015年

6 秦大路;基于因式分解機模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學;2015年

7 徐霞婷;動態(tài)路網監(jiān)控與導航推薦系統(tǒng)的設計與實現[D];蘇州大學;2015年

8 黃學峰;基于Hadoop的電影推薦系統(tǒng)研究與實現[D];南京師范大學;2015年

9 路小瑞;基于Hadoop平臺的職位推薦系統(tǒng)的設計與實現[D];上海交通大學;2015年

10 李愛寶;基于組合消費行為分析的團購推薦系統(tǒng)的設計與實現[D];哈爾濱工業(yè)大學;2015年

，

本文編號：1947272