消費貸款產品在我國的需求量與日俱增,在眾多的消費貸款產品中,為用戶推薦滿意的產品是一個不小的挑戰(zhàn)�，F階段,在各種主流的推薦算法中,協同過濾算法是應用較為廣泛的一種推薦算法,但是傳統(tǒng)的協同過濾存在用戶數據稀疏性的問題,導致用戶相似度計算的精準度降低。針對上述問題,本文在教育部-中國移動集團科研基金項目支持下,利用移動運營商網絡數據,提出基于密度峰值聚類算法(Density Peaks Clustering Algorithm,DPCA)的消費貸款產品推薦模型。主要研究內容與貢獻如下:(1)提出并設計實現基于DPCA聚類的消費貸款產品推薦模型。在協同過濾推薦模型的用戶分類過程中引入DPCA聚類,利用用戶移動數據提取用戶的消費行為特征,其中包括用戶購物傾向與購買力兩大類特征�；谝陨咸卣�,通過DPCA聚類方法將用戶進行聚類劃分,使對消費貸款產品需求相似的用戶,即相似度較高的用戶聚集到同一個類中,簡化查找最近鄰居過程,提高用戶相似度計算的精準度,從而提高了推薦結果的準確性。(2)設計實現基于改進DPCA聚類的消費貸款產品推薦模型。傳統(tǒng)的DPCA聚類具有:不能處理混合屬性數據集、類簇中心與噪音點...

【文章頁數】：74 頁

【學位級別】：碩士

本文編號：3880619