近年隨著二手車交易平臺內(nèi)汽車產(chǎn)品種類和數(shù)量不斷增多,平臺內(nèi)出現(xiàn)買賣雙方信息不對稱現(xiàn)象。面對海量的汽車產(chǎn)品信息,利用傳統(tǒng)的搜索技術很難為用戶提供個性化需求服務,制約著平臺進一步發(fā)展。為此,本文提出在二手車交易平臺內(nèi)應用個性化推薦系統(tǒng)的解決方案。以此為研究對象,構建基于用戶興趣變化的協(xié)同過濾推薦方法。以Hadoop技術為基礎架構設計了二手車交易平臺產(chǎn)品個性化推薦系統(tǒng),為用戶提供更加方便、可靠和高效的汽車產(chǎn)品推送服務。論文工作內(nèi)容如下:（1）介紹了二手車交易平臺個性化推薦方法研究背景及目的,并闡述了二手車交易平臺發(fā)展現(xiàn)狀及存在的問題。針對二手車交易平臺出現(xiàn)汽車標簽語義模糊問題,提出構建復雜汽車標簽網(wǎng)絡,并對其進行聚類分析生成不同標簽族的解決方案。（2）針對二手車交易平臺用戶興趣變化和矩陣數(shù)據(jù)稀疏的問題,構建基于用戶興趣變化模型協(xié)同過濾推薦方法。該推薦方法在構建用戶興趣模型中引入了時間因素,通過將標簽權重和時間模型相結合實現(xiàn)用戶興趣模型的動態(tài)更新,有效解決了二手車交易平臺內(nèi)用戶興趣不斷變化問題,為用戶實時推薦相匹配的汽車產(chǎn)品信息。通過建立用戶-興趣主題興趣度關系矩陣代替評分矩陣計算用戶之間的相... 

【文章來源】：浙江理工大學浙江省

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 二手車交易平臺的發(fā)展現(xiàn)狀
        1.2.2 個性化推薦方法的研究現(xiàn)狀
    1.3 研究內(nèi)容與體系結構
    1.4 本章小結
第2章 二手車交易平臺個性化推薦系統(tǒng)相關理論分析
    2.1 二手車個性化推薦系統(tǒng)概論
    2.2 協(xié)同過濾個性化推薦方法分析
        2.2.1 基于模型的推薦算法
        2.2.2 基于用戶的協(xié)同過濾算法
        2.2.3 基于項目的協(xié)同過濾推薦算法
        2.2.4 存在的問題
    2.3 基于標簽個性化推薦方法分析
        2.3.1 標簽的概念
        2.3.2 復雜標簽網(wǎng)絡及其特點
        2.3.3 基于標簽的用戶興趣模型
        2.3.4 基于標簽的個性化推薦方法
    2.4 Hadoop技術分析
        2.4.1 Hadoop生態(tài)系統(tǒng)
        2.4.2 MapReduce工作原理
    2.5 本章小結
第3章 二手車交易平臺個性化推薦系統(tǒng)用戶興趣變化模型建立
    3.1 推薦系統(tǒng)面臨問題
    3.2 復雜汽車標簽網(wǎng)絡的構建
        3.2.1 汽車標簽定義
        3.2.2 復雜汽車標簽網(wǎng)絡構建過程與結果
    3.3 基于復雜汽車標簽網(wǎng)絡的聚類
    3.4 基于興趣主題的用戶多興趣建模
        3.4.1 基于時間和頻率的用戶標簽向量構建
        3.4.2 用戶興趣變化模型構建
    3.5 用戶興趣變化模型的更新策略
    3.6 本章小結
第4章 二手車交易平臺個性化推薦系統(tǒng)推薦方法建立
    4.1 基本思路
    4.2 基于用戶興趣變化模型協(xié)同過濾推薦方法
    4.3 基于用戶興趣變化模型協(xié)同過濾推薦算法描述
    4.4 基于用戶興趣變化模型協(xié)同過濾推薦算法分析
        4.4.1 數(shù)據(jù)集樣本及評價指標
        4.4.2 實驗設計及結果分析
    4.5 本章小結
第5章 二手車交易平臺產(chǎn)品個性化推薦系統(tǒng)設計
    5.1 系統(tǒng)目標
    5.2 需求分析
        5.2.1 系統(tǒng)功能需求
        5.2.2 系統(tǒng)非功能性需求
    5.3 系統(tǒng)設計
        5.3.1 系統(tǒng)總體架構設計
        5.3.2 系統(tǒng)開發(fā)環(huán)境和平臺
    5.4 數(shù)據(jù)庫設計
    5.5 系統(tǒng)功能模塊設計
        5.5.1 數(shù)據(jù)采集與存儲模塊設計
        5.5.2 推薦引擎模塊設計
        5.5.3 系統(tǒng)管理模塊設計
    5.6 系統(tǒng)主要功能實現(xiàn)
    5.7 系統(tǒng)功能測試
    5.8 本章小結
第6章 結論與展望
    6.1 論文總結
    6.2 工作展望
參考文獻
攻讀學位期間的研究成果
致謝


【參考文獻】：
期刊論文
[1]大數(shù)據(jù)時代下電子商務個性化推薦系統(tǒng)的分析與設計[J]. 王騰宇.  智庫時代. 2020(08)
[2]基于節(jié)點信任度的復雜網(wǎng)絡關鍵節(jié)點識別[J]. 王斌,王亞云,盛津芳,孫澤軍.  小型微型計算機系統(tǒng). 2019(11)
[3]我國汽車二手車銷售網(wǎng)上平臺發(fā)展前景[J]. 汪九康.  中外企業(yè)家. 2019(33)
[4]基于信息不對稱下二手車市場博弈研究[J]. 王正魯.  內(nèi)蒙古統(tǒng)計. 2019(05)
[5]融合用戶智能標簽與社會化標簽的推薦服務[J]. 賈偉,劉旭艷,徐彤陽.  情報科學. 2019(10)
[6]協(xié)同過濾推薦算法研究[J]. 李曉瑜.  計算機與數(shù)字工程. 2019(09)
[7]基于標簽和協(xié)同過濾的改進推薦算法研究[J]. 金晶,懷麗波.  延邊大學學報(自然科學版). 2019(03)
[8]融合多維語義表示的概率矩陣分解模型[J]. 任開旭,王玉龍,劉同存,李煒.  電子學報. 2019(09)
[9]基于HDFS的跨集群分布式文件系統(tǒng)研究[J]. 王大志.  信息技術與信息化. 2019(08)
[10]一種基于領域信任及不信任的奇異值分解推薦算法[J]. 張琦,柳玲,文俊浩.  計算機科學. 2019(10)

碩士論文
[1]基于Hadoop的新聞推薦系統(tǒng)關鍵技術的研究[D]. 王均賢.天津理工大學 2017
[2]面向數(shù)據(jù)稀疏問題的協(xié)同過濾推薦算法改進研究[D]. 周超.杭州電子科技大學 2013
[3]基于用戶興趣變化的協(xié)同過濾推薦技術研究[D]. 趙學偉.重慶大學 2012



本文編號：3199790