【摘要】：現(xiàn)在,越來越多的用戶傾向于通過設備來感知信息和通信交流。許多公司因而建立了大量先進的信息管理系統(tǒng),使用戶的學習、生活更加方便快捷。在網(wǎng)絡和物理的空間中互動時,用戶留下的痕跡被稱為“數(shù)字足跡”,這些記錄正在以前所未有的廣度,深度和規(guī)模累積著。而這些數(shù)據(jù)的爆炸性增長,也提供了一個前所未有的機會,使我們可以利用先進的信息技術,自動分析用戶行為。此外,對許多互聯(lián)網(wǎng)企業(yè)而言,分析用戶的行為也至關重要,因為它可以揭示用戶在個人,群體和社會層面上的行為模式,從而運用到各個應用中去。與傳統(tǒng)的推薦系統(tǒng)不同的是,由于一些應用本身的特點,這些平臺需要將用戶的個人能力考慮在內。比如,一個用戶想購買一款產品時,除了他自身的偏好之外,還需要有相應的購買力。因此,在做產品推薦的時候,不僅應該考慮到用戶本身或是相似用戶的偏好,還要考慮到他內在的能力屬性與這些產品本身的特征是否匹配。在本文中,首先基于真實世界的用戶數(shù)據(jù),從多個角度提取屬性和行為特征,并對用戶數(shù)據(jù)進行建模。其中,用戶數(shù)據(jù)主要包括了使用產品的一系列記錄和移動軌跡。其次,通過這些行為數(shù)據(jù)的分析,我們能夠了解用戶的行為模式�；谏鲜龅姆治龊屠斫�,將能力的因素加入模型中可以進一步提高模型的效果,因為,在對于許多用戶參與度高的場景中,能力因素起了非常關鍵的作用。結合用戶的行為模式,同時將個性化的偏好和能力因素都考慮在內,本文提出了新的算法,以此提升推薦的準確率和用戶體驗。最后,對于任意給定的用戶,都可以計算出用戶和相關產品的匹配程度,來驗證算法的有效性。本文的主要貢獻和創(chuàng)新處可以概括為如下幾點:·基于在校大學生的行為記錄,從經(jīng)濟能力的角度,提出助學金發(fā)放的預測方法。具體而言,本文從多個角度觀察了學生在校園內的日常行為,從中提取了多源異構的特征。為了更好的理解用戶的行為,我們主要從三個方面的數(shù)據(jù)提取了判別特征:(1)智能卡的消費信息;(2)網(wǎng)絡的使用記錄;(3)校園內的移動軌跡。首先,在實際觀察中發(fā)現(xiàn),類似財務困難的學生會有著相似的表現(xiàn),另外,通過訪問互聯(lián)網(wǎng)服務的方式(無線或有線),可以推斷他是否使用移動設備,這是判斷一個人的財務狀況的另一個證據(jù);通過整合學生的智能卡使用情況和互聯(lián)網(wǎng)使用記錄,加上進出宿舍的日志,可以提取學生在校園內的粗粒度的軌跡。對于這些軌跡,可以用更前沿的方法來分析特征。最后,通過利用學生之間的相似性關系和助學金(標簽依賴)的相關性,來構建具體的算法,將該問題形式化為多標簽學習問題,并構建了具體的算法框架,判定其是否需要資金幫助。·基于對多個產品的使用記錄,從心理因素的角度,提出用戶對新產品接受度的預測方法。這部分研究對于市場營銷有著重要意義,也為公司開發(fā)新產品提供了用戶信息。傳統(tǒng)推薦算法通常會直接對相似產品的用戶推薦產品。然而,基于實際的觀察,我們發(fā)現(xiàn)相似產品有著互相競爭的行為,所以,即使對于兩款相似產品,用戶也會有不同的接受度。因此,本文著重評估了用戶的個人偏好和使用習慣,來做個性化推薦。通過數(shù)據(jù)挖掘的方法,對用戶的使用行為進行建模,然后結合新產品的特征,預測了用戶對新產品的接受度。·基于用戶的音頻記錄,從唱歌能力的角度,提出符合用戶聲音的歌曲推薦算法。與傳統(tǒng)的音樂推薦不同的是,在線唱歌有其獨有的性質,比如,唱歌系統(tǒng)會對用戶的表現(xiàn)做出評價,選擇與自身聲音相匹配的歌曲,有助于獲得較好的評分。因此,當用戶選擇一首歌曲時,他通常需要考慮歌曲的難度與自身的聲音是否相匹配。基于音域分析的技術進展,我們首先從多個角度進行了特征提取。在處理了翻唱信息后,這些音頻被重新進行了編碼,以此可以解析了用戶的聲音能力。最后,本文將用戶的偏好和聲音特征聯(lián)合建模,并對這些翻唱的評分進行預測,幫助用戶選取更適合自身能力的歌曲,從而有較好的得分和用戶體驗。
[Abstract]:......
【學位授予單位】：中國科學技術大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP311.13;TP391.3

【相似文獻】

相關期刊論文 前10條

1 曹春華;;電腦使用記錄隨時看[J];電腦迷;2012年24期

2 風雨彩虹;;我的秘密你別猜——電腦使用記錄大清理[J];電腦愛好者(普及版);2007年06期

3 龔冬梅;機房微機使用記錄自動管理系統(tǒng)[J];實驗室研究與探索;1997年03期

4 ;不漏痕跡Win7輕松清理記錄4則技巧[J];計算機與網(wǎng)絡;2012年10期

5 邱均平,黃曉斌;網(wǎng)絡用戶使用記錄的計量分析[J];現(xiàn)代圖書情報技術;2002年05期

6 唐章蔚;Office回收站,你清空了嗎?[J];電腦愛好者;2003年03期

7 一飛;踏雪無痕 電腦使用記錄清除攻略[J];計算機與網(wǎng)絡;2005年07期

8 向尚;;我的秘密你別看——如何清除WPS的文件使用記錄[J];電腦愛好者(普及版);2010年04期

9 劉長德;;如何在Word或“我的文檔”中清除使用記錄[J];電腦知識與技術(經(jīng)驗技巧);2007年03期

10 何兵,陶宏才,強曉煥;WEB使用記錄挖掘研究[J];廣西師范學院學報(自然科學版);2003年04期

相關會議論文 前9條

1 曾潮繽;羅鍵;;Web使用記錄挖掘中的聚類分析研究[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

2 鄒本旭;佘敏克;樊力平;;我國甲級男排運動員期望教練員領導行為模式上的認知差異性研究[A];第七屆全國體育科學大會論文摘要匯編（二）[C];2004年

3 馬修軍;;城市居民時空行為序列模式挖掘方法[A];地理學與生態(tài)文明建設——中國地理學會2008年學術年會論文摘要集[C];2008年

4 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

5 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

6 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

7 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

8 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

9 梁莘q，

本文編號：2340127