近年來(lái),移動(dòng)互聯(lián)網(wǎng)得到很大發(fā)展,移動(dòng)應(yīng)用程序（即App）在我們生活中扮演著前所未有的重要角色。它逐漸的成為人們衣食住行、娛樂(lè)工作等社會(huì)生活中必不可少的一部分。對(duì)于用戶(hù)來(lái)說(shuō),在面對(duì)市場(chǎng)上如此之多的應(yīng)用時(shí),常常會(huì)陷入如何抉擇的難題。對(duì)于開(kāi)發(fā)商而言,通過(guò)預(yù)測(cè)用戶(hù)將來(lái)是否會(huì)卸載App,可以幫助他們了解產(chǎn)品缺陷,從而更好地完善和改進(jìn)自己的產(chǎn)品。此外,通過(guò)預(yù)判用戶(hù)是否會(huì)卸載某款A(yù)pp,可為該用戶(hù)提前推薦更優(yōu)質(zhì)的同類(lèi)App替代產(chǎn)品,提升用戶(hù)推薦體驗(yàn)。推薦系統(tǒng)的出現(xiàn),很好的解決了信息過(guò)載的問(wèn)題。傳統(tǒng)的應(yīng)用推薦系統(tǒng)一般是基于評(píng)分——推薦評(píng)分較高的熱門(mén)應(yīng)用。然而,用戶(hù)的需求往往是多樣化的,且應(yīng)用評(píng)分的客觀性可能由于人為操縱而無(wú)法得到保證。因此,這種單一的推薦方式的表現(xiàn)往往不盡如人意,這也是個(gè)性化的應(yīng)用推薦系統(tǒng)的意義所在。而對(duì)于應(yīng)用程序卸載預(yù)測(cè)問(wèn)題,目前很少有這方面的研究。針對(duì)上述問(wèn)題,本文提出了基于時(shí)間序列挖掘的個(gè)性化App推薦算法以及用戶(hù)App卸載行為預(yù)測(cè)算法。本文所定義的時(shí)間序列是指那些所觀察到的按照時(shí)間順序排列的動(dòng)態(tài)數(shù)據(jù)序列,具有動(dòng)態(tài)性和復(fù)雜性。本文使用的數(shù)據(jù)來(lái)自于中國(guó)領(lǐng)先的App應(yīng)用市場(chǎng)——中國(guó)應(yīng)... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

推薦引擎架構(gòu)圖

系統(tǒng)可能會(huì)自動(dòng)推薦一系列關(guān)于編程的書(shū)籍相似度。：之間的相似程度。相似程度和用戶(hù)的操作記錄為用戶(hù)生成推薦的公式定義如下：| ( ) ( ) || (b) |abI a I bwI 歡物品 b 的用戶(hù)數(shù)，而 ( ) ( )是同時(shí)既上式表示同時(shí)喜歡 a,b 兩樣物品的用戶(hù)占喜有很多種算法，這里只是一種定義方式。目關(guān)聯(lián)度。例圖所為輸入，在這里默認(rèn)用戶(hù)為物品的

圖 2.3 一個(gè)典型的人工神經(jīng)網(wǎng)絡(luò)圖（三層）Fig 2.3Atypical artificial Neural Network Graph (three layers)2.2.3.3 隱含馬爾可夫模型（Hidden Markov Model，HMM）隱含馬爾可夫模型[37][36]是一種統(tǒng)計(jì)模型，由美國(guó)數(shù)學(xué)家鮑姆（Leonard E. Baum等人提出來(lái)。一個(gè)含有隱含未知參數(shù)的馬爾可夫過(guò)程可以用隱含馬爾科夫模型描述，如何確定這個(gè)隱含參數(shù)是隱含馬爾科夫模型的難點(diǎn)。假設(shè)在隨機(jī)過(guò)程中，每個(gè)符號(hào)的出現(xiàn)概率不相互獨(dú)立，每個(gè)隨機(jī)試驗(yàn)當(dāng)前的狀態(tài)依賴(lài)于其之前的狀態(tài)，也就是說(shuō)隨機(jī)過(guò)程中各個(gè)狀態(tài)tS 的概率分布，只與它的前一個(gè)狀態(tài)t1S 有關(guān)，即1 2 3 1 1( | , , ,..., ) ( | )t t t tP S S S S S P S S 。這種假設(shè)被稱(chēng)為為馬爾可夫鏈，符合這種假設(shè)的隨機(jī)過(guò)程稱(chēng)為馬爾可夫過(guò)程。隱含馬爾可夫模型是馬爾可夫模型的一個(gè)擴(kuò)展，不管什么時(shí)候 t,tS 都是看不見(jiàn)的。但是每個(gè)時(shí)態(tài)的隱含馬爾可夫模型會(huì)輸出一個(gè)一個(gè)只和tS 有關(guān)的符號(hào)。上述模型就稱(chēng)為隱含馬爾可夫模型。在隱含馬爾可夫模型中，模型中的狀態(tài)不能直接觀察得出，但是由于受狀態(tài)影響的某些變量可見(jiàn)，因而符合輸出序列能夠透露出狀態(tài)序列的一些信息。

【參考文獻(xiàn)】：
期刊論文
[1]互聯(lián)網(wǎng)時(shí)代教育類(lèi)APP開(kāi)發(fā)——美國(guó)《教育技術(shù)開(kāi)發(fā)人員指南》手冊(cè)解讀及啟示[J]. 胡月,王以寧,徐鵬,張海.  中國(guó)電化教育. 2015(12)
[2]移動(dòng)醫(yī)療App研究現(xiàn)狀及啟示[J]. 徐倩,趙文龍.  醫(yī)學(xué)信息學(xué)雜志. 2015(09)
[3]基于機(jī)器學(xué)習(xí)的地震異常數(shù)據(jù)挖掘模型[J]. 韓瑩,李?yuàn)檴?陳福明.  計(jì)算機(jī)仿真. 2014(11)
[4]基于手持終端的圖書(shū)館APP移動(dòng)服務(wù)研究[J]. 田蕊,陳朝暉,楊琳.  圖書(shū)館建設(shè). 2012(07)
[5]基于關(guān)聯(lián)規(guī)則個(gè)性化推薦的改進(jìn)算法[J]. 謝芳,王波.  計(jì)算機(jī)應(yīng)用. 2006(S2)
[6]基于內(nèi)容過(guò)濾的個(gè)性化搜索算法[J]. 曾春,邢春曉,周立柱.  軟件學(xué)報(bào). 2003(05)

博士論文
[1]機(jī)器學(xué)習(xí)及數(shù)據(jù)挖掘在生物信息學(xué)中的應(yīng)用研究[D]. 杜偉.吉林大學(xué) 2011

碩士論文
[1]移動(dòng)應(yīng)用商店用戶(hù)下載行為研究[D]. 袁霞.西南交通大學(xué) 2015
[2]基于機(jī)器學(xué)習(xí)的移動(dòng)應(yīng)用推薦系統(tǒng)的研究與實(shí)現(xiàn)[D]. 符永順.中山大學(xué) 2014
[3]基于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的木馬檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 施宇.電子科技大學(xué) 2014



本文編號(hào)：3535029