科技的進(jìn)步帶動移動互聯(lián)網(wǎng)的發(fā)展,移動終端也給用戶帶來全新體驗(yàn),用戶不僅能進(jìn)行通話、短信等基本操作,還能使用APP應(yīng)用進(jìn)行社交、娛樂、購物等更智能的操作。用戶使用移動終端會產(chǎn)生大量的私人信息數(shù)據(jù),這些數(shù)據(jù)包含著用戶的性別、年齡、地理位置、興趣愛好等信息。相比于其他設(shè)備,移動終端與用戶信息聯(lián)系更加緊密�；谝苿咏K端數(shù)據(jù)的研究逐漸變成了熱點(diǎn),包括基站、GPS、WiFi的定位信息研究,手機(jī)傳感器數(shù)據(jù)研究和移動終端APP應(yīng)用研究。移動終端APP應(yīng)用的研究能分析用戶基礎(chǔ)屬性、興趣愛好等,根據(jù)這些信息我們能更深入的了解用戶,為用戶提供具有針對性的服務(wù)。本文從用戶移動終端應(yīng)用數(shù)據(jù)出發(fā),結(jié)合用戶手機(jī)品牌型號、安裝APP應(yīng)用數(shù)據(jù)和用戶行為數(shù)據(jù)來預(yù)測用戶屬性。在構(gòu)建模型框架之前分析了特征之間的相關(guān)性,發(fā)現(xiàn)APP應(yīng)用與用戶有著緊密聯(lián)系。針對APP種類數(shù)量巨大的問題,采用自然語言處理算法提取APP的主要信息,并通過人工標(biāo)注將APP應(yīng)用分為25個類型。分析APP類型數(shù)量和用戶數(shù)量對預(yù)測結(jié)果的影響。提出APP分類模型,當(dāng)用戶安裝使用新APP應(yīng)用時(shí)能夠快速計(jì)算,避免冷啟動問題。根據(jù)對長尾理論的理解使用TF-IDF提取...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 本課題的研究背景和意義
    1.2 用戶屬性預(yù)測的國內(nèi)外研究現(xiàn)狀
        1.2.1 基于搜索瀏覽的用戶屬性研究
        1.2.2 基于社交網(wǎng)絡(luò)的用戶屬性研究
        1.2.3 基于移動終端的用戶屬性研究
    1.3 論文的研究內(nèi)容及層次結(jié)構(gòu)安排
第二章 相關(guān)技術(shù)及分類算法
    2.1 相關(guān)技術(shù)
        2.1.1 詞袋模型
        2.1.2 樸素貝葉斯
        2.1.3 TF-IDF
    2.2 分類算法
        2.2.1 Logistic回歸
        2.2.2 隨機(jī)森林
        2.2.3 XGboost
    2.3 本章小結(jié)
第三章 用戶屬性及數(shù)據(jù)預(yù)處理
    3.1 用戶屬性定義
    3.2 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理
        3.2.1 APP數(shù)據(jù)處理
        3.2.2 模型評價(jià)指標(biāo)
    3.3 常用算法結(jié)果對比
        3.3.1 基于APP類型預(yù)測框架
        3.3.2 APP分類對結(jié)果的影響
        3.3.3 用戶數(shù)量對結(jié)果的影響
        3.3.4 預(yù)測結(jié)果對比
    3.4 本章小結(jié)
第四章 用戶屬性預(yù)測
    4.1 APP權(quán)重更新
    4.2 隱性信息提取
        4.2.1 pLSA
        4.2.2 LDA
    4.3 用戶屬性預(yù)測模型
        4.3.1 基于APP主題預(yù)測框架
        4.3.2 隱性主題提取
        4.3.3 用戶屬性模型
        4.3.4 混合協(xié)同預(yù)測算法
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果分析
    5.1 數(shù)據(jù)集分析
    5.2 參數(shù)優(yōu)化
        5.2.1 主題參數(shù)優(yōu)化
        5.2.2 協(xié)同算法參數(shù)優(yōu)化
    5.3 預(yù)測結(jié)果分析
    5.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的論文和專利
致謝



本文編號：3871624