發(fā)布時間：2021-12-11 16:47

　　近年來,移動互聯(lián)網(wǎng)得到很大發(fā)展,移動應(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、娛樂工作等社會生活中必不可少的一部分。對于用戶來說,在面對市場上如此之多的應(yīng)用時,常常會陷入如何抉擇的難題。對于開發(fā)商而言,通過預(yù)測用戶將來是否會卸載App,可以幫助他們了解產(chǎn)品缺陷,從而更好地完善和改進自己的產(chǎn)品。此外,通過預(yù)判用戶是否會卸載某款A(yù)pp,可為該用戶提前推薦更優(yōu)質(zhì)的同類App替代產(chǎn)品,提升用戶推薦體驗。推薦系統(tǒng)的出現(xiàn),很好的解決了信息過載的問題。傳統(tǒng)的應(yīng)用推薦系統(tǒng)一般是基于評分——推薦評分較高的熱門應(yīng)用。然而,用戶的需求往往是多樣化的,且應(yīng)用評分的客觀性可能由于人為操縱而無法得到保證。因此,這種單一的推薦方式的表現(xiàn)往往不盡如人意,這也是個性化的應(yīng)用推薦系統(tǒng)的意義所在。而對于應(yīng)用程序卸載預(yù)測問題,目前很少有這方面的研究。針對上述問題,本文提出了基于時間序列挖掘的個性化App推薦算法以及用戶App卸載行為預(yù)測算法。本文所定義的時間序列是指那些所觀察到的按照時間順序排列的動態(tài)數(shù)據(jù)序列,具有動態(tài)性和復(fù)雜性。本文使用的數(shù)據(jù)來自于中國領(lǐng)先的App應(yīng)用市場——中國應(yīng)... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

推薦引擎架構(gòu)圖

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

圖 2.3 一個典型的人工神經(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)計模型，由美國數(shù)學家鮑姆（Leonard E. Baum等人提出來。一個含有隱含未知參數(shù)的馬爾可夫過程可以用隱含馬爾科夫模型描述，如何確定這個隱含參數(shù)是隱含馬爾科夫模型的難點。假設(shè)在隨機過程中，每個符號的出現(xiàn)概率不相互獨立，每個隨機試驗當前的狀態(tài)依賴于其之前的狀態(tài)，也就是說隨機過程中各個狀態(tài)tS 的概率分布，只與它的前一個狀態(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)被稱為為馬爾可夫鏈，符合這種假設(shè)的隨機過程稱為馬爾可夫過程。隱含馬爾可夫模型是馬爾可夫模型的一個擴展，不管什么時候 t,tS 都是看不見的。但是每個時態(tài)的隱含馬爾可夫模型會輸出一個一個只和tS 有關(guān)的符號。上述模型就稱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，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】：
期刊論文
[1]互聯(lián)網(wǎng)時代教育類APP開發(fā)——美國《教育技術(shù)開發(fā)人員指南》手冊解讀及啟示[J]. 胡月,王以寧,徐鵬,張海.  中國電化教育. 2015(12)
[2]移動醫(yī)療App研究現(xiàn)狀及啟示[J]. 徐倩,趙文龍.  醫(yī)學信息學雜志. 2015(09)
[3]基于機器學習的地震異常數(shù)據(jù)挖掘模型[J]. 韓瑩,李姍姍,陳福明.  計算機仿真. 2014(11)
[4]基于手持終端的圖書館APP移動服務(wù)研究[J]. 田蕊,陳朝暉,楊琳.  圖書館建設(shè). 2012(07)
[5]基于關(guān)聯(lián)規(guī)則個性化推薦的改進算法[J]. 謝芳,王波.  計算機應(yīng)用. 2006(S2)
[6]基于內(nèi)容過濾的個性化搜索算法[J]. 曾春,邢春曉,周立柱.  軟件學報. 2003(05)

博士論文
[1]機器學習及數(shù)據(jù)挖掘在生物信息學中的應(yīng)用研究[D]. 杜偉.吉林大學 2011

碩士論文
[1]移動應(yīng)用商店用戶下載行為研究[D]. 袁霞.西南交通大學 2015
[2]基于機器學習的移動應(yīng)用推薦系統(tǒng)的研究與實現(xiàn)[D]. 符永順.中山大學 2014
[3]基于數(shù)據(jù)挖掘和機器學習的木馬檢測系統(tǒng)設(shè)計與實現(xiàn)[D]. 施宇.電子科技大學 2014



本文編號：3535029